
大数据:商业或技术的挑战
大数据已经被证明是一个重要的趋势,并且对来年的大数据市场进行了很多的预测。现实情况是,客户将最终决定大数据的发展趋势,也将决定使用哪些技术解决方案来解决他们的独特业务问题。
在如今由数据驱动发展的世界里,企业为了保持竞争力,大数据已成为它们必须解决问题。就像云计算发展在过去的几年中的起起伏伏,它现在已经开始促使企业改变其基础设施建设,以应对复杂的挑战。根据最近的一项研究表明,大数据的数量预计将在2013年增加约60%,这个问题预计不会很快消失。
所以应该能看到,企业在2013年会面对大数据带来的商业或技术方面的挑战。我们可以肯定一件事——在2013年,无论是大数据方面的技术变革还是公司董事会在产业上的决策,都将产生变化。
预测1:企业大数据主动从Sandbox迁出,并定义一套明确的业务和技术需求
在2012年,企业在大数据上面的主动升级,超过了大多数人的预测。根据对世界上300个大企业的研究显示,数据量预计将在2013年增加约60%。13%的受访者表示他们对大数据的准备已经到位。另外有38%的公司有了实施计划。
企业正在形成专门的大数据团队,对很多人来说这在预算上已经成为一系列的项目,因为企业需要继续寻找更好的方法来管理、存储和分析他们持续增长的、必须保持在线的、可用于分析的数据据资产。我们将会看到更多明确定义的需求开始出现——无论是在业务方面还是在IT方面,如低成本的可扩展性、快速响应的查询和分析,以及充分利用现有的基于标准的工具(包括SQL和BI)的能力等。这是除了内置的安全性和数据可用性功能外,企业期待出现的功能。
预测2:公司在管理大数据时将寻求除了Hadoop以外新的技术组合
过去一年,Hadoop的势头越来越猛。Hadoop通过Web 2.0组织的推广,现在受到了银行、金融机构、电信运行商、大型零售商和其他企业的重视。然而,大数据的举措不仅集中在Hadoop平台。
业务和IT的挑战在于在不同的部门甚至于不同的公司之间组合使用各种不同的技术协调工作。企业部署私有云来管理数据财产与传统的数据库和数据仓库环境这两者的结合,以及在各种硬件上运行的Hadoop基础环境。所有企业大数据项目的一个共同的主题是渴望可以快速启动和运行而不会造成干扰到现有的IT环境。
预测3:预算限制是解决大数据挑战的最大障碍之一
大数据的支出正在上升,在未来一年,成本问题仍将是启动大数据项目时最大的一个障碍之一。根据最近的一项分析报告显示,大数据支出在2013年预计达到340亿美元。这些支出一方面是因为某些特殊行业组织由于行业的特殊性,必须保持数据在线和可用性;另一方面是由于企业想要利用来自多个源的数据的更多的信息,以进行更好的分析。这需要进行一个适当的平衡——在满足业务需求的同时,寻找最高效的技术基础设施——是一个挑战。
大数据的增长速度不会减慢。现有需求和未来需求的建设能力是至关重要的。太多太快不是要走的路,大数据并不一定意味着大笔的预算。
预测4:大数据工具必须同时满足业务和技术用户
在2013年,我们将看到大数据工具和应用程序的需求增长,它们将变得更容易使用,并且将同时满足业务和技术用户。如果你深入了解下Hadoop的基础技术能力,就会看到其在许多方面仍不成熟,需要独特的专业技能。我们已经看到了许多解决这方面的需求的新产品,包括Cloudera Impala和微软Polybase。事实上,今天已经存在的一些功能,使其更容易在正确的时间用最好的工具集访问正确的数据。
预测5:重量级厂商,如甲骨文和IBM,将会大数据市场进行收购
在过去一年,随着大数据市场的成熟,大型组织已经接受了大数据。我们预计,一些缺乏独特的技术能力或专业知识的厂商将会在2013年被收购。两个明显的重量级厂商是甲骨文和IBM——它们已经在数据管理领域构建了多样化的产品。但更应该看到,产品上市时间是企业获得更强大的立足点的关键。
聚光灯下的大数据
随着越来越需要利用大数据扩大自身竞争优势,以及创新产品的兴起,会改变企业存储、管理和分析他们的最重要的资产——数据。使企业找到一个更有效和更符合成本效益的管理PB级别的数据环境的方式。在接下来的12个月里,数据管理将会是关注的焦点,因为它是每个公司都要面对的问题。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01