京公网安备 11010802034615号
经营许可证编号:京B2-20210330
2016年大数据技术将迎来怎样的发展态势?预计机器学习、实时数据即服务、算法市场以及Spark等等都将成为发展热点。
1.首席数据官全面崛起
随着企业努力克服由变化带来的冲击,同时需要立足于数字化时代与竞争对手进行对抗,相信将有更多企业将关注重点放在新的高管职位——首席数据官(简称CDO)身上。而这类角色也将成为推动业务发展战略的中坚力量。
“首席数据官将迎来权力、声明以及……存在感,”Forrester研究公司企业架构首席分析师兼副总裁pian Hopkins在一篇博文中写道。“不过从长远角度看,这一职能角色的可行性尚存在疑问。某些类型的企业,例如数字原住民,可能无法通过任命CDO获得回报。”
2. 支撑业务用户
受到大数据人才短缺以及必要商业信息交付能力匮乏的影响,市场需要更多分析师及数据科学家补充进来,并利用更多工具与相关功能将信息直接交付给对应的用户群体。举例来说,微软与Salesforce双方最近各自公布了此类方案,旨在帮助非程序员用户创建应用以审查商业数据。
3.智能化嵌入
无代码编写要求的应用已经成为企业需要重视的一种可行方案,旨在简化业务用户获取所需信息的流程。不过还将有另一些成果不断涌现,即在企业内各应用程序中直接嵌入分析功能。IDC公司预测称,到2020年将有半数商业分析软件包含以认知计算功能为基础的规范性分析能力。
而着眼于宏观角度,Gartner公司指出“自主性主体与方案”将成为另一大新兴趋势,目前已经出炉的相当方案包括机器人、自动驾驶车辆、虚拟个人助手以及智能顾问等等。
“在未来五年当中,我们将迎来所谓后应用时代,届时各智能化主体将带来动态及背景关联行为及接口,”Gartner公司副总裁兼研究员David Cearley在一份声明当中指出。“IT领导者们应当探索如何利用自主性方案及主体以强化人类活动并承接部分原本必须要以人工方式完成的任务。”
4.人才短缺问题能否得到解决?
还在苦苦寻求出色的数据科学家?相信我,其它企业也面临着同样的困扰。最近由商业咨询企业A.T. Kearney公司发布的一份报告显示,72%的全球领先企业都表示自己很难招聘到合格的数据科学人才。
不过国际分析协会则预测称,随着企业逐步采取新型战术思路,人才短缺的问题可能会在2016年年内得到缓解。
“大型企业不会再过多纠结于人才短缺问题了,”该组织在其预测与优先级展望报告中提到。“相反,他们开始采取一些其它办法解决危机,包括出台新的大学课程、改善招聘流程并建立内部规程,从而培养现有员工掌握分析与数据科学。如此一来,迫切希望实现数据分析能力的企业将最终得偿所愿。”
与此同时,IDC公司发布报告指出,这种人员短缺问题将由数据科学家领域延伸至数据架构以及数据管理层面。这将推动大数据相关专业服务业务从目前到2020年获得高达23%的年均复合增长率。
5.机器学习迎来上扬态势
所谓机器学习,可以理解为创建相关算法以帮助计算机通过经验实现学习,而其也成功吸引到了众多希望利用自动化手段取代以往人工处理流程的企业的高度关注。分析企业Ovum公司预测,机器学习将在2016年当中成为“数据准备与预测分析工作的必要前提”。
而Gartner方面则着眼于下个阶段,将先进机器学习技术视为最重要的未来战略趋势。这家分析企业宣称,机器学习中的各类先进表现形式名为深度神经网络,其能够创造系统并学会自行认知世界。“这一领域发展迅速,而各企业也必须评估自身要如何运用这些技术以取得竞争优势。”
6. 人人都爱Spark
分析企业Ovum公司指出,SQL将在大数据分析工作中获得“至高无上”的地位,但Spark的崛起速度同样非常惊人。“Spark将作为SQL的补充性方案,为我们提供额外的结论获取途径,例如实现图形分析流并帮助开发人员利用自己所熟悉的语言对企业数据库内的数据流进行查询,”Ovum公司首席分析师Tony Baer在一篇博文当中写道。
7.数据即服务业务模式即将出现
IBM公司刚刚收购了Weather公司,而获取后者数据、数据流以及预测分析方案的实质在于着眼于未来。各企业需要将数据流即服务打包成为新的业务模式。也有一部分企业着眼于相关软件包并出售自己的数据。Forrester公司预测称,部分企业将凭借这项发展战略获得市场成功,但“大部分无法取得实质性进展。尽管拥有乐观的承诺,但大多数企业其实很难解决个人信息保护以及对应商业模式所带来的复杂性难题,”Forrester公司副总裁pian Hopkins在他的个人博客当中写道。
8. 实时分析结论
Forrester公司预测数据流提取与分析将在2016年年内成为数字化领域胜出企业们的必要能力。
“将数据转化为实际行动的通道非常狭窄。在未来12个月当中,将有更多立足于Kafka及Spark等开源项目的开源数据流分析方案不断涌现,”Forrester公司副总裁pian Hopkins在博文中写道。
9.算法市场的兴起
这是Forrester公司提出的另一项预测。“各企业将意识到很多算法与其自行开发,不如通过市场购买,而后直接向其中添加数据即可,”Forrester公司的pian Hopkins写道。他同时列出了目前已经出现的几种此类服务,包括Algorithmia、Data Xu以及Kaggle。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据处理的全流程中,数据呈现与数据分析是两个紧密关联却截然不同的核心环节。无论是科研数据整理、企业业务复盘,还是日常数 ...
