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
在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 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 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21