2017年大數(shù)據(jù)及分析市場(chǎng)的15項(xiàng)趨勢(shì)預(yù)測(cè)

---

社交、移動(dòng)和云、分析以及相關(guān)的數(shù)據(jù)技術(shù)已經(jīng)在數(shù)字時(shí)代贏得一席之地。2016年我們看到不斷給商業(yè)智能注入活力。2017年則是數(shù)據(jù)和分析的沉淀階段。

John Schroeder, MapR科技(MapR Technologies)的執(zhí)行主席和創(chuàng)始人預(yù)測(cè)了他對(duì)2017年數(shù)據(jù)及分析方面的六大趨勢(shì)

人工智能(AI)將再度盛行

早在60年代，Ray Solomonoff 奠定了的數(shù)學(xué)理論基礎(chǔ)，引入通用貝葉斯原理(Bayesian)來(lái)歸納推理和預(yù)測(cè)。1980年，美國(guó)人工智能協(xié)會(huì)(American Association for Artificial Intelligence，AAAI)的第一次全國(guó)會(huì)議在斯坦福大學(xué)召開(kāi)，其標(biāo)志著在軟件中理論應(yīng)用的開(kāi)始。Schroeder認(rèn)為AI如今和一些熱詞如機(jī)器智能、機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)和認(rèn)知計(jì)算等一樣，已經(jīng)回歸到主流探討。為何AI重返潮流，他指出定義大數(shù)據(jù)常用的“三V”特性：速度(Velocity),多樣性(Variety)和海量(Volume)。他認(rèn)為各平臺(tái)可以將大數(shù)據(jù)的“三V”特性以現(xiàn)代和傳統(tǒng)的混合式處理模型來(lái)處理，這將比傳統(tǒng)平臺(tái)提高10-20倍的成本效率。谷歌記錄了簡(jiǎn)單算法對(duì)大型數(shù)據(jù)集進(jìn)行高速運(yùn)行比對(duì)小數(shù)據(jù)集應(yīng)用有更好的結(jié)果。Schroeder認(rèn)為我們將會(huì)目睹，對(duì)于高體量重復(fù)性任務(wù)來(lái)說(shuō)，和人工知覺(jué)相比，應(yīng)用AI可獲取更有效的一致性，從而避免人為錯(cuò)誤，產(chǎn)生最高價(jià)值。

或競(jìng)爭(zhēng)優(yōu)勢(shì)

Schroeder認(rèn)為2017年數(shù)據(jù)治理和數(shù)據(jù)價(jià)值之爭(zhēng)將點(diǎn)燃。企業(yè)擁有大量客戶以及合作伙伴信息。領(lǐng)先的企業(yè)將把他們的數(shù)據(jù)分類成“規(guī)范使用案例”和“非規(guī)范使用案例”兩個(gè)類別來(lái)應(yīng)用。規(guī)范使用案例數(shù)據(jù)需要治理;數(shù)據(jù)質(zhì)量和線性關(guān)系使其可以產(chǎn)生報(bào)表，并且跟蹤數(shù)據(jù)進(jìn)行各種轉(zhuǎn)化及追溯來(lái)源。Schroeder認(rèn)為這非常必要甚至可強(qiáng)制執(zhí)行，但可能對(duì)非規(guī)范使用案例作用有限，例如客戶360或者當(dāng)需要通過(guò)進(jìn)行高行選擇數(shù)處理、滿足實(shí)時(shí)需求和處理結(jié)構(gòu)化及非結(jié)構(gòu)化的混合數(shù)據(jù)來(lái)產(chǎn)生有效結(jié)果時(shí)，會(huì)受到限制。

公司將關(guān)注業(yè)務(wù)驅(qū)動(dòng)型應(yīng)用，避免數(shù)據(jù)湖陷入困境

Schroeder表示在2017年，企業(yè)機(jī)構(gòu)將從“構(gòu)建未來(lái)”的數(shù)據(jù)湖應(yīng)用轉(zhuǎn)向業(yè)務(wù)驅(qū)動(dòng)型數(shù)據(jù)應(yīng)用。當(dāng)今世界需要分析和操作能力去觸及客戶、處理索賠并且連接到個(gè)體的不同設(shè)備。舉例而言，任何商業(yè)網(wǎng)站需要提供實(shí)時(shí)的個(gè)性化推薦和價(jià)格查詢。醫(yī)療健康型企業(yè)必須處理有效的索賠并且運(yùn)用分析運(yùn)營(yíng)系統(tǒng)來(lái)防止索賠欺詐。媒體公司需要通過(guò)機(jī)頂盒提供個(gè)性化的內(nèi)容。汽車制造商和汽車共享公司則要交互運(yùn)營(yíng)其車輛和司機(jī)。這些案例的實(shí)施交付均需要由一個(gè)敏捷平臺(tái)來(lái)實(shí)現(xiàn)，同時(shí)提供分析和運(yùn)營(yíng)的處理，跨越后臺(tái)分析和前臺(tái)運(yùn)營(yíng)進(jìn)行整合，提升了商業(yè)價(jià)值。Schroeder認(rèn)為2017年企業(yè)機(jī)構(gòu)將大舉推動(dòng)“提問(wèn)題”型處理和架構(gòu)及更多實(shí)際應(yīng)用來(lái)驅(qū)動(dòng)長(zhǎng)期商業(yè)價(jià)值