2026-03-06在数据分析、数据预处理场景中,dat文件是一种常见的二进制或文本格式数据文件,广泛应用于科研数据、工程数据、传感器数据等领 ...
2026-03-06在数据驱动决策的时代,CDA(Certified Data Analyst)数据分析师的核心价值,早已超越单纯的数据清洗与统计分析,而是通过数据 ...
2026-03-06在教学管理、培训数据统计、课程体系搭建等场景中,经常需要对课时数据进行排序并实现累加计算——比如,按课程章节排序,累加各 ...
2026-03-05在数据分析场景中,环比是衡量数据短期波动的核心指标——它通过对比“当前周期与上一个相邻周期”的数据,直观反映指标的月度、 ...
2026-03-05数据治理是数字化时代企业实现数据价值最大化的核心前提,而CDA(Certified Data Analyst)数据分析师作为数据全生命周期的核心 ...
2026-03-05在实验检测、质量控制、科研验证等场景中,“方法验证”是确保检测/分析结果可靠、可复用的核心环节——无论是新开发的检测方法 ...
2026-03-04在数据分析、科研实验、办公统计等场景中,我们常常需要对比两组数据的整体差异——比如两种营销策略的销售额差异、两种实验方案 ...
2026-03-04在数字化转型进入深水区的今天,企业对数据的依赖程度日益加深,而数据治理体系则是企业实现数据规范化、高质量化、价值化的核心 ...
2026-03-04在深度学习,尤其是卷积神经网络(CNN)的实操中,转置卷积(Transposed Convolution)是一个高频应用的操作——它核心用于实现 ...
2026-03-03在日常办公、数据分析、金融理财、科研统计等场景中,我们经常需要计算“平均值”来概括一组数据的整体水平——比如计算月度平均 ...
2026-03-03在数字化转型的浪潮中,数据已成为企业最核心的战略资产,而数据治理则是激活这份资产价值的前提——没有规范、高质量的数据治理 ...
2026-03-03在Excel办公中,数据透视表是汇总、分析繁杂数据的核心工具,我们常常通过它快速得到销售额汇总、人员统计、业绩分析等关键结果 ...
2026-03-02在日常办公和数据分析中,我们常常需要探究两个或多个数据之间的关联关系——比如销售额与广告投入是否正相关、员工出勤率与绩效 ...
2026-03-02在数字化运营中,时间序列数据是CDA(Certified Data Analyst)数据分析师最常接触的数据类型之一——每日的营收、每小时的用户 ...
2026-03-02在日常办公中,数据透视表是Excel、WPS等表格工具中最常用的数据分析利器——它能快速汇总繁杂数据、挖掘数据关联、生成直观报表 ...
2026-02-28有限元法(Finite Element Method, FEM)作为工程数值模拟的核心工具,已广泛应用于机械制造、航空航天、土木工程、生物医学等多 ...
2026-02-28在数字化时代,“以用户为中心”已成为企业运营的核心逻辑,而用户画像则是企业读懂用户、精准服务用户的关键载体。CDA(Certifi ...
2026-02-28在Python面向对象编程(OOP)中,类方法是构建模块化、可复用代码的核心载体,也是实现封装、继承、多态特性的关键工具。无论是 ...
2026-02-27在MySQL数据库优化中,索引是提升查询效率的核心手段—— 面对千万级、亿级数据量,合理创建索引能将查询时间从秒级压缩到毫秒级 ...
2026-02-27