大數據未來十大發(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據技術應用，另有30%的公司計劃在未來12個月內采用大數據技術。2016年NewVantage Partners的大數據管理調查發(fā)現(xiàn)，62.5%的公司現(xiàn)在至少有一個大數據項目投入生產。

開放源碼 Apache 、Hadoop、Spark等開源應用程序已經在大數據領域占據了主導地位。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據的速度。

內存技術 很多公司正試圖加速大數據處理過程，它們采用的一項技術就是內存技術。

在傳統(tǒng)數據庫中，數據存儲在配備有硬盤驅動器或固態(tài)驅動器（SSD）的存儲系統(tǒng)中。而現(xiàn)代內存技術將數據存儲在RAM中，這樣大大提高了數據存儲的速度。

Forrester研究的報告中預測，內存數據架構每年將增長29.2%。目前，有很多企業(yè)提供內存數據庫技術，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，就是分析大數據以得出結論。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。

在早期大數據分析中，企業(yè)通過審查他們的數據來發(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查這些事情發(fā)生的原因。預測分析則更進一步，使用大數據分析預測未來會發(fā)生什么。普華永道（PwC）2016年調查顯示，目前僅為29%的公司使用預測分析技術，這個數量并不多。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據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)的安全日志數據提供了以往未遂的網絡攻擊信息，企業(yè)可以利用這些數據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）與大數據平臺（如Hadoop）結合起來。還有一些公司選擇向能夠提供大數據分析能力產品的公司求助。

物聯(lián)網 根據IDC 2016年9月的報告，“31.4%的受訪公司推出了物聯(lián)網解決方案，另有43%希望在未來12個月內部署物聯(lián)網解決方案。”隨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)網的大量數據。

邊緣計算 邊緣計算是一種可以幫助公司處理物聯(lián)網大數據的新技術。在邊緣計算中，大數據分析非常接近物聯(lián)網設備和傳感器，而不是數據中心或云。對于企業(yè)來說，這種方式的優(yōu)點顯而易見。因為在網絡上流動的數據較少，可以提高網絡性能并節(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)網數據，從而降低存儲和基礎架構成本。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，大數據的發(fā)展意味著大數據技能人才的高需求。IDC稱，到2018年，美國將有181000個深度分析崗位，是數據管理和數據解讀相關技能崗位數量的五倍。

自助服務 由于聘請高級專家的成本過高，許多公司開始轉向數據分析工具。IDC先前預測，視覺數據發(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。