大數(shù)據(jù)未來十大發(fā)展趨勢

Forrester的研究人員發(fā)現(xiàn)，2016年，近40%的公司正在實施和擴展大數(shù)據(jù)技術應用，另有30%的公司計劃在未來12個月內(nèi)采用大數(shù)據(jù)技術。2016年NewVantage Partners的大數(shù)據(jù)管理調(diào)查發(fā)現(xiàn)，62.5%的公司現(xiàn)在至少有一個大數(shù)據(jù)項目投入生產(chǎn)。

開放源碼 Apache 、Hadoop、Spark等開源應用程序已經(jīng)在大數(shù)據(jù)領域占據(jù)了主導地位。Forrester的研究顯示，Hadoop的使用率正以每年32.9%的速度增長。2017年許多企業(yè)將繼續(xù)擴大他們的Hadoop和NoSQL技術應用，并尋找方法來提高處理大數(shù)據(jù)的速度。

內(nèi)存技術 很多公司正試圖加速大數(shù)據(jù)處理過程，它們采用的一項技術就是內(nèi)存技術。

在傳統(tǒng)數(shù)據(jù)庫中，數(shù)據(jù)存儲在配備有硬盤驅(qū)動器或固態(tài)驅(qū)動器（SSD）的存儲系統(tǒng)中。而現(xiàn)代內(nèi)存技術將數(shù)據(jù)存儲在RAM中，這樣大大提高了數(shù)據(jù)存儲的速度。

Forrester研究的報告中預測，內(nèi)存數(shù)據(jù)架構(gòu)每年將增長29.2%。目前，有很多企業(yè)提供內(nèi)存數(shù)據(jù)庫技術，最著名的有SAP、IBM和Pivotal。

機器學習 機器學習是人工智能的一項分支，允許計算機在沒有明確編碼的情況下學習新事物。換句話說，就是分析大數(shù)據(jù)以得出結(jié)論。Gartner稱，機器學習是2017年十大戰(zhàn)略技術趨勢之一。它指出，當今最先進的機器學習和人工智能系統(tǒng)正在超越傳統(tǒng)的基于規(guī)則的算法，創(chuàng)建出能夠理解、學習、預測、適應，甚至可以自主操作的系統(tǒng)。

預測分析 預測分析與機器學習密切相關，事實上ML系統(tǒng)通常為預測分析軟件提供動力。

在早期大數(shù)據(jù)分析中，企業(yè)通過審查他們的數(shù)據(jù)來發(fā)現(xiàn)過去發(fā)生了什么，后來他們開始使用分析工具來調(diào)查這些事情發(fā)生的原因。預測分析則更進一步，使用大數(shù)據(jù)分析預測未來會發(fā)生什么。普華永道（PwC）2016年調(diào)查顯示，目前僅為29%的公司使用預測分析技術，這個數(shù)量并不多。同時，許多供應商最近都推出了預測分析工具。隨著企業(yè)越來越意識到預測分析工具的強大功能，這一數(shù)字在未來幾年可能會出現(xiàn)激增。

智能app 企業(yè)使用機器學習和AI技術的另一種方式是創(chuàng)建智能應用程序。這些應用程序采用大數(shù)據(jù)分析技術來分析用戶過往的行為，為用戶提供個性化的服務。推薦引擎就是一個大家非常熟悉的例子。在2017年十大戰(zhàn)略技術趨勢列表中，Gartner公司把智能應用列在了第二位。Gartner公司副總裁大衛(wèi)·希爾里（David Cearley）說：“未來10年，幾乎每個app，每個應用程序和服務都將在一定程度上應用AI。

智能安保 企業(yè)的安全日志數(shù)據(jù)提供了以往未遂的網(wǎng)絡攻擊信息，企業(yè)可以利用這些數(shù)據(jù)來預測并防止未來可能發(fā)生的攻擊，以減少攻擊造成的損失。一些公司正將其安全信息和事件管理軟件（SIEM）與大數(shù)據(jù)平臺（如Hadoop）結(jié)合起來。還有一些公司選擇向能夠提供大數(shù)據(jù)分析能力產(chǎn)品的公司求助。

物聯(lián)網(wǎng) 根據(jù)IDC 2016年9月的報告，“31.4%的受訪公司推出了物聯(lián)網(wǎng)解決方案，另有43%希望在未來12個月內(nèi)部署物聯(lián)網(wǎng)解決方案?！彪S著這些新設備和應用程序上線，許多公司需要新的技術和系統(tǒng)，才能夠處理和感知來自物聯(lián)網(wǎng)的大量數(shù)據(jù)。

邊緣計算 邊緣計算是一種可以幫助公司處理物聯(lián)網(wǎng)大數(shù)據(jù)的新技術。在邊緣計算中，大數(shù)據(jù)分析非常接近物聯(lián)網(wǎng)設備和傳感器，而不是數(shù)據(jù)中心或云。對于企業(yè)來說，這種方式的優(yōu)點顯而易見。因為在網(wǎng)絡上流動的數(shù)據(jù)較少，可以提高網(wǎng)絡性能并節(jié)省云計算成本。它還允許公司刪除過期的和無價值的物聯(lián)網(wǎng)數(shù)據(jù)，從而降低存儲和基礎架構(gòu)成本。邊緣計算還可以加快分析過程，使決策者能夠更快地洞察情況并采取行動。

高薪職業(yè) 對于IT工作者來說，大數(shù)據(jù)的發(fā)展意味著大數(shù)據(jù)技能人才的高需求。IDC稱，到2018年，美國將有181000個深度分析崗位，是數(shù)據(jù)管理和數(shù)據(jù)解讀相關技能崗位數(shù)量的五倍。

自助服務 由于聘請高級專家的成本過高，許多公司開始轉(zhuǎn)向數(shù)據(jù)分析工具。IDC先前預測，視覺數(shù)據(jù)發(fā)現(xiàn)工具的增長速度將比其他商業(yè)智能（BI）市場快2.5倍，到2018年，所有企業(yè)都將投資終端用戶自助服務。