大数据十大趋势

2017-05-22
标签: 大数据   

  “大数据”不再仅仅是一个流行词。Forrester的研究人员发现,在2016年,近40%的企业正在实施和扩大大数据技术的采用。另30%的企业计划在未来12个月内采用大数据。

大数据十大趋势

  同样, 另一项2016年进行的大数据调查发现,62.5%的公司目前至少有一个大数据项目在进行中,只有5.4%的企业没有大数据项目计划或在进行中。

  研究人员说大数据技术的采用在短期内不太可能减慢。IDC预测,大数据和业务分析市场将从今年的1301亿美元增长到2020年的2030多亿美元。“数据的可用性,新一代的技术,和转向数据驱动决策的文化继续推动对大数据和分析技术以及服务的需求,” 集团副总裁,分析和信息管理经理说。这个市场预计将在2016年增长11.3%,在2015年的全球收入达到1220亿美元,预计到2020年将继续保持在11.7%的复合年增长率(CAGR)。

  尽管大数据市场将明显增长,企业将如何使用他们的大数据仍旧是不清楚的。新的大数据技术正进入市场,而一些老技术的使用还在继续增长。本文涵盖的十大趋势可能会影响2017年及以后的大数据市场。

  1.开放源码

  开源应用程序,像Apache Hadoop,Spark及其它,已经占据了大数据市场,这一趋势可能会继续下去。一项调查发现,近60%的企业希望今年年底在生产上运行Hadoop集群。根据Forrester称,Hadoop的使用每年增加32.9%。

  专家说,2017年,许多企业将扩大使用Hadoop和NoSQL技术,并且寻找方法来加速他们的大数据处理。许多企业将寻求新的技术帮助他们实时访问和响应数据。

  2.内存技术

  企业正在研究以加速他们的大数据处理的技术之一是内存技术。在传统的数据库中,数据存储在硬盘或固态硬盘装备的存储系统内。而内存技术将数据存储在RAM中,这要快许多倍。Forrester Research的一份报告预计内存数据结构将每年增长29.2%。

  3.机器学习

  随着大数据分析功能的进展,一些企业已经开始投资于机器学习(ML)。机器学习是人工智能的一个分支,着重于让计算机学习新事物而不必显式地编程。换句话说,它将分析现有的大数据存储并根据结论来改变应用程序的行为。

  据Gartner称,机器学习是2017年十大技术发展战略趋势之一。它指出,当今最先进的机器学习和人工智能系统正在“超越传统的基于规则的算法来创建系统,能理解,学习,预测,适应和潜在的自主运作。”

  4.预测分析

  预测分析与机器学习密切相关;事实上,机器学习(ML)系统通常为预测分析软件提供引擎。在早期的大数据分析中,企业回顾他们的数据了解发生了什么,然后使用分析工具来调查这些事情发生的原因。预测分析更进一步,使用大数据分析来预测将来会发生什么。

  令人惊讶的是现在使用预测分析的企业数量很低,来自PwC的一份2016年的调查显示 只有29%。然而,有众多厂商最近推出预测分析工具,因此随着企业越来越意识到这个工具的强大,这一数字在未来几年就会急剧增加。

  5.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是创建智能应用。这些应用程序通常结合大数据分析,通过分析用户以前的行为,提供个性化和更好的服务。一个非常熟悉的例子是推荐引擎,现在支撑着许多电子商务和娱乐应用。

  2017年十大战略技术趋势的名单上,Gartner将智能应用程序列于第二。“未来十年,几乎每一个app,应用程序和服务都会包含一定程度的人工智能,” Gartner的一位副总裁说。“这将形成一个长期的趋势,针对app和服务,不断发展和扩大应用的人工智能和机器学习。”

  6.智能安全

  许多企业也将大数据分析纳入他们的安全策略。企业的安全日志数据提供了一个过去网络攻击企图的信息宝库,企业可以用来预测,预防和减轻未来的攻击尝试。因此,一些企业正在将他们的安全信息和事件管理(SIEM)软件与Hadoop这样的大数据平台整合。其他人则转向产品结合了大数据分析功能的安全厂商。

  7.物联网

  物联网也可能对大数据有相当大的影响。据国际数据公司(IDC)2016年9月的一份报告称,“31.4%的受访机构启动了物联网解决方案,另外的43%将在未来12个月内部署。”

  有了这些新设备和应用程序在线,企业将会体验到比过去更快的数据增长。许多企业需要新的技术和系统以便能够处理和理解他们所部署的物联网大数据。

  8.边缘计算

  可以帮助企业应对物联网大数据的一项新技术是边缘计算。用边缘计算,大数据分析几乎就发生在物联网设备和传感器内,而不是在数据中心或云里。对于企业来说,这提供了明显的好处。

  他们网络的流动数据较少,这可以提高性能和节省云计算成本。它允许企业删除物联网的数据,有些数据只在有限的一段时间里有价值,因此减少存储和基础设施的成本。边缘计算也可以加快分析过程,允许决策者更快地根据洞察采取行动。

  9.高薪

  对于IT人员来说,大数据分析的增加可能会意味对有大数据技能者的高需求,高薪水。根据IDC称,“仅在美国在2018年将会有181000个深入分析职位,相关数据管理和解释的很多职能职位是其它的5倍”。

  由于稀缺,Robert Half技术公司预测,数据科学家的平均薪酬在2017年将增加6.5%,从116000美元到163500美元不等。同样,大数据工程师应该有5.8%的薪资增长,从135000美元到196000美元。

  10.自助式服务

  随着雇佣大专家的成本上升,许多企业可能会寻求用工具帮助普通业务人员来满足自己的大数据分析需求。IDC此前曾预测“可视化数据发现工具将比其他的商业智能市场增长快2.5倍。到2018年,对终端用户能自我服务的投资将成为所有企业的要求。”

  一些厂商已经推出了带“自助服务”功能的大数据分析工具,专家预计这一趋势将持续到2017年及以后。IT很可能更少地参与流程中,而大数据的分析会越来越多地集成到人们的工作中,成为业务和一部分。


【了解更多BI商业智能大数据分析平台行业资讯,商业智能解决方案以及商业智能软件下载请访问速鸿官网http://www.suhongkeji.com/】

速鸿科技是一家专注于为企业提供 BI商业智能大数据分析智能分析智能软件以及 数据挖掘 等服务的大平台

咨询热线:020-37267822

粤ICP备15039093号