2017年大数据领域的十大趋势

“大数据”不再只是一个流行词。弗雷斯特研究公司的研究人员发现，“2016年，近40%的公司在实施大数据技术，并且扩大了采用力度。另有30%的公司计划在未来12个月内采用大数据技术。”

类似的，NewVantage Partners的《2016年大数据高管调查》发现，如今62.5%的公司在生产环境中至少有一个大数据项目，只有5.4%的企业组织没有计划或开展大数据项目。

研究人员表示，采用大数据技术的势头不太可能很快就减慢。IDC主管分析和信息管理的集团副总裁丹·维塞特(Dan Vesset)说：“出现的大量数据、新一代技术，以及数据驱动型决策的文化转变，这些因素继续促使市场需要大数据和分析技术及服务。预计该市场会以11.7%的复合年增长率继续增长，一直持续到2020年。”

虽然大数据市场在增长，但企业组织将如何使用大数据仍不大明朗。新的大数据技术在进入市场，而一些旧技术的使用也在继续增长。本文介绍了在2017年及之后可能左右大数据市场格局的十大趋势。

1、开源

Apache Hadoop和Spark等其他开源应用软件已逐渐主导大数据领域，这个趋势看起来可能会保持下去。一项调查发现，到今年年底，近60%的企业预计会在生产环境中运行Hadoop集群。而据弗雷斯特公司声称，Hadoop的使用量以每年32.9%的速度增长。

研究者们表示，2017年，许多企业会加大使用Hadoop和NoSQL技术的力度，并想方设法加快大数据处理速度。许多企业会寻求让自己得以实时访问和响应数据的技术。

2、内存技术

许多公司在调查研究，试图加快大数据处理速度的一项技术就是内存技术。在传统数据库中，数据存储在配备硬盘驱动器或固态硬盘(SSD)的存储系统中。内存技术改而将数据存储在内存中，这大大提高了数据处理速度。弗雷斯特研究公司的一份报告预测，内存数据架构每年会增长29.2%。

几家厂商提供内存数据库技术，尤其是SAP、IBM和Pivotal。

3、机器学习

随着大数据分析能力不断增强，一些企业已开始投入于机器学习。机器学习是人工智能的一个分支，专注于让计算机可以在没有明确编程的情况下学习新事物。换句话说，它分析现有的大数据存储系统，从而得出可能改变应用程序运行方式的结论。

据Gartner声称，机器学习是2017年的十大战略技术趋势之一。它特别指出，如今最先进的机器学习和人工智能系统正在超越“基于规则的传统算法，构建能够理解、学习、预测、适应，甚至自主操作的系统。”

4、预测分析

预测分析与机器学习密切相关。实际上，机器学习系统常常为预测分析软件提供引擎。在大数据分析的早期阶段，企业组织回顾数据、查看过去发生了什么，然后开始使用分析工具来调查那些事情为何发生。而预测分析更进了一步，它使用大数据分析工具来预测将来会发生什么。

据普华永道在2016年的一项调查显示，如今使用预测分析技术的企业组织数量少得惊人，只有29%。然而，无数厂商最近推出了预测分析工具，随着公司越来越意识到这种功能强大的工具，这个数字在未来几年可能会急剧提高。

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就是构建智能应用程序。这种应用程序常常结合大数据分析技术，分析用户以前的行为，以便提供个性化和更好的服务。大家已经非常熟悉的一个例子就是，现在支持许多电子商务和娱乐应用程序的推荐引擎。

Gartner在2017年的十大战略技术趋势中，将智能应用程序列在第二位。Gartner副总裁兼研究员大卫·凯洛莱(David Cearley)说：“在今后十年，几乎每个应用、应用程序和服务都会结合某种级别的人工智能。这会成为一种长期趋势，不断演变，并不断扩大人工智能和机器学习在应用程序和服务的应用范围。”

6、智能安全

许多企业还将大数据分析技术纳入到安全战略中。企业组织的安全日志数据提供了以往网络攻击方面的宝贵信息，企业可以利用这些信息来预测、预防和缓解未来的攻击企图。因而，一些企业组织将安全信息和事件管理(SIEM)软件与Hadoop等大数据平台整合起来。另一些企业求助于提供的产品整合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产生相当大的影响。据IDC在2016年9月的一份报告声称，“31.4%的受访公司已启动了物联网解决方案，另有43%期望在今后12个月部署这类解决方案。”

随着所有那些新设备和应用程序纷纷上网，企业组织会遇到比过去还要疯狂的数据增长势头。许多企业需要新的技术和系统，以便能够处理和解读来自部署的物联网的潮水般的大数据。

8、边缘计算

边缘计算是一种可以帮助公司处理物联网大数据的新技术。在边缘计算中，大数据分析非常靠近物联网设备和传感器来进行，而不是在数据中心或云端来进行。对企业来说，这带来了一些显著的好处。在网络上传输的数据比较少，这可以改善性能，并节省云计算成本。它让企业组织得以删除只在有限的时间内有价值的物联网数据，从而降低存储和基础设施成本。边缘计算还可以加快分析过程，让决策者得以在获得洞察力后比以前更迅速地采取行动。

9、高薪

对IT工人来说，大数据分析技术的发展可能意味着拥有大数据技能的人才方面需求旺盛，薪水优厚。据IDC称：“光在美国，2018年会有181,000个深度分析岗位，是需要数据管理和解读相关技能的岗位数量的五倍。”

由于人才紧缺，Robert Half Technology公司预测，2017年数据科学家的平均薪资将提高6.5%，年薪在116000美元至163500美元。同样，明年大数据工程师的薪资也将提高5.8%，年薪在135000美元至196000美元。

10、自助服务

由于聘请大数据专家的成本上升，许多企业可能寻求让普通专业人员可以满足自己的大数据分析要求的工具。IDC之前预测“可视化数据发现工具的增长速度将比商业智能(BI)市场的其余工具快2.5倍。到2018年，投入于支持最终用户自助服务的这种工具将成为所有企业的要求。”

几家厂商已经发布了拥有“自助服务”功能的大数据分析工具，专家预计这个趋势会持续到2017年及之后。由于大数据分析变得更加融入到公司所有部门的工作人员的工作方式之中，IT部门可能不太参与到这个过程。