2017年，大数据发展的二十个新趋势

　　伴随着互联网的深度发展，巨大信息流背后产生的海量数据已成为亟待挖掘的宝藏。2016即将结束，人们已经在期望新一年的大数据会带来哪些新的变化。下面，我们一起来看看2017年大数据发展的二十个新趋势。

　　“大数据”不再只是一个流行词。弗雷斯特研究公司的研究人员发现，“2016年，近40%的公司在实施大数据技术，并且扩大了采用力度。另有30%的公司计划在未来12个月内采用大数据技术。”

　　类似的，NewVantage Partners的《2016年大数据高管调查》发现，如今62.5%的公司在生产环境中至少有一个大数据项目，只有5.4%的企业组织没有计划或开展大数据项目。

　　研究人员表示，采用大数据技术的势头不太可能很快就减慢。IDC主管分析和信息管理的集团副总裁丹·维塞特(Dan Vesset)说：“出现的大量数据、新一代技术，以及数据驱动型决策的文化转变，这些因素继续促使市场需要大数据和分析技术及服务。预计该市场会以11.7%的复合年增长率继续增长，一直持续到2020年。”

　　虽然大数据市场在增长，但企业组织将如何使用大数据仍不大明朗。新的大数据技术在进入市场，而一些旧技术的使用也在继续增长。

　　1

　　数据量将持续增长

　　数据量的不断增加意味着通过数据的快速分析获取宝贵的市场洞察已经成为大数据业务运营的关键环节。机构和企业组织必须将其内部未被利用的每一字节的大数据，也就是我们所谓的“黑暗数据”(dark data)加以合理化的整合并转化成可以利用的数据资源。

　　如果大数据还没有为你的企业带来可供战略参考用的新见解，那么在2017年记得为你所在的企业提出有关大数据的创新计划，只有这样才能提升企业的竞争优势。

　　2

　　利用大数据提升客户体验

　　对于企业的并购，可以将遗留下来的数据资源转交到分包商系统，这种大数据的使用方式除了可以改进消费者体验之外，还可以升级核心系统。

　　让消费者使用灵活性的自助服务方式可以让大数据分析为企业快速掌握市场发展的主导趋势，还可以为客户需求增长机遇带来更多有竞争力的市场洞察。

　　利用大数据更深入的了解客户需求可以让搭配销售或者促销活动提高企业的一线财政收入水平，同时还可以免除因客户流失所导致的业绩缩水风险。

　　3

　　Hadoop的应用领域将更加广泛

　　将会有越来越多的企业选择采用Hadoop和其他类型的大数据存贮架构，相应的，分包商们也将为业主提供更加有创新功能的Hadoop解决方案。

　　当Hadoop架构占据有利地位时，企业使用高级分析方法所处理大量数据可以为盈利决策找到宝贵信息的金矿。

　　4

　　预测分析将崭露头角

　　精准地预测未来可能发生的行为和事件可以提高企业的利润。为降低企业收入风险暴露所使用的欺诈行为快速鉴别和预判技术将会迎来质的飞跃，同时企业运营的卓越性将进一步得到改进。

　　5

　　基于云的数据分析将获得更多关注

　　将数据分析业务迁移到云端可以加速企业采用最新的技术能力，并实现数据资源到行动计划的快速转变。数据分析业务转移到云端之后，企业的运营和技术维护成本也将削减不少。

　　6

　　向信息学领域进军并注重数据价值的界定

　　新的一年，使用信息学助推复杂数据收集、分析与可视化技术的整合可以从数据资源中推导出企业所需的收益来源。从未被充分利用的数据当中提取资源可以提高企业运营绩效。

　　7

　　数据可视化将放大商业智能的作用与优势

　　数据可视化技术让隐藏在大数据资源背后的真相呈现在众人面前。无论数据怎样形成，无论数据资源在哪里，图形数据可视化可以让企业组织在业务繁忙的同时对数据进行检索与处理。

　　8

　　物联网、云技术、大数据和网络安全深层融合

　　数据管理技术，比如说数据质量控制、数据准备、数据分析以及数据整合等方面的融合程度将在新的一年当中达到新的高度。当我们对智能设备的依赖程度增加时，互通性以及机器学习将会成为保护资产免遭网络安全危害的重要手段。

　　9

　　提升数字渠道优化与多渠道体验

　　以客户偏好的渠道与其保持有效接触可以让企业在传统渠道与数字渠道之间找到最佳平衡点。通过不同渠道不断寻求创新手段提高客户体验度可以带来企业的竞争优势。

　　

　　10

　　数据准备和分析的自助式服务将提高效率

　　无论企业数据类型属于结构化、半结构化还是非结构化，自助服务式的数据预备工具可以加速企业数据准备的时间。使用自助式数据技术可以降低企业对开发团队的依赖程度，从而更重视用户的使用感受，同时企业的运营效率也可以提升。

　　11

　　开源

　　Apache Hadoop和Spark等其他开源应用软件已逐渐主导大数据领域，这个趋势看起来可能会保持下去。一项调查发现，到今年年底，近60%的企业预计会在生产环境中运行Hadoop集群。而据弗雷斯特公司声称，Hadoop的使用量以每年32.9%的速度增长。

