В последние годы траектория рынка расширенной аналитики быстро менялась. Настолько, что номенклатура ежегодных отчетов Gartner Magic Quadrant по этому сегменту сама по себе должна была развиваться — от платформ расширенной аналитики с 2014 по 2016 год к платформам обработки данных в 2017 году и к платформам обработки данных и машинного обучения в последнем отчете. выпущен в начале этого года.

Меняющаяся номенклатура связана как с развивающимся определением аналитики, так и с расширением возможностей современных аналитических платформ. Рынок сам по себе постоянно менялся: поставщики, которые традиционно были хедлайнерами в этой серии Magic Quadrant, больше не являются лидерами мнений на рынке платформ для обработки данных и машинного обучения. Теперь совершенно новое поколение решений, в которых используются современные технологии, такие как машинное обучение и искусственный интеллект, прорываются в отдельную новую волну, называемую дополненной аналитикой.

Этот новый расширенный подход может трансформировать аналитику, обеспечивая интеллектуальную автоматизацию по всей цепочке создания стоимости и приближая предприятия на шаг ближе к действительно автономному принятию решений. Он также устраняет некоторые критические пробелы в производительности в существующих подходах к принятию решений на основе аналитики. Например, увеличение объемов данных приводит к экспоненциальному увеличению числа переменных, которые могут повлиять на результат. В таком сценарии для текущих ручных подходов почти невозможно изучить все возможные шаблоны, выявить все значимые корреляции, а затем определить наилучшее возможное действие или результат.

Возьмем, к примеру, актуальную тему, такую ​​как GDPR, которая налагает строгие требования на то, как компании собирают, хранят, обрабатывают и используют данные клиентов, а также на то, как клиенты могут иметь право голоса во всем этом. Ручная обработка создаст сложную, дорогостоящую, а в некоторых случаях даже непрактичную проблему соблюдения требований для каждой компании, работающей с клиентами. Но интеллектуальные технологии автоматизации и самообучения предоставляют мощные, простые в использовании и эффективные решения, которые помогают компаниям справиться с этой задачей.

Решения на основе машинного обучения, такие как платформа поставщика интеллектуального программного обеспечения для автоматизации WorkFusion для соответствия требованиям GDPR, позволяют автоматизировать несколько процессов обработки данных клиентов в различных приложениях и базах данных. Помимо своей способности автоматизировать сложные действия по оценке, эти передовые системы также оснащены когнитивными возможностями для непрерывного обучения на исключениях и эскалациях, возникающих в процессе работы человека.

Расширенная аналитика создает аналогичные возможности во всем стеке аналитики. Согласно одному недавнему отчету, машинное обучение и ИИ уже трансформируют аналитику в таких областях, как подготовка данных, обнаружение, анализ, прогнозирование и предписывающие приложения на основе ИИ. Возможности машинного обучения на платформах расширенной аналитики могут расширить существующие возможности корпоративной науки о данных за счет выявления значимых корреляций и предложения новых комбинаций данных, которые ускоряют предоставление информации в масштабе, высвобождая ценные часы специалистов по данным, чтобы сосредоточиться на более стратегических задачах. проблемы. Интеграция генерации естественного языка (NLG) и обработки естественного языка (NLP) создаст диалоговый интерфейс между нетехническими пользователями и инструментами аналитики, что поможет ускорить внедрение аналитики. Принимая во внимание все обстоятельства, расширенная аналитика может нарушить весь рабочий процесс аналитики, устранив ограничения ручных процессов, расширив доступ к основным бизнес-пользователям и ускорив получение точных сведений.

Согласно текущим прогнозам, расширенная аналитика будет расти в два раза быстрее, чем традиционный рынок, и приносить вдвое большую ценность для бизнеса. Согласно одному отчету, ранние последователи смогли достичь непревзойденной скорости понимания и увеличения конкурентного преимущества. Дополненная аналитика может стать идеальным решением для все большего числа компаний, которые инвестируют в ИИ для получения информации, но еще не достигли с его помощью каких-либо ощутимых бизнес-результатов.