京公网安备 11010802034615号
经营许可证编号:京B2-20210330
在刚刚过去的“大数据元年”,仅我国宣称自己是大数据企业的大概有将近400家,其中典型的大数据企业有200多家。拿到融资的大概有五十多家,整体融资额超过50亿元,其中拿到亿元融资以上的企业有17家,最高融资额为7以人民币,估值超过三十亿元人民币的有十家以上,初创一年之内的大数据企业的起始估值大概在10亿元人民币左右。
放眼世界,以美、日、欧为代表的全球发达国家已经展开以大数据为核心的新一轮信息战略。报告显示,2014年,全球大数据市场增长速度达53%,总体规模为285亿美元。到2017年,全球大数据市场收入将达500亿美元,这意味着从2011年起连续6年年复合增长率达38%。2012—2013年度,在欧美国家1217家营业额收入超过10亿美元的企业中,643家企业制定了大数据战略,其中7%的企业至少投入了5亿美元,15%的企业至少投入了1亿美元发展大数据。
面对大数据迅猛的发展势头,绝大多数专业人士表示看好大数据在2016年的发展。大数据权威和畅销书作家Bernard Marr说:“2016年将是令人兴奋的——大数据会更加主流化。2016年也会成为那些仍然没有坚实大数据战略的公司开始落后的一年。在技术方面,我看到实时数据分析会显著增加,以及越来越多地使用机器学习算法。”
还有许多来自业界的权威人士对2016年的大数据发展进行了大胆的预测,有喜有忧,那么下面我们就来看看都有哪些值得我们关注的预测。
1 数据平民崛起
甲骨文 公司预测一种新型用户:数据平民(Data Civilian)会崛起。该公司称:“虽然复杂的数据统计可能仍依赖于数据科学家,但数据驱动的决策不会是这样。在未来一年,更简单的大数据发现工具让业务分析员可以寻找企业Hadoop集群中的数据集,将它们重新做成新的混搭组合,甚至运用探索性机器学习方法来分析它们。”
2 大数据会“消亡”
Nucleus Research公司公开发表了不同意见,预测我们所知道的大数据会消亡。该公司称:“在过去两年,每家公司及其人员似乎都推出了某种形式的大数据解决方案。是该告别新奇事物综合征(shiny object syndrome)的时候了。用户会像对待任何数据那样对待和访问大数据,而不是着手解决大数据分析这个既庞大又艰巨的任务。”
3 数据科学将大放光彩
数据科学咨询公司Profusion首席执行官Mike Weston预测,数据科学在银行界会大放光彩。他说:“金融业是率先采用数据科学技术和方法的行业之一。不过,所有银行服务公司采用数据科学的步调远远没有统一。2016年,预计这种局面会有所改变。更好地利用数据和服务个性化会从金融市场进入到零售银行领域。这会给市场营销、客户服务和产品开发带来深远影响。”
4 首席数据官成为“新宠儿”
Blazent 公司首席技术官办公室负责人Michael Ludwig认为,首席数据官(CDO)会成为信息技术领域的“新宠儿”,永远让办公室政治更显错综复杂。他表示:“正是由于大数据很复杂,又需要完整而准确的数据,首席数据官会变得越来越重要。因而,首席技术官和首席信息官需要给首席数据官让出地方,除非确立了明确界定的角色并成立了相关团队,否则高层管理团队中会出现紧张局势。”
5 合并兴起的关键年
许多人预计2016年大数据领域会出现激动人心的事情。Logi Analytics公司的解决方案工程和服务副总裁Charles Caldwell却不这么认为:“如果我展望2016年,并不觉得会出现许多激动人心的事情。其他厂商已给出了云计算、视觉分析和移动等方面的预测,但是那些大多是旧趋势。在我看来,2016年会是合并兴起和为下一大热门技术打基础的一年。”
6 大数据泄密事件频发
大数据领域的“沮丧的黛比”(Debbie Downer)奖授予了BlueTalon公司的首席执行官Eric Tilenius,因为他预测,大企业爆出大数据泄密事件的步伐可能会加快。他说:“2016年,缺乏统一的数据治理,可能会导致企业界迄今面临的最大的安全方面冲击,这相当于移动技术的问世给传统企业边界带来的冲击。依赖支离破碎的方法来控制数据访问,即面对不断变化的数据格局采用不一致的政策,只会在企业数据保护方面留下大漏洞。”
7 Hadoop将处于十字路口
