2017年大數據的十大發展趨勢

專家預計，機器學習、預測分析、物聯網和邊緣計算將對2017年及之後的大數據項目產生深遠影響。

1.開放源碼

Apache Hadoop、Spark等開源應用程序已經在大數據領域佔據了主導地位。一項調查發現，預計到今年年末，近60％企業的Hadoop集羣將投入生產。佛瑞斯特的研究顯示，Hadoop的使用率正以每一年32.9％的速度增加。

專家表示，2017年許多企業將繼續擴大他們的Hadoop和NoSQL技術應用，並尋找方法來提升處理大數據的速度。

2.內存技術

不少公司正試圖加速大數據處理過程，它們採用的一項技術就是內存技術。在傳統數據庫中，數據存儲在配備有硬盤驅動器或固態驅動器（SSD）的存儲系統中。而現代內存技術將數據存儲在RAM中，這樣大大提升了數據存儲的速度。佛瑞斯特研究的報告中預測，內存數據架構每一年將增加29.2％。

目前，有不少企業提供內存數據庫技術，最著名的有SAP、IBM和Pivotal。

3.機器學習

隨着大數據分析能力的不斷提升，不少企業開始投資機器學習（ML）。機器學習是人工智能的一項分支，容許計算機在沒有明確編碼的狀況下學習新事物。換句話說，就是分析大數據以得出結論。

高德納諮詢公司（Gartner）稱，機器學習是2017年十大戰略技術趨勢之一。它指出，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。

4.預測分析

預測分析與機器學習密切相關，事實上ML系統一般爲預測分析軟件提供動力。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，目前僅爲29％的公司使用預測分析技術，這個數量並很少。同時，許多供應商最近都推出了預測分析工具。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.智能app

企業使用機器學習和AI技術的另外一種方式是建立智能應用程序。這些應用程序採用大數據分析技術來分析用戶過往的行爲，爲用戶提供個性化的服務。推薦引擎就是一個你們很是熟悉的例子。

在2017年十大戰略技術趨勢列表中，高德納公司把智能應用列在了第二位。高德納公司副總裁大衛·希爾裏（David Cearley）說：「將來10年，幾乎每一個app，每一個應用程序和服務都將必定程度上應用AI。

6.智能安保

隨着這些新設備和應用程序上線，許多公司須要新的技術和系統，纔可以處理和感知來自物聯網的大量數據。

許多企業也將大數據分析歸入安全戰略。企業的安全日誌數據提供了以往未遂的網絡攻擊信息，企業能夠利用這些數據來預測並防止將來可能發生的攻擊，以減小攻擊形成的損失。一些公司正將其安全信息和事件管理軟件（SIEM）與大數據平臺（如Hadoop）結合起來。還有一些公司選擇向可以提供大數據分析能力產品的公司求助。

7.物聯網

物聯網也可能對大數據產生至關大的影響。根據IDC 2016年9月的報告，「31.4％的受訪公司推出了物聯網解決方案，另有43％但願在將來12個月內部署物聯網解決方案。」

8.邊緣計算

邊緣計算是一種能夠幫助公司處理物聯網大數據的新技術。在邊緣計算中，大數據分析很是接近物聯網設備和傳感器，而不是數據中心或雲。對於企業來講，這種方式的優勢顯而易見。由於在網絡上流動的數據較少，能夠提升網絡性能並節省雲計算成本。它還容許公司刪除過時的和無價值的物聯網數據，從而下降存儲和基礎架構成本。邊緣計算還能夠加快分析過程，使決策者可以更快地洞察狀況並採起行動。

9.高薪職業

對於IT工做者來講，大數據的發展意味着大數據技能人才的高需求。IDC稱，「到2018年，美國將有181,000個深度分析崗位，是數據管理和數據解讀相關技能崗位數量的五倍。」

因爲人才缺口過大，羅伯特·哈夫技術公司預測，到2017年數據科學家的平均薪資將增加6.5%，年薪在116,000美圓到163,500美圓之間（固然這是美國的標準，中國國內目前還沒有統計）。一樣，明年大數據工程師的薪資也將增加5.8%，在135,000美圓到196,000美圓之間。

10.自助服務

因爲聘請高級專家的成本太高，許多公司開始轉向數據分析工具。IDC先前預測，「視覺數據發現工具的增加速度將比其餘商業智能（BI）市場快2.5倍，到2018年，全部企業都將投資終端用戶自助服務。

一些大數據供應商已經推出了具備「自助服務」能力的大數據分析工具，專家預計這種趨勢將持續到2017年及之後。 數據分析過程當中，信息技術的參與將愈來愈少，大數據分析將愈來愈多地融入到全部部門工做人員的工做方式之中。

更多內容請點擊查看原文