越來越複雜(zá)的大(dà)數據需求意味着創新的壓力仍然很高。許多公司開(kāi)始明白(bái)，客戶的成功離(lí)不開(kāi)數據方面的工(gōng)作。不利用數據分(fēn)析的公司會開(kāi)始歇業，而成功的企業認識到發展的關鍵是數據精煉和預測分(fēn)析。

本文通過Forrester的數據分(fēn)析，總結了2017年大(dà)數據産業的幾大(dà)趨勢，進行分(fēn)享。

Forrester的預測數據

Forrester在一(yī)份最新的報告中(zhōng)說，2020年之前，使用人工(gōng)智能(AI)，大(dà)數據和物(wù)聯網(IOT)等技術開(kāi)展新業務的企業，每年将比不使用這些技術的同行多賺1.2萬億美元。

在所有業務中(zhōng)，2017年人工(gōng)智能的投資(zī)将同比增長300%以上。通過複雜(zá)系統的高級分(fēn)析和機器學習技術得到智能認知(zhī)，AI将爲企業用戶提供強大(dà)的、以前從未有過的洞察。Forrester表示，通過幫助縮小(xiǎo)從洞察到行動的差距，AI能夠在營銷，電子商(shāng)務，産品管理以及其他領域推動用戶做出更快的業務決策。

人工(gōng)智能、大(dà)數據和物(wù)聯網技術的結合将使企業能夠投資(zī)并成功使用它們，以克服數據訪問障礙并挖掘有用的信息。在2017年，這些技術将增加業務的數據訪問，擴展可分(fēn)析的數據類型，并最終提高洞察的成熟度。大(dà)數據技術将趨于成熟，供應商(shāng)也越來越多地将其與傳統的分(fēn)析平台集成，這将有助于将其獲得的廣泛信息納入現有的分(fēn)析流程中(zhōng)。使用單一(yī)架構來實現大(dà)數據與靈活可操作洞察的融合将變得更加廣泛。

Forrester預計，可提供物(wù)聯網洞察能力分(fēn)析的第三方供應商(shāng)在2017年将翻一(yī)翻。這将鼓勵他們的客戶投資(zī)更多的網絡設備并挖掘分(fēn)析其産生(shēng)的數據。例如，Forrester發現，67%的電信決策者正在考慮或優先考慮在2017年開(kāi)發物(wù)聯網或M2M(機器/人與機器/人的交互)計劃。

Forrester表示，增加對物(wù)聯網的投資(zī)将帶來新型的分(fēn)析，這反過來也将帶來新的業務洞察。目前，許多由邊緣設備(如手機，可穿戴設備或汽車(chē))産生(shēng)的數據被直接丢棄。而實際上，這些數據可以被當作“不成熟的數據”并進行分(fēn)析實踐，這導緻很多企業浪費(fèi)了這些洞察的機會。

在2016年，不到50%的數據分(fēn)析決策者采用了位置分(fēn)析。Forrester預計，到2017年底，采用位置分(fēn)析的企業将增長到三分(fēn)之二以上。

2017年将出現的三大(dà)可喜現象

由于客戶正是通過産品和服務來與所處的世界進行聯系，因此，新型分(fēn)析産生(shēng)的新洞察将使企業更好地優化其客戶體(tǐ)驗。Forrester看到了很多令人歡欣鼓舞的迹象，越來越多的公司制訂了用于消除客戶信息壁壘的投資(zī)計劃，這将使他們能夠更好地協調和提高整個企業的洞察力。具體(tǐ)來說，Forrester表示在2017年将看到以下(xià)三個可喜現象：

1、首席數據官(CDO)職位将成爲常态化

到2017年，首席數據官(CDO)職位将成爲常态化，而在2016年，大(dà)概隻有46%的公司設立了CDO職位。但是要真正成爲一(yī)家洞察驅動型企業，企業必須由首席信息官(CIO)和首席營銷官(CMO)，甚至CEO負責部分(fēn)數據業務，以便根據數據驅動洞察的結果迅速推動業務行動。