2016年,Hadoop将处于十字路口,它会往哪个方向走?Altiscale公司的首席运营官Mike Maciag给出了他的预测:“2016年,我们会看到Hadoop行业标准得到巩固。2015年年初,我们看到开放数据平台计划(ODPi)正式启动,该计划制定了标准,为大数据生态系统的关键项目如何协同运行指明了方向。由于标准化给客户带来的好处变得更加显而易见,ODPi的成员数量在这一年翻番。我们预计,2016年Hadoop会得到更大的发展和认可,让新的技术和应用程序得以满足由ODPi制定的Hadoop生态系统标准。”
8 物联网2.0出现
Zebra Technologies公司预测:“我们会看到物联网2.0出现。物联网市场会由过去的闭源、专有的第一代解决方案,变成更成熟、基于行业标准、可灵活适应的解决方案。借助开源方法,企业组织能够从数量更多的服务提供商及其各自的API当中作一个选择。”
9 后稀缺经济日渐兴起
OpenText公司首席执行官Mark Barrenechea预测,物联网可能预示着后稀缺经济(post-scarcity economy)日渐兴起。他说:“可以将算法想象成这种应用程序,对物联网及我们生活中方方面面的数十亿个互联设备生成的彼此关联的海量信息进行大数据分析。拥有数据、分析数据、改进和创新成为企业成功的关键,而这一切得益于互联数字化社会。”
10 外包大行其道
大数据服务提供商Absolutdata公司首席执行官Anil Kaul预测,外包在2016年会大行其道。他说:“我们可以从大数据获得众多有价值的信息,可是访问这些信息颇具挑战性,而且通常不在平常的商业智能范围之内。如今许多公司在与第三方合作,制定并执行大数据分析策略。将外部专家整合到大数据团队中,也许是公司在这个迅速变化的领域保持领先一步的最佳途径。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师 出品 作者:李诗怡 1. 销售漏斗阶段判断 题目:销售漏斗模型中,通过广告、社交媒体等方式触达品牌信息(如浏览品 ...
2026-09-07在Python数据分析中,Pandas库的DataFrame是最核心、最常用的结构化数据表对象,类似于Excel的二维表格,具备规整的行列结构、字 ...
2026-09-07在数据分析、经营复盘、业绩预测与经济统计工作中,平均增速(平均增长率)是衡量数据长期变化趋势、业务发展快慢的核心指标。不 ...
2026-09-07 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-09-07随着大数据技术的快速发展,商业竞争逐步从传统的经验式经营转变为数据驱动的精细化运营。海量的用户行为数据、交易数据、运营数 ...
2026-09-04CDA数据分析师 出品 作者:李诗怡 1. 波士顿矩阵(BCG Matrix) 定义: BCG于1970年提出的业务组合分析工具,以"市场增长率"(纵 ...
2026-09-04 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-09-04数据透视表是Excel与Power BI中最核心的数据分析工具,具备快速汇总、维度拆分、动态筛选的能力,可高效完成数据归类与统计展示 ...
2026-09-03在Power BI数据分析可视化场景中,堆积柱状图+折线图是最常用的复合图表组合。堆积柱状图适合展示各细分维度当期数值、结构占比 ...
2026-09-03 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-09-03CDA数据分析师 出品 作者:李诗怡 一、8个核心数据清洗函数 1. TRIM:一键清除多余空格(最常用) 作用:仅保留文本中"单词/字 ...
2026-09-02数据分析的核心并非单纯操作工具、整理报表或绘制图表,而是依靠科学的思维逻辑挖掘数据价值、解释业务现象、指导经营决策。在完 ...
2026-09-02在社会经济、产业研究、区域治理与大数据实证分析中,面板数据是最具研究价值的数据类型。面板数据同时包含截面维度与时间维度信 ...
2026-09-02 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-09-02在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31