京公网安备 11010802034615号
经营许可证编号:京B2-20210330
2018年值得关注的5个大数据趋势
随着大数据系统日益高效,每年的大数据趋势变得更具开创性。根据调研机构Forrester Research最近发布的营销报告,随着组织的领导者开始意识到大量使用大数据技术所需的工作量,人工智能(AI)正在超越其流行术语的阶段。研究报告指出,实施人工智能来实现目标需要精确的部署、规划和治理。尽管如此,该报告预测随着大数据趋势进一步倾向于人工智能,该技术将有巨大的改进。实际上,Forrester公司预计将重新设计数据分析和管理角色,这将改变智能交付物流和创建新的信息市场。这种预测很有可能发生,因为多达70%的企业计划在2018年实施人工智能技术,比去年增加了50%以上。
然而,最近“福布斯”杂志发布的一篇文章从另一个角度看待人工智能的发展。这篇文章将人工智能作为一种资源,向消费者提供建议,为供应商提供暂定条款,并在工作场所引导员工,无需人工干预。该文章还预测,人工智能将对非结构化信息提供可操作的分析,这些信息可与大数据系统解析的结构化信息源的评估相媲美。此外,更多企业可以在未来几个月内获得使用数百TB的现有非结构化数据的能力。然而,2018年也是许多拥有这种信息量的公司(通常称为数据湖)将要求人工智能计划的投资回报的一年,如果资源不能产生可量化的改进,则可能会取消投资回报。
这只是对今年的人工智能和大数据发展提供了一个管窥。以下五个趋势让人们更加了解对2018年大数据发展的预期:
趋势1:增强网络安全
在法规要求的推动下,医疗护理提供商以惊人的速度推进了电子健康记录的实施。不幸的是,医疗保健网络安全违规行为一直在增长。事实上,近90%的医疗服务提供者在过去两年中都经历过数字安全漏洞的攻击,每个漏洞平均成本损失为220万美元。
由于特定医疗信息的高价值,网络攻击者为此被吸引。这种情况将会让医院承担失去患者信任的风险,迫使医疗护理提供商为他们的数字领域提供安全支持。
趋势2:改善社区警务
在美国,犯罪率在过去20年急剧下降。执法人员将这种改进归功于1994年推出的一种名为CompStat的大数据技术。该系统分析美国各地的统计数据,帮助警察更好地了解和打击犯罪。尽管有了这些重大改进,但官员们认为CompStat仍然没有发挥其全部潜力。当工程师们提供额外的能力时,将会有更多的改进,这使得警察部门能够监控过度使用武力的数据,并帮助预防犯罪。
趋势3:扩展的物联网(IoT)
如今,从家用电器到高级安全系统的各种电子设备都连接到互联网,并共享实时数据。这些连接的设备组合起来形成物联网(IoT)。物联网现在正在发展成为吸引企业注意力的成熟资源。到2021年,物联网支出预计将攀升至6万亿美元,分析师预测未来几年将出现大量敏感的智能网络设备。这一发展已经为企业使用人工智能和大数据解决方案利用物联网产生的信息洪流奠定了基础。事实上,分析师预测,2018年至2030年间,物联网将为全球生产总值贡献15万亿美元。
趋势4:大众的人工智能
人工智能正在超越企业巨头的唯一权限。一种新的“即插即用”人工智能业务解决方案即将上市并已被许多组织使用。这项创新技术包括广泛使用的聊天机器人和关键搜索引擎思想者等应用程序。
专家预测,大约75%的开发人员将在2018年年底之前将人工智能技术应用到他们的工作中。微软和亚马逊在开发Gluon网络项目方面的合作促进了这种趋势发展,它是一个用于人工智能开发者的开源的、易于使用的学习资源。由于这种透明度,大数据技术的市场已经接近340亿美元的收入。
趋势5:促进新职业角色的发展
首席数字官(CDO)的角色在2018年将具有更多的权重。目前,数据是全球最有价值的资源之一,首席数字官(CDO)的职责包括从数据中提取价值,更接近企业的行政领导人。资金来源相对于其组织规模而言较小的首席数字官(CDO)将面临在未来一年提出必要的可衡量和可行的结果方面的挑战。幸运的是,这些专业人员将拥有人工智能的灵活性和大数据分析的基础,以推动这项事业的发展成为现实。首席数字官(CDO)具有睿智和敏锐的能力,利用人工智能开发结构化的和非结构化的大数据集,为所有业务单元提供解决方案,将获得最有前途的职业发展。
企业、非营利组织和政府机构必须了解是什么因素激励消费者和客户,因为他们的需求和愿望会随着时间的推移而发生变化。正因为如此,大数据加上人工智能技术将比以往更加趋向研发的前沿,为组织利益相关者提供可行的报告,这些报告是从大量专有数据中获得的。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在机器学习建模、数据预处理、抽样划分、模型初始化训练的全流程中,随机种子是控制实验随机性、保证结果可复现、提升模型稳定性 ...
