2017年大數據分析領域的六大發展趨勢

2016年，在政府的大力倡導和企業大力發展的雙重推進下，大數據的業務版圖不斷擴大，愈來愈多的公司開始部署大數據戰略，而且不少公司在大數據業務中的獲利頗豐。2017年大數據將是怎樣的發展趨勢呢，而大數據中最核心的分析領域又將是怎樣的發展趨勢？OpenFEA通過調研及梳理，大膽預測2017年大數據分析領域的六大發展趨勢：

1、分析工具的競爭將加重

隨着數據量的不斷增加，數據分析方法也將進一步提升。雖然SQL依然是數據分析的標準方法，可是數據計算框架如Spark的發展仍然勢不可擋。但Spark做爲計算框架，在小數據、中型數據及流數據方面的分析處理有所不足，且應用複雜，這勢必爲更多的新興分析工具創造了發展機遇，2017年像FEA之類的新型分析工具，因其操做簡單，對用戶沒有任何編碼知識要求而將發展迅速。

2、對實時分析的需求變的強烈而急迫

技術專家預測，2017年不少企業因須要利用數據進行實時決策，對數據處理的性能要求更高，離線分析的應用將放緩，而實時性計算的應用需求將增長，對海量數據的分析處理，響應時間要求爲秒級。目前有幾款數據分析工具能夠提供實時訪問，如Google Analytics和Clicky。而FEA在實時分析方面也將大放異彩。

3、機器學習算法愈來愈重要

Gartner指出，機器學習是2017年十大戰略技術趨勢之一。當今最早進的機器學習和人工智能系統正在超越傳統的基於規則的算法，建立出可以理解、學習、預測、適應，甚至能夠自主操做的系統。而在分析領域，要不斷提升分析能力，必將大力研究與支持更多的機器學習算法。

4、預測分析業務激增

在早期大數據分析中，企業經過審查他們的數據來發現過去發生了什麼，後來他們開始使用分析工具來調查這些事情發生的緣由。預測分析則更進一步，使用大數據分析預測將來會發生什麼。普華永道（PwC）2016年調查顯示，目前僅有29％的公司使用預測分析技術，這個數量並很少。隨着企業愈來愈意識到預測分析工具的強大功能，這一數字在將來幾年可能會出現激增。

5、內存計算在分析領域的應用更廣泛

在傳統技術中，數據存儲在配備硬盤驅動器或固態硬盤(SSD)的存儲系統中，而加載時，要先從硬盤將數據讀出然後再加載到內存，這一處理機制，極大制約了響應時間，必將被淘汰。而內存技術將數據存儲在內存中，這大大提升了數據處理速度。弗雷斯特研究公司的一份報告預測，內存數據架構每一年會增加29.2%。而FEA也是基於內存計算的大數據分析工具，且通過一年多的發展在這塊的技術已至關成熟。

6、數據分析師的就業面擴大 

毫無疑問，大數據分析技術的發展，意味着擁有大數據技能的人才需求旺盛，薪水優厚。據IDC稱：「光在美國，2018年會有181,000個深度分析崗位，是須要數據管理和解讀相關技能的崗位數量的五倍。」因爲人才緊缺，Robert Half Technology公司預測，2017年數據科學家的平均薪資將提升6.5%，年薪在116000美圓至163500美圓。一樣，明年大數據工程師的薪資也將提升5.8%，年薪在135000美圓至196000美圓。

另外一方面，因爲聘請大數據專家的成本上升，許多企業將培養本身的大數據分析師，或鼓勵行業專家朝分析師的方向轉型，並尋求更適合自身業務的大數據分析工具。