京公网安备 11010802034615号
经营许可证编号:京B2-20210330
2017大预测:大数据、物联网与人工智能
物联网、大数据和人工智能,无疑是2017最被期待的几大趋势。每个人都在谈论这些趋势,但真正发生了什么?我们将分为上下两篇来一一解读这些预测。今天分享的是大数据、物联网领域、人工智能的一些预测分析。
毫无疑问,物联网、大数据和人工智能,无疑是2017最被期待的几大趋势。从仍然处于分散状态的物联网到计算范式的快速波动,再到人工智能正在如何重塑我们的生活方式,每个人都在谈论这些趋势,但真正发生了什么?
以下是您需要怎样理解这些趋势,并如何从一个消费者的角度面对它们引领的未来。
大数据
按照Wikipedia的定义,大数据是一个数据集,它异常庞大或复杂,传统的数据处理应用软件完全不足以应对。由于数据集非常庞大,所面临的挑战包括抓取、存储、分析、数据管理、搜索、共享、传输、可视化、查询、更新和信息隐私等等。大数据的价值在于可以进一步用于参考预测分析,用户行为分析,高级数据方法(包括人工智能),而不仅仅停留在数据集的大小本身。
2017年,期待区块链技术应用的出现,特别是在分类帐系统中以代码编写的智能契约合同。这些通常比传统合同更安全和不可逆转,但同时在引用和执行这些合同时产生更高效率。
另外,数据自助服务解决方案的兴起也将使普通架构的公司能够分析其数据,而无需建立数据科学部门。这对于没有预算雇用数据科学家的中小企业来说是非常有价值的,要知道数据科学家在2016年是非常抢手的职业。
hadoop的使用也迅速下降,这个框架允许大型数据集的分布式处理,因为雇用必要的人才来支持这个框架在内部被证明是具有挑战性的。在云上使用应用程序来减少数据中心的支出成为更优化的选择,因而数据自助服务模式也更受欢迎。
研究公司Gartner Inc.在其数据分析数据管理解决方案魔力象限中指出“由于灵活性,敏捷性和运营定价模式,预期正在转向云作为替代部署选项。”
因此,由于更多的公司能够为员工提供从结构化和非结构化数据获得的正确知识,所以可以期待非公司高管人员同样更容易洞察公司的运营情况。
这是一把双刃剑,但随着大数据技术的发展,高管们的期望将是立即获得数据,而不是等待批量分析报告。因此,在对近乎实时产生的数据做出可行性分析产生的压力也随之而来。
物联网
福布斯将物联网描述为连接任何具有开启和关闭功能的设备(和/或彼此)的概念。这就是说,只要设备具有开关,就可能将其配置为物联网的一部分。
想象“智能家居”设备,如智能锁,当它检测到你的手机在附近时,就自动解锁;或者在检测到有移动时,自动开灯。
在2016年,我们看到来自许多具有类似解决方案的供应商的新突破。在2017年,我们预测这些供应商中的一些将战胜另一些,这意味着市场上只留下少数供应商。随着供应商的减少,我们预计监管和标准化也将发挥更大作用。与此同时,安全问题也将日益凸显,早在去年,乌克兰西部的一个电网就遭到了来自IoT网络的攻击破坏;关于无人驾驶汽车遭遇黑客的研究也引发了关注,所以2017年,物联网领域的安全问题可能有新动向和突破。
我们预测,两个主要领域的应用可能将成为物联网的焦点,即智能城市和智能家居。在智能家居部分,由于带宽是任何IoT技术工作的先决条件,预计今年网络管理网格或类似网状产品将有简易化的趋势。
这正是非营利蓝牙特别兴趣小组品牌和开发商营销副总裁Errett Kroeter所希望的,“目前网格划分的其他一些标准是难以设立的。我们的目标是保持网状网络简单,以便人们真正想要使用它们。”
物联网的发展,并与其他产生大量数据的设备和系统相结合,正在加速让人工智能成为现实,让人们得以真正从海量信息中创造出意义和价值。
人工智能
人工智能,在字典里的定义是机器模拟智能的人类行为的能力。虽然我们在2016年已经看到了AI的大幅进步,但我们预测2017将迎来AI的一个爆发。去年,我们看到亚马逊的Alexa已经能够以跟人对话的方式表现人工智能,而现在,Alexa已经进入了超过五百万个家庭。你可以向Alexa询问天气,或让Ta帮你叫车等等。这意味着,去年,AI已经进入主流用户的实际应用阶段。
然而,医疗行业人工智能的发展还有很多。专注于医疗健康AI领域的创业公司从2012年的20个增长到2016年的近70个。显然,值得重点注意的有iCarbonX,旨在建立数字生活的生态系统,以实现个性化的健康管理系统,和Flatiron Health,旨在通过组织化数据对付癌症,帮助肿瘤学家提高护理质量。
在医疗健康领域的技术巨头飞利浦,目前大约有百分之六十的研究人员,开发人员和软件工程师正在致力于医疗信息学领域的创新工作,其中大部分人员正在研究人造智能在当前和未来医疗创新中的应用。
医疗健康人工智能应用趋势主要集中在成像和诊断,人工智能可以帮助您发现人们看不到的微妙细节和图像变化。这越来越成为一个拥挤的行业细分。使用大数据集,帮助预防健康人群和处于慢性病危险中人群的健康恶化也是一个重点领域。
飞利浦首席创新和策略官Jeroen Tas认为“AI有助于放射科医师为病例准备相关信息,并确定患者状况的微妙变化。另一个领域是重症监护病房,人工智能可以帮助确定急性发作的早期迹象,或是心脏骤停等急性发作。
Tas也声称“可以通过将遗传信息与病理学、医学图像、实验室结果、家族史数据和之前的治疗相结合,而创建更丰富的患者图片。这些数据可以在AI的帮助下进行组织,从而有助于帮助临床医生做出更准确的诊断,并支持个性化的治疗。”
软件工程师、设计师和其他领域专家组成的多学科团队似乎已经为放射科医师创建并推出了首个经过验证的应用程序。在远程病人监护中,人工智能可以实现虚拟护理,包括虚拟护理助理等工作。
2017与未来
物联网、大数据和人工智能都在不断精进和取得突破,并且越来越接近商业模式和大众化应用。而当它们进入普通人的日常生活时,三个趋势将进一步融合和交叉,从而提供更强大、流畅、符合实际应用的产品。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19