2017年大数据分析领域的六大发展趋势

2016年，在政府的大力倡导和企业大力发展的双重推进下，大数据的业务版图不断扩大，愈来愈多的公司开始部署大数据战略，而且不少公司在大数据业务中的获利颇丰。2017年大数据将是怎样的发展趋势呢，而大数据中最核心的分析领域又将是怎样的发展趋势？OpenFEA通过调研及梳理，大胆预测2017年大数据分析领域的六大发展趋势：

1、分析工具的竞争将加重

随着数据量的不断增加，数据分析方法也将进一步提升。虽然SQL依然是数据分析的标准方法，可是数据计算框架如Spark的发展仍然势不可挡。但Spark做为计算框架，在小数据、中型数据及流数据方面的分析处理有所不足，且应用复杂，这势必为更多的新兴分析工具创造了发展机遇，2017年像FEA之类的新型分析工具，因其操做简单，对用户没有任何编码知识要求而将发展迅速。

2、对实时分析的需求变的强烈而急迫

技术专家预测，2017年不少企业因须要利用数据进行实时决策，对数据处理的性能要求更高，离线分析的应用将放缓，而实时性计算的应用需求将增长，对海量数据的分析处理，响应时间要求为秒级。目前有几款数据分析工具能够提供实时访问，如Google Analytics和Clicky。而FEA在实时分析方面也将大放异彩。

3、机器学习算法愈来愈重要

Gartner指出，机器学习是2017年十大战略技术趋势之一。当今最早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，建立出可以理解、学习、预测、适应，甚至能够自主操做的系统。而在分析领域，要不断提升分析能力，必将大力研究与支持更多的机器学习算法。

4、预测分析业务激增

在早期大数据分析中，企业经过审查他们的数据来发现过去发生了什么，后来他们开始使用分析工具来调查这些事情发生的缘由。预测分析则更进一步，使用大数据分析预测将来会发生什么。普华永道（PwC）2016年调查显示，目前仅有29％的公司使用预测分析技术，这个数量并很少。随着企业愈来愈意识到预测分析工具的强大功能，这一数字在将来几年可能会出现激增。

5、内存计算在分析领域的应用更广泛

在传统技术中，数据存储在配备硬盘驱动器或固态硬盘(SSD)的存储系统中，而加载时，要先从硬盘将数据读出然后再加载到内存，这一处理机制，极大制约了响应时间，必将被淘汰。而内存技术将数据存储在内存中，这大大提升了数据处理速度。弗雷斯特研究公司的一份报告预测，内存数据架构每一年会增加29.2%。而FEA也是基于内存计算的大数据分析工具，且通过一年多的发展在这块的技术已至关成熟。

6、数据分析师的就业面扩大 

毫无疑问，大数据分析技术的发展，意味着拥有大数据技能的人才需求旺盛，薪水优厚。据IDC称：“光在美国，2018年会有181,000个深度分析岗位，是须要数据管理和解读相关技能的岗位数量的五倍。”因为人才紧缺，Robert Half Technology公司预测，2017年数据科学家的平均薪资将提升6.5%，年薪在116000美圆至163500美圆。一样，明年大数据工程师的薪资也将提升5.8%，年薪在135000美圆至196000美圆。

另外一方面，因为聘请大数据专家的成本上升，许多企业将培养本身的大数据分析师，或鼓励行业专家朝分析师的方向转型，并寻求更适合自身业务的大数据分析工具。