京公网安备 11010802034615号
经营许可证编号:京B2-20210330
物联网超越大数据成为最热门技术_数据分析师
据福布斯中文网消息,市场调研公司高德纳(Gartner)在上周发布了最新的新兴技术成熟度曲线(Hype Cycle for Emerging Technologies)。去年,大数据享有至高无上的地位,处于高德纳所说的“期望膨胀高峰期”。但现在,大数据已经跌入“幻灭的低谷期”。物联网取而代之,占据了成熟度曲线的最高点。在2012年和2013年,高德纳的分析师们认为,物联网还需要10年以上的时间才会达到“生产率稳定期”。但今年,他们认为物联网只需要5到10年时间就会达到这个最终成熟阶段。高德纳表示:“在我们、我们客户和我们合作伙伴的商业和IT版图上,物联网正成为一个充满活力的组成部分。”
今年成熟度曲线上的一个新面孔是“数据科学”,预计它将在2到5年时间里达到稳定期。与其说它是一项或一套具体的技术,不如说是一个处理大数据的学科。值得指出的是,盖特纳仍然认为大数据还有5到10年时间才会达到稳定期。盖特纳在《成熟度曲线特别报告》(Hype Cycle Special Report)中写道:“虽然对大数据的兴趣依然不减,但它已经离开高峰期,因为该市场已经安定下来,有了一整套合理的方法,新的技术和实践被添加进现有方案。”这话似乎说得有点过早,在某种程度上与5到10年才会成熟的判断相矛盾,这说明高德纳并不是完全确信该市场已经“安定下来”。
物联网超越大数据成为最热门技术
特别报告是高德纳编写的免费文档,很好地概述了“119个领域里2,000项技术、服务和趋势的市场推广和价值认知”。高德纳分析了从2013年到2014年在成熟度曲线上所处位置、达到稳定期所需时间、曝光度和采纳度方面变化最大的技术、服务和学科,发现他们所说的“力量的四条纽带(社交、移动、云端和信息)”与成熟度曲线高峰期部分里那些变化最明显的技术高度相关。高德纳特别指出,数字业务和物联网是对成熟度曲线早期阶段具有很大影响力的两个趋势。
与分析学和移动基础设施一样,物联网也是从创新的萌芽期(成熟度曲线的第一个阶段)向期望膨胀后的高峰期迅速移动的推动力之一。例如,分析能力和工具即服务——盖特纳称之为商业分析平台即服务(baPaaS)——向上移动了12个位次。另一个例子是信息技术(IT)与运营技术(OT)的融合移动了9个位次。盖特纳表示,IT与OT的融合是指标准化IT技术越来越多地用于OT供应商的产品,IT与OT的结合是组织机构对这些变化的反应。越来越多的可用数据和越来越复杂的相关分析是成熟度曲线中某些趋势迅速崛起的推动力。
对于高德纳对新兴技术起伏的判断,皮尤研究中心(Pew Research Center)的互联网、科学和技术研究主管李·雷尼(Lee Rainie)作出了如下评价:“虽然成熟度曲线不是严格地以数据为基础,但高德纳分析师们对技术采纳状况作出的判断常常与其他优秀观察者的看法相一致。在特定创新应该处于曲线什么位置的问题上,有时会有争议,但该曲线所勾勒的总体趋势很少受到质疑。”
2014年标志着新兴技术成熟度曲线这个有用的工具已经问世20周年。该工具旨在跟踪人们对技术和商业创新的周期性兴趣爆发和经常性失望的起起伏伏。高德纳副总裁兼著名分析师贝特西·伯顿(Betsy Burton)谈到了成熟度曲线作为跟踪创新及其商业影响力如何逐渐演变的工具,以及2014年版的新变化。伯顿说:“很多时候,我们看到的是人们的注意力从支持信息、应用、云端系统和大数据的基础设施,转向我们如何运用云计算、大数据和社交的某些能力来解决现实的商业问题。我们正目睹人们的注意力从技术本身转向将这项技术实际运用到现实的商业需求和商业成果中。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07