2026-08-04Python作为面向对象的主流编程语言,核心编程体系由变量、方法、类三大基础要素构成。三者层层递进、相互协作,支撑起所有基础代 ...
2026-08-04 很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问 ...
2026-08-04为什么学习数据分析? 当下,我们已然步入数据要素价值全面释放的智能时代。数据不再只是零散的数字记录,更是驱动新质生产力运 ...
2026-08-03CDA等级认证证书有效期为三年,三年进行一次年审,主要考察CDA持证人的职业发展情况;学历、工作单位及职业变更情况;继续教育 ...
2026-08-03【核心关键词】金融、岗位、企业、算法、知识、专业、理论、课程、软件、数据分析、业务类型、应用场景、经营管理、大型企业、 ...
2026-08-03在日常数据分析、业务报表复盘、业绩预测工作中,平均增长率是衡量数据长期变化趋势的核心指标,广泛用于营收增长、用户增长、销 ...
2026-08-03很多人把统计学理解为“一堆公式和计算”,却忽略了它的本质——一门让数据“开口说话”的科学。真正的数据分析高手,不是会算平 ...
2026-08-03在数据指标体系搭建工作中,从业者常困惑于指标搭建的核心逻辑:究竟是依托一线零散数据自下而上汇总指标,还是基于战略目标自上 ...
2026-07-31在数据分析、问卷研究、实验复盘、业务建模的工作中,大多数人最关注的是“用什么统计方法”:是做T检验、方差分析、卡方检验, ...
2026-07-31 许多数据分析师精通Excel函数和SQL查询,但当面对一张上万行的销售明细表,要快速回答“哪个地区销量最高”“哪款产品增长最 ...
2026-07-31在问卷调研的数据分析流程中,“先检验信效度,再开展进阶统计分析”是通用的规范逻辑。很多从业者会听到“问卷效度高,后续可以 ...
2026-07-30【核心关键词】大数据、统计学、专业、毕业生、论文、课程、计算机、建模、知识、数据分析、机器学习、数据科学、大数据技术、 ...
2026-07-30 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-07-30在业务数据分析中,按天拆分统计夜间时段的数据是高频需求——比如电商夜间订单监测、平台夜间用户活跃度分析、运维系统夜间异常 ...
2026-07-29在机器学习建模与特征工程实践中,判断不同特征对模型预测效果的贡献度,是特征筛选、模型解释、业务归因的核心环节。特征置换重 ...
2026-07-29 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 ...
2026-07-29【核心关键词】岗位、数字化、经验、课程、方法论、决策、企业、大方向、数据分析、销售管理、理论知识、思维方式、分析销售、 ...
2026-07-28在问卷调研、用户分群、效果对比等业务数据分析中,分类变量的关联性与差异性验证是高频需求。卡方检验作为针对离散分类数据的经 ...
2026-07-28 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, ...
2026-07-28