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
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27