數(shù)據(jù)敏捷性決定勝負(fù)

Schroeder認(rèn)為自DevOps提供可連續(xù)性交付實(shí)施以來(lái)，軟件發(fā)展逐漸導(dǎo)向敏捷性。2017年，處理和分析模型將進(jìn)化到一個(gè)類似的敏捷度層面，因?yàn)槠髽I(yè)認(rèn)識(shí)到競(jìng)爭(zhēng)優(yōu)勢(shì)的來(lái)源并非簡(jiǎn)單依靠大數(shù)據(jù)湖本身，而是數(shù)據(jù)敏捷性，以及其在不同場(chǎng)景對(duì)數(shù)據(jù)的理解能力和如何采取商業(yè)行動(dòng)。敏捷處理模型的出現(xiàn)將使同樣的數(shù)據(jù)可以支持批量分析、互動(dòng)分析、全球信息、數(shù)據(jù)庫(kù)和基于文件的模型。越來(lái)越多的敏捷分析模型也可以讓單一數(shù)據(jù)支持更廣泛的工具。最終結(jié)果就是產(chǎn)生可以支持最大范疇的處理和分析模型的敏捷發(fā)展和應(yīng)用平臺(tái)。

區(qū)塊鏈變革金融服務(wù)應(yīng)用

Schroeder認(rèn)為2017年數(shù)據(jù)存儲(chǔ)和交易處理的方式將令金融服務(wù)的選擇和轉(zhuǎn)換融合更廣泛地應(yīng)用。區(qū)塊鏈提供了一個(gè)全球分布式總賬，這將改變數(shù)據(jù)存儲(chǔ)和交易的處理方式。區(qū)塊鏈運(yùn)行于全球分布的計(jì)算機(jī)上，并可以被任何人查看。每個(gè)數(shù)據(jù)區(qū)塊按照時(shí)間順序相連，在不同區(qū)塊儲(chǔ)存的交易以時(shí)間戳界定儲(chǔ)存數(shù)據(jù)而不可纂改。黑客也認(rèn)為區(qū)塊鏈理論上無(wú)法攻克。區(qū)塊鏈為消費(fèi)者提供了顯而易見(jiàn)的效率。舉例來(lái)講，消費(fèi)者不用等待SWIFT交易或者擔(dān)心中央數(shù)據(jù)中心泄露而產(chǎn)生影響。對(duì)企業(yè)來(lái)說(shuō)，區(qū)塊鏈代表節(jié)約成本以及極具競(jìng)爭(zhēng)優(yōu)勢(shì)。

機(jī)器學(xué)習(xí)最大化微服務(wù)影響

今年我們將看到機(jī)器學(xué)習(xí)和微服務(wù)的整合所帶來(lái)的活動(dòng)增量。微服務(wù)部署將專注于輕量服務(wù)，其結(jié)合受限于“快數(shù)據(jù)”集成的機(jī)器學(xué)習(xí)，將應(yīng)用于窄頻流媒體數(shù)據(jù)。2017年我們將看到很多狀態(tài)應(yīng)用發(fā)展轉(zhuǎn)向以大數(shù)據(jù)結(jié)合機(jī)器學(xué)習(xí)的方式來(lái)處理大量歷史數(shù)據(jù)，從而更佳理解新增流數(shù)據(jù)的場(chǎng)景。

Hadoop服務(wù)解決方案廠商Hortonworks預(yù)測(cè)

智能網(wǎng)絡(luò)引領(lǐng)數(shù)據(jù)云攀升

感謝萬(wàn)物互聯(lián)或全聯(lián)網(wǎng)(Internet of Anything ，IoAT)的持續(xù)發(fā)展和機(jī)器端到機(jī)器端的連接性，數(shù)據(jù)孤島將被數(shù)據(jù)云所替代。

