Ci sono sempre più dati da analizzare e questo è allo stesso tempo un problema e una opportunità. Un problema perché per analizzare una quantità prima inimmaginabile di dati ci vogliono
soluzioni di analytics davvero nuove, una
opportunità perché questi dati aprono la strada ad applicazioni altrettanto inimmaginabili, in primo luogo quelle basate sui vari aspetti della intelligenza artificiale. È l'opinione degli analisti di
Gartner, che hanno anche evidenziato le direttrici principali che muoveranno il settore degli analytics nel prossimo futuro.
Dato lo stretto collegamento tra analytics e
intelligenza artificiale, è logico che alcuni trend del 2019 riguardino appunto la quasi-fusione dei due ambiti. È quello che Gartner chiama
Augmented Analytics: l'utilizzo di tecniche di machine learning e AI per migliorare il modo in cui le analisi di grandi quantità di dati sono condotte e in cui i risultati sono condivisi. Machine learning e AI sono coinvolti anche a livello più basso, nel cosiddetto
Augmented Data Management: usare tecnologie cognitive per gestire meglio e in maniera automatica processi come la gestione dei metadati, l'integrazione delle sorgenti dati o la data quality.
Un altro trend di sviluppo vede i sistemi di analytics operare
sempre più in tempo reale e sempre più integrati con i processi di business, in una evoluzione che Gartner chiama
Continuous Intelligence e che entro il 2022 toccherà oltre la metà dei nuovi sistemi. Questa evoluzione, come anche altre già note, mette in primo piano la questione della
"spiegabilità" dei processi analitici. Le aziende sono cioè sempre meno disposte a fidarsi di algoritmi di machine learning che operano come scatole chiuse, la risposta è lo sviluppo della
Explainable AI, in grado di spiegare i parametri su cui si basano i modelli di AI nel loro funzionamento.
È un passo importante, anche perché entro il 2022 Gartner prevede il predominio della cosiddetta
Commercial AI: il 75 per cento delle nuove soluzioni per gli utenti finali saranno basate su
piattaforme di AI commerciali e non direttamente su componenti open source. L'open source resta un elemento fondante dell'AI ma più nascosto, come componente delle soluzioni proprietarie.
Altri trend evidenziati dagli analisti di Gartner sono più tecnici, tra cui ad esempio la diffusione delle tecnologie di
persistent memory come "giusto mezzo" per mettere a disposizione dei sistemi di analytics grandi quantità di dati
con una bassissima latenza. C'è poi la crescita molto rapida (del 100 per cento l'anno sino a tutto il 2022) delle soluzioni di
Graph Analytics, per l'esplorazione delle relazioni tra entità attraverso grafi. Questo porterà anche alla progettazione di basi dati ottimizzate per questa analisi, che sinora non sono state molto sviluppate per mancanza di competenze.
Altre componenti delle piattaforme di analytics che evolveranno sensibilmente da qui al 2022 sono legate al concetto di
Data Fabric, per uno
scambio di dati sempre più semplice in ambienti distribuiti, con un framework di gestione unico e coerente. Cambiano anche le interfacce con la diffusione della
Conversational Analytics, in grado di gestire le query attraverso l'interpretazione del linguaggio naturale. Non poteva ovviamente mancare uno spazio per la tecnologia
blockchain, intesa in campo analytics come base per lo scambio di dati in sistemi distribuiti.