越來越復雜的大數(shù)據(jù)需求意味著創(chuàng)新的壓力仍然很高。許多公司開始明白，客戶的成功離不開數(shù)據(jù)方面的工作。不利用數(shù)據(jù)分析的公司會開始歇業(yè)，而成功的企業(yè)認識到發(fā)展的關鍵是數(shù)據(jù)精煉和預測分析。

本文通過Forrester的數(shù)據(jù)分析，總結了2017年大數(shù)據(jù)產業(yè)的幾大趨勢，與諸君分享。

Forrester的預測數(shù)據(jù)

Forrester在一份最新的報告中說，2020年之前，使用人工智能(AI)，大數(shù)據(jù)和物聯(lián)網(IOT)等技術開展新業(yè)務的企業(yè)，每年將比不使用這些技術的同行多賺1.2萬億美元。

在所有業(yè)務中，2017年人工智能的投資將同比增長300%以上。通過復雜系統(tǒng)的高級分析和機器學習技術得到智能認知，AI將為企業(yè)用戶提供強大的、以前從未有過的洞察。Forrester表示，通過幫助縮小從洞察到行動的差距，AI能夠在營銷，電子商務，產品管理以及其他領域推動用戶做出更快的業(yè)務決策。

人工智能、大數(shù)據(jù)和物聯(lián)網技術的結合將使企業(yè)能夠投資并成功使用它們，以克服數(shù)據(jù)訪問障礙并挖掘有用的信息。在2017年，這些技術將增加業(yè)務的數(shù)據(jù)訪問，擴展可分析的數(shù)據(jù)類型，并最終提高洞察的成熟度。大數(shù)據(jù)技術將趨于成熟，供應商也越來越多地將其與傳統(tǒng)的分析平臺集成，這將有助于將其獲得的廣泛信息納入現(xiàn)有的分析流程中。使用單一架構來實現(xiàn)大數(shù)據(jù)與靈活可操作洞察的融合將變得更加廣泛。

[[176429]]

Forrester預計，可提供物聯(lián)網洞察能力分析的第三方供應商在2017年將翻一翻。這將鼓勵他們的客戶投資更多的網絡設備并挖掘分析其產生的數(shù)據(jù)。例如，F(xiàn)orrester發(fā)現(xiàn)，67%的電信決策者正在考慮或優(yōu)先考慮在2017年開發(fā)物聯(lián)網或M2M(機器/人與機器/人的交互)計劃。

Forrester表示，增加對物聯(lián)網的投資將帶來新型的分析，這反過來也將帶來新的業(yè)務洞察。目前，許多由邊緣設備(如手機，可穿戴設備或汽車)產生的數(shù)據(jù)被直接丟棄。而實際上，這些數(shù)據(jù)可以被當作“不成熟的數(shù)據(jù)”并進行分析實踐，這導致很多企業(yè)浪費了這些洞察的機會。

在2016年，不到50%的數(shù)據(jù)分析決策者采用了位置分析。Forrester預計，到2017年底，采用位置分析的企業(yè)將增長到三分之二以上。

2017年將出現(xiàn)的三大可喜現(xiàn)象

由于客戶正是通過產品和服務來與所處的世界進行聯(lián)系，因此，新型分析產生的新洞察將使企業(yè)更好地優(yōu)化其客戶體驗。Forrester看到了很多令人歡欣鼓舞的跡象，越來越多的公司制訂了用于消除客戶信息壁壘的投資計劃，這將使他們能夠更好地協(xié)調和提高整個企業(yè)的洞察力。具體來說，F(xiàn)orrester表示在2017年將看到以下三個可喜現(xiàn)象：

1、首席數(shù)據(jù)官(CDO)職位將成為常態(tài)化

到2017年，首席數(shù)據(jù)官(CDO)職位將成為常態(tài)化，而在2016年，大概只有46%的公司設立了CDO職位。但是要真正成為一家洞察驅動型企業(yè)，企業(yè)必須由首席信息官(CIO)和首席營銷官(CMO)，甚至CEO負責部分數(shù)據(jù)業(yè)務，以便根據(jù)數(shù)據(jù)驅動洞察的結果迅速推動業(yè)務行動。

