京公网安备 11010802034615号
经营许可证编号:京B2-20210330
2014年关于大数据的12个预言:至少会有一家NoSQL公司成功上市
大数据是2013年的最热门词汇之一,但是2014年大数据将会如何演变呢?美国CIO.com网站从12各方面对来年大数据技术和市场的发展及演变做出了自己的预测。
“大数据”已成为2013年使用频率最高的技术热词之一。相应的市场也在这一年中出现了迅速增长。和大数据相关的Hadoop及其生态系统已经从原先只有非常天才的程序员和工程师才会使用的技术变成了数据科学家们的常用工具。越来越多的企业开始拥抱大数据技术,并将大数据应用引入生产环境中。
那么,2014年的大数据将会如何发展呢?这里给出的便是大数据明年可能划出的12个预言轨迹。
2014年,“大数据”作为一个技术热词的吸引力将会消散,人们会更关注大数据本身的价值所在。例如Gainsight公司就在其IaaS平台中利用大数据分析提供所谓“客户成功管理”服务。Gainsight相信,在2014年,每家云应用提供商都将会在其后端的基础设施中支持大数据。
云环境并非大数据技术唯一可以一显身手的地方。2014年,Hadoop将会从数据批处理和存储转向通用目的的计算基础设施,从而成为企业数据架构的核心组件。这意味着数据分析将会继续成为大数据的首要应用。
各类企业正计划认真对待其客户们在与产品客服以及在线客服互动时所留下的所谓数字“面包屑”痕迹,并从中寻找到有价值的内容。而为了实现这一目的,数据分析能力就必须越出BI团队的藩篱,能够为整个企业提供商业价值。
2014年,用于市场营销的数据分析和大数据也会成为一个大年,影响着广告、产品推销和消费者的行为。这些方面的一些关键创新时刻估计将会在世界杯和冬季奥运会期间出现。
让各业务部门的分析师从事大数据和数据分析,这将比高薪聘请数据科学家更重要。此举将会压低数据科学技能导致的过高薪水。
IEEE的专业分会认为,2014年,万物互连——可识别的物体无缝集成到信息网络中——将会让位给真正的物联网。而物联网将会充分发挥移动设备和传感器观察并监控其周边环境的能力,增强现实世界中的物体与其Web副本之间的协同性。
物联网将会生成大量与现实世界相关的数据,因而会要求智能化的解决方案在现实世界与相对应的数字世界资源之间赋予连接性、网际互连和相关性。
数据的规模、速度和种类(volume、velocity and variety)在2014年将会继续呈指数级发展,因此更需要一些简单的分析工具来驾驭这些“数据洪流”。
IEEE称,“正是这3个V让大数据成了非常难以制服的老虎。技术世界如今还跟不上培训数据科学家,为各行各业提供易用工具的庞大需求,尚无能力将各行业收集到的数据转换成有意义的洞察力。而目前已经出现的巨量数据时代更要求在数据管理和分析方面采用新的范式和实践。2014年,竞争就将在这一领域中展开。”
基于R编程语言的分析是专为数据科学家用于统计分析的,这种分析功能2014年将成为主流,逐渐让传统的编程环境如SAS和SPSS边缘化。
目前有超过200万用户和300万的分析师们都在寻找更好的解决方案。R语言恰逢其时。
来年我们将会看到各种交互应用——Web应用、移动应用、社交应用等的大爆发,它们均基于Hadoop平台构建,可与人们实时交互,实时SQL-on-Hadoop数据库厂商Splice Machine的联合创始人兼CEO Monte Zweben说。
“2014年将会出现实时的大数据应用平台,”Zweben称。“我们不再只用今天去分析昨天的数据了。你可以分析5分钟之前,甚至1分钟之前的数据了。企业必须得有交互式应用,以便进行实时的决策。”
2014年,Hadoop将会在安全、运营管理、资源管理和多点复制方面发展得更好,从而获得企业更多的信赖,Zweben说。
“企业所需要的各种东西Hadoop逐渐都会有,”他说。“而且这些大数据平台也会变得更加规范和标准化。我认为这将会成为一大要点。”
大数据平台的商用被广泛认可的标志就是,至少会有一家Hadoop或NoSQL提供商在2014年成功上市,为大数据和云环境提供安全解决方案的Gazzang的总裁兼CEO Larry Wamock做出了这样的预测。
2014年,一个新的数据和分析堆栈将会与数据库、分析和虚拟化等新的解决方案一起出现,这将会对传统。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据技术飞速迭代、数字营销竞争日趋激烈的今天,“精准触达、高效转化、成本可控”已成为企业营销的核心诉求。传统广告投放 ...
2026-04-24在游戏行业竞争白热化的当下,用户流失已成为制约游戏生命周期、影响营收增长的核心痛点。据行业报告显示,2024年移动游戏平均次 ...
2026-04-24 很多业务负责人开会常说“我们要数据驱动”,最后却变成“看哪张报表数据多就用哪个”,往往因为缺乏一套结构性的方法去搭建 ...
2026-04-24在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20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%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16