2、客戶數據管理項目将增加75%

2016年，39%的企業首次實施了大(dà)數據計劃，通過跨渠道跟蹤，了解并熟知(zhī)用戶的使用習慣，洞察用戶的深入需求，從而爲用戶提供定制化的服務。還有近三分(fēn)之一(yī)的企業表示計劃在未來十二個月内采用大(dà)數據技術提供解決方案。

3、采用洞察力驅動的企業将顯著增加

Forrester預計，随着企業在2017年實現數字化轉型，在企業範圍内采用洞察力驅動的實踐将顯著增加。率先采用客戶智能實踐和戰略的企業将成爲業務轉型的典範。長期來說，基于人工(gōng)智能的服務和應用最終會改變大(dà)多數行業并重新分(fēn)配勞動力。

2017年，塑造大(dà)數據行業的五大(dà)趨勢

1.物(wù)聯網(IoT)

公司日益期望從所有數據中(zhōng)獲得價值，企業組織将不得不改動技術，以便與物(wù)聯網數據銜接起來。這在數據治理、标準、健康保障、安全和供應鏈等方面帶來了無數新的挑戰和機遇。

物(wù)聯網和大(dà)數據是同一(yī)枚硬币的兩面，數十億與互聯網連接的“物(wù)件”将生(shēng)産大(dà)量數據。然而，這本身不會引發另一(yī)場工(gōng)業革命，不會改變日常的數字化生(shēng)活，也不會提供拯救地球的預警系統。來自設備外(wài)部的數據才是企業讓自己與衆不同的方面，結合上下(xià)文來捕獲和分(fēn)析這種類型的數據爲公司帶來了新的發展前途。

2.深度學習

深度學習主要用于從大(dà)量未标記/未監督的數據當中(zhōng)學習，因而對于從大(dà)數據中(zhōng)提取有意義的标識和模式頗具吸引力。比如說，它可以用來識别許多不同類型的數據，比如視頻(pín)中(zhōng)的形狀、顔色和對象，或者甚至是圖像中(zhōng)的貓，就像谷歌研制的一(yī)個神經網絡在2012年所做的那樣。因此，企業可能會看到更多的注意力投向半監督式或未監督式訓練算法來處理進入的大(dà)量數據。

3.内存中(zhōng)分(fēn)析

不像常規的商(shāng)業智能(BI)軟件對存儲在服務器硬盤上的數據運行查詢，内存中(zhōng)技術查詢的是載入到内存中(zhōng)的信息，這可以通過減少或甚至消除磁盤輸入/輸出瓶頸來顯著提升分(fēn)析性能。就大(dà)數據而言，正是由于TB級系統和大(dà)規模并行處理，讓内存中(zhōng)分(fēn)析技術更令人關注。

在現階段，大(dà)數據分(fēn)析的核心其實是發現數據。要是沒有毫秒級延遲，面對數百萬次/數十億次的叠代，運行叠代以查找數據點之間的關聯就不會成爲現實。在内存中(zhōng)處理的速度比磁盤上處理要快三個數量級。

4.雲計算

混合雲和公共雲服務越來越受歡迎。大(dà)數據成功的關鍵是在彈性基礎設施上運行(Hadoop)平台。我(wǒ)(wǒ)們會看到數據存儲和分(fēn)析趨于融合，帶來新的更智能的存儲系統，它們将經過優化，用于存儲、管理和排序龐大(dà)的PB級數據集。展望未來，我(wǒ)(wǒ)們可以預計會看到基于雲的大(dà)數據生(shēng)态系統将繼續迎來發展，不僅僅局限于“早期采用者”。

5.Apache Spark

Apache Spark在點亮大(dà)數據。流行的Apache Spark項目提供了Spark Streaming技術，通過主要采用一(yī)種在内存中(zhōng)微批量處理的方法，近實時地處理數據流。它已從Hadoop生(shēng)态系統的一(yī)部分(fēn)，變成許多企業青睐的一(yī)種大(dà)數據平台。