2、客戶數(shù)據(jù)管理項目將增加75%

2016年，39%的企業(yè)首次實施了大數(shù)據(jù)計劃，通過跨渠道跟蹤，了解并熟知用戶的使用習慣，洞察用戶的深入需求，從而為用戶提供定制化的服務。還有近三分之一的企業(yè)表示計劃在未來十二個月內采用大數(shù)據(jù)技術提供解決方案。

3、采用洞察力驅動的企業(yè)將顯著增加

Forrester預計，隨著企業(yè)在2017年實現(xiàn)數(shù)字化轉型，在企業(yè)范圍內采用洞察力驅動的實踐將顯著增加。率先采用客戶智能實踐和戰(zhàn)略的企業(yè)將成為業(yè)務轉型的典范。長期來說，基于人工智能的服務和應用最終會改變大多數(shù)行業(yè)并重新分配勞動力。

2017年，塑造大數(shù)據(jù)行業(yè)的五大趨勢

[[176430]]

1.物聯(lián)網(IoT)

公司日益期望從所有數(shù)據(jù)中獲得價值，企業(yè)組織將不得不改動技術，以便與物聯(lián)網數(shù)據(jù)銜接起來。這在數(shù)據(jù)治理、標準、健康保障、安全和供應鏈等方面帶來了無數(shù)新的挑戰(zhàn)和機遇。

物聯(lián)網和大數(shù)據(jù)是同一枚硬幣的兩面，數(shù)十億與互聯(lián)網連接的“物件”將生產大量數(shù)據(jù)。然而，這本身不會引發(fā)另一場工業(yè)革命，不會改變日常的數(shù)字化生活，也不會提供拯救地球的預警系統(tǒng)。來自設備外部的數(shù)據(jù)才是企業(yè)讓自己與眾不同的方面，結合上下文來捕獲和分析這種類型的數(shù)據(jù)為公司帶來了新的發(fā)展前途。

2.深度學習

深度學習主要用于從大量未標記/未監(jiān)督的數(shù)據(jù)當中學習，因而對于從大數(shù)據(jù)中提取有意義的標識和模式頗具吸引力。比如說，它可以用來識別許多不同類型的數(shù)據(jù)，比如視頻中的形狀、顏色和對象，或者甚至是圖像中的貓，就像谷歌研制的一個神經網絡在2012年所做的那樣。因此，企業(yè)可能會看到更多的注意力投向半監(jiān)督式或未監(jiān)督式訓練算法來處理進入的大量數(shù)據(jù)。

3.內存中分析

不像常規(guī)的商業(yè)智能(BI)軟件對存儲在服務器硬盤上的數(shù)據(jù)運行查詢，內存中技術查詢的是載入到內存中的信息，這可以通過減少或甚至消除磁盤輸入/輸出瓶頸來顯著提升分析性能。就大數(shù)據(jù)而言，正是由于TB級系統(tǒng)和大規(guī)模并行處理，讓內存中分析技術更令人關注。

在現(xiàn)階段，大數(shù)據(jù)分析的核心其實是發(fā)現(xiàn)數(shù)據(jù)。要是沒有毫秒級延遲，面對數(shù)百萬次/數(shù)十億次的迭代，運行迭代以查找數(shù)據(jù)點之間的關聯(lián)就不會成為現(xiàn)實。在內存中處理的速度比磁盤上處理要快三個數(shù)量級。

4.云計算

混合云和公共云服務越來越受歡迎。大數(shù)據(jù)成功的關鍵是在彈性基礎設施上運行(Hadoop)平臺。我們會看到數(shù)據(jù)存儲和分析趨于融合，帶來新的更智能的存儲系統(tǒng)，它們將經過優(yōu)化，用于存儲、管理和排序龐大的PB級數(shù)據(jù)集。展望未來，我們可以預計會看到基于云的大數(shù)據(jù)生態(tài)系統(tǒng)將繼續(xù)迎來發(fā)展，不僅僅局限于“早期采用者”。

5.Apache Spark

Apache Spark在點亮大數(shù)據(jù)。流行的Apache Spark項目提供了Spark Streaming技術，通過主要采用一種在內存中微批量處理的方法，近實時地處理數(shù)據(jù)流。它已從Hadoop生態(tài)系統(tǒng)的一部分，變成許多企業(yè)青睞的一種大數(shù)據(jù)平臺。