實(shí)時(shí)機(jī)器學(xué)習(xí)和分析蓄勢(shì)待發(fā)

智能設(shè)備將整合和分析一切。現(xiàn)代分布式數(shù)據(jù)應(yīng)用中的實(shí)時(shí)機(jī)器學(xué)習(xí)算法將開(kāi)始發(fā)揮所長(zhǎng)-算法宣告了“端到端”實(shí)時(shí)決策的實(shí)現(xiàn)

更前瞻性的分析：從延時(shí)處理到實(shí)時(shí)分析到提前分析并采取行動(dòng)

我們將看到一個(gè)從延時(shí)處理到實(shí)時(shí)分析到前瞻分析的演進(jìn)過(guò)程，其驅(qū)動(dòng)著各類交易而不是僅僅修訂或者優(yōu)化它們。這將帶來(lái)變革性的影響，以數(shù)據(jù)為中心的商業(yè)能力將會(huì)迎來(lái)新的營(yíng)收流、節(jié)約成本和改善與客戶的親密度。

無(wú)處不在的現(xiàn)代數(shù)據(jù)連接

對(duì)于那些以數(shù)據(jù)致勝的企業(yè)來(lái)說(shuō)，應(yīng)用和數(shù)據(jù)需要連接到同一個(gè)平臺(tái)或者架構(gòu)，這是2017年現(xiàn)代數(shù)據(jù)應(yīng)用的基石。現(xiàn)代數(shù)據(jù)應(yīng)用非常便攜、集成性高以及互聯(lián)。他們將迅速取代那些垂直整合的獨(dú)立軟件。

數(shù)據(jù)將成為每個(gè)人的產(chǎn)出

數(shù)據(jù)將成為可以購(gòu)買、銷售或者損失的價(jià)值產(chǎn)品。屆時(shí)將有很多新途徑、新商業(yè)模式和新公司將觀望如何價(jià)值化這些資產(chǎn)。

開(kāi)發(fā)和支持開(kāi)源Apache Cassandra非線性數(shù)據(jù)庫(kù)商業(yè)版的公司DataStax預(yù)測(cè)：

數(shù)據(jù)工程師的適時(shí)出現(xiàn)

“數(shù)據(jù)科學(xué)家”這個(gè)術(shù)語(yǔ)將不再流行，而被“數(shù)據(jù)工程師”取代。數(shù)據(jù)科學(xué)家專注于數(shù)據(jù)科學(xué)的應(yīng)用以及對(duì)關(guān)鍵業(yè)務(wù)問(wèn)題的分析結(jié)果。數(shù)據(jù)工程師則是設(shè)計(jì)、構(gòu)建以及管理大數(shù)據(jù)基礎(chǔ)架構(gòu)，他們側(cè)重在架構(gòu)和保證系統(tǒng)執(zhí)行。

安全：物聯(lián)網(wǎng)發(fā)展導(dǎo)致模糊地帶

現(xiàn)今物聯(lián)網(wǎng)發(fā)展很大程度上有些失控。因?yàn)槿狈?biāo)準(zhǔn)和數(shù)據(jù)的爆炸，誰(shuí)來(lái)對(duì)安全負(fù)責(zé)并不是很明晰。最大的風(fēng)險(xiǎn)來(lái)自于互聯(lián)網(wǎng)服務(wù)提供商(ISP)，這也是為什么過(guò)去一年中主要是他們?cè)诎踩I(lǐng)域進(jìn)行探討。

企業(yè)級(jí)云應(yīng)用導(dǎo)致混合云致勝

很多已有平臺(tái)上建立了數(shù)據(jù)庫(kù)的大型企業(yè)寧愿放棄也不愿交換其數(shù)據(jù)庫(kù)。混合數(shù)據(jù)架構(gòu)可以涵括已有數(shù)據(jù)庫(kù)，同時(shí)允許企業(yè)同時(shí)利用云應(yīng)用，這將成為這些企業(yè)的主要關(guān)注點(diǎn)。

去服務(wù)器架構(gòu)解除緊關(guān)連

DataStax認(rèn)為依靠第三方云應(yīng)用或者云服務(wù)來(lái)管理服務(wù)器端的邏輯和狀態(tài)，或者說(shuō)來(lái)運(yùn)行在事件驅(qū)動(dòng)的無(wú)狀態(tài)計(jì)算容器，這種去服務(wù)器架構(gòu)將變得更為廣泛。對(duì)去服務(wù)器架構(gòu)的采納將對(duì)應(yīng)用如何部署以及管理產(chǎn)生更為廣泛的影響。

詳情請(qǐng)咨詢！

客服熱線：023-66090381