　　研究者们表示，2017年，许多企业会加大使用Hadoop和NoSQL技术的力度，并想方设法加快大数据处理速度。许多企业会寻求让自己得以实时访问和响应数据的技术。

　　

　　12

　　内存技术

　　许多公司在调查研究，试图加快大数据处理速度的一项技术就是内存技术。

　　在传统数据库中，数据存储在配备硬盘驱动器或固态硬盘(SSD)的存储系统中。内存技术改而将数据存储在内存中，这大大提高了数据处理速度。弗雷斯特研究公司的一份报告预测，内存数据架构每年会增长29.2%。

　　几家厂商提供内存数据库技术，尤其是SAP、IBM和Pivotal。

　　

　　13

　　机器学习

　　随着大数据分析能力不断增强，一些企业已开始投入于机器学习。机器学习是人工智能的一个分支，专注于让计算机可以在没有明确编程的情况下学习新事物。换句话说，它分析现有的大数据存储系统，从而得出可能改变应用程序运行方式的结论。

　　据Gartner声称，机器学习是2017年的十大战略技术趋势之一。它特别指出，如今最先进的机器学习和人工智能系统正在超越“基于规则的传统算法，构建能够理解、学习、预测、适应，甚至自主操作的系统。”

　　

　　14

　　预测分析

　　预测分析与机器学习密切相关。实际上，机器学习系统常常为预测分析软件提供引擎。在大数据分析的早期阶段，企业组织回顾数据、查看过去发生了什么，然后开始使用分析工具来调查那些事情为何发生。而预测分析更进了一步，它使用大数据分析工具来预测将来会发生什么。

　　据普华永道在2016年的一项调查显示，如今使用预测分析技术的企业组织数量少得惊人，只有29%。然而，无数厂商最近推出了预测分析工具，随着公司越来越意识到这种功能强大的工具，这个数字在未来几年可能会急剧提高。

　　15

　　智能应用程序

　　企业使用机器学习和人工智能技术的另一种方式就是构建智能应用程序。这种应用程序常常结合大数据分析技术，分析用户以前的行为，以便提供个性化和更好的服务。大家已经非常熟悉的一个例子就是，现在支持许多电子商务和娱乐应用程序的推荐引擎。

　　Gartner在2017年的十大战略技术趋势中，将智能应用程序列在第二位。Gartner副总裁兼研究员大卫·凯洛莱(David Cearley)说：“在今后十年，几乎每个应用、应用程序和服务都会结合某种级别的人工智能。这会成为一种长期趋势，不断演变，并不断扩大人工智能和机器学习在应用程序和服务的应用范围。”

　　16

　　智能安全

　　许多企业还将大数据分析技术纳入到安全战略中。企业组织的安全日志数据提供了以往网络攻击方面的宝贵信息，企业可以利用这些信息来预测、预防和缓解未来的攻击企图。因而，一些企业组织将安全信息和事件管理(SIEM)软件与Hadoop等大数据平台整合起来。另一些企业求助于提供的产品整合大数据分析功能的安全厂商。

　　17

　　物联网

　　物联网也可能对大数据产生相当大的影响。据IDC在2016年9月的一份报告声称，“31.4%的受访公司已启动了物联网解决方案，另有43%期望在今后12个月部署这类解决方案。”

　　随着所有那些新设备和应用程序纷纷上网，企业组织会遇到比过去还要疯狂的数据增长势头。许多企业需要新的技术和系统，以便能够处理和解读来自部署的物联网的潮水般的大数据。

　　18

　　边缘计算

　　边缘计算是一种可以帮助公司处理物联网大数据的新技术。在边缘计算中，大数据分析非常靠近物联网设备和传感器来进行，而不是在数据中心或云端来进行。对企业来说，这带来了一些显著的好处。在网络上传输的数据比较少，这可以改善性能，并节省云计算成本。它让企业组织得以删除只在有限的时间内有价值的物联网数据，从而降低存储和基础设施成本。边缘计算还可以加快分析过程，让决策者得以在获得洞察力后比以前更迅速地采取行动。

　　

　　19

　　高薪

　　对IT工人来说，大数据分析技术的发展可能意味着拥有大数据技能的人才方面需求旺盛，薪水优厚。据IDC称：“光在美国，2018年会有181,000个深度分析岗位，是需要数据管理和解读相关技能的岗位数量的五倍。”

　　由于人才紧缺，Robert Half Technology公司预测，2017年数据科学家的平均薪资将提高6.5%，年薪在116000美元至163500美元。同样，明年大数据工程师的薪资也将提高5.8%，年薪在135000美元至196000美元。

　　

　　20

　　自助服务

　　由于聘请大数据专家的成本上升，许多企业可能寻求让普通专业人员可以满足自己的大数据分析要求的工具。IDC之前预测“可视化数据发现工具的增长速度将比商业智能(BI)市场的其余工具快2.5倍。到2018年，投入于支持最终用户自助服务的这种工具将成为所有企业的要求。”

　　几家厂商已经发布了拥有“自助服务”功能的大数据分析工具，专家预计这个趋势会持续到2017年及之后。由于大数据分析变得更加融入到公司所有部门的工作人员的工作方式之中，IT部门可能不太参与到这个过程。