2017年大数据市场趋势的6大预测

2017年大数据市场趋势的6大预测

大数据/云计算 金融服务

36大数据

数控小V

2017-01-04 16:30

 

 

[ 亿欧导读 ] 本文主要呈现了2017年大数据市场的6个预测：① 人工智能从新流行；②大数据带来管理优点或竞争优点；③公司专一于业务驱动的应用程序；④数据敏捷性区分赢家和输家；⑤区块链转变精选的金融服务应用；⑥机器学习最大化微服务影响。

图片来自“视觉中国”

市场已经从但愿学习和了解新的大数据技术的技术人员，进化到想要了解新项目、新公司以及最重要的，组织如何从这些技术上真实获益的客户。根据John Schroeder，MapR Technologies, Inc.的执行主席和创始人的说法，大数据部署的加速主因已经转移到了数据的价值上。

John总结了他对2017年市场趋势的见解，造成如下六个主要的预测：

一、 人工智能（AI）从新流行

在上世纪60年代，Ray Solomonoff奠基了人工智能的数学理论基础，介绍了概括推理和预测的通用贝叶斯方法。1980年，美国人工智能协会第一次全国会议（AAAI）于斯坦福举行，标志了理论在软件开发中的应用。AI如今又回到主流的讨论中，引起了机器智能、机器学习、神经网络、认知计算等一系列流行语。为何AI有年轻化的趋势？这里面有个三V想法：速度，变化和体量。

能够利用现代和传统的处理模型来支持三V的平台能够横向扩展，提供高达传统平台10-20倍的成本效率。

谷歌已经记录了，简单的算法对大型数据集频繁执行，比其余方法使用较小的数据集产生的结果更好。咱们将看到，将人工智能到用于高容量重复任务时具备最高价值，在这样的任务中，一致性比以主观偏差和人力成本为代价来得到人类直观的监督来讲，更加有效。

二、大数据带来管理优点或竞争优点

在2017年，管理与数据价值的拔河将是核心焦点。企业具备关于他们的客户和合做伙伴的大量信息。领先的组织将在正规化和非正规化的案例之间管理他们的数据。正规化的用例数据须要管理数据质量和血统，从而一个监管机构能够报告和跟踪源数据的转换。这是强制的和有必要的，但对于非正规化的用例较为受限，这样的用例包括客户360，或者，在更高的基数、实时和混合的结构化和非结构化能产生更有效结果的场景下，提供服务。

三、公司专一于业务驱动的应用程序，以免数据湖泊成为沼泽

在2017年，组织将从“创建它，它们就会来”的数据湖的方法，迁移到业务驱动的数据方法。今天的世界须要分析和操做能力，以实时在个例层面解决客户问题，处理索赔和设备接口。例如，任何电子商务网站必须提供个性化的建议和实时价格查询。

经过将分析与运营系统相结合，医疗机构必须处理有效的索赔和防止欺诈索赔。媒体公司目前经过设置机顶盒提供个性化内容。汽车制造商和拼车公司针对汽车和司机进行规模化的互操做。交付这些用例须要一个敏捷的平台，平台能够提供分析和业务处理的能力，以从额外的用例（从后端分析到前台业务）中增长价值。在2017年，组织将积极推动超越“问问题”的方法和架构，以推进初始和长期的商业价值。

四、数据敏捷性区分赢家和输家

当DevOps提供持续交付时，软件开发已经变得敏捷。在2017年，处理和分析模型将会继续发展，提供与组织实现数据敏捷相似级别的敏捷。在上下文中理解数据并采起相应业务行动的能力，是竞争优点的来源，而不是简单地拥有一个大数据湖。

敏捷处理模型的出现将使相同的数据实例支持批处理分析、交互分析、全局消息、数据库和基于文件的模型。当一个单一的数据实例能够支持更普遍的工具集时，更灵活的分析模型也将被启用。最终的结果是一个灵活的开发和应用平台，支持最普遍的处理和分析模型。

五、区块链转变精选的金融服务应用

在2017年，将在金融服务中有精选的、转型的用例，这些用例的出现将对数据存储和交易处理的方式具备普遍的影响。区块链提供了一个全球性的分布式总帐，这将改变数据的存储和交易处理的方式。区块链运行在分布在世界各地的计算机上，链能够被全世界任何人看到。

交易被存储在块中，每一个块均指向前一个块，每一个块都打上了时间戳，并以一种不可改变方式存储数据。黑客没法破解的区块链，由于整个世界都能看到整个的区块链。区块链为消费者提供明显的效率。例如，客户不须要等待SWIFT交易，或担忧中央数据中心泄漏的影响。对于企业来讲，区块链能帮助节约成本，并提供了创造竞争优点的机会。

六、 机器学习最大化微服务（Microservice）的影响

今年咱们将看到机器学习和微服务整合的更多案例。此前，微服务的部署都集中在轻量级的服务上，那些整合了机器学习的微服务一般被局限在应用于数据流瓶颈的“快速”数据集成。在2017年，咱们会看到开发将转变为有状态应用程序，这些程序将使用大数据，以及使用基于大量的历史数据更好地理解新到达的数据流的机器学习方法。

“咱们的预测深受领先的客户的影响，这些客户经过将分析整合进运营的用例而得到显著的商业价值，”Schroeder说 。“咱们的客户对MapR融合数据平台的使用，为DevOps提供了敏捷性，在DevOps中他们能够普遍使用从Hadoop到Spark、SQL、NoSQL、文件和信息流等加工模型——任何当前和将来的，在私有云、公有云和混合云部署中的需求。”