认识达内从这里开始

2017年最大的惊喜之一是，许多人在接近与BI相关的大数据挑战时，仍然保持着传统的思维模式。近十年来，我们已经清楚像关系数据库这样的传统技术，无法处理大数据的数据量或者不断增加的项目服务用户数量。在数据平台方面，诸如供应商收入(上市公司)快速增长的证据表明，企业了解现代平台技术的需求;然而，这些经验教训还没有完全跨越到BI和分析方面。今年，BI供应商不是参加企业最初的大数据旅程，而是在对传统商务智能在大数据方面尝试失败之后进行清理，这一点表现得特别好。

我们还看到了另一个围绕Hadoop的惊喜。领先的提供商和行业会议开始淡化甚至放弃对Hadoop的引用，我们可以看到一些重要的推动组织停止专注于某种特定的技术。这种转变至少在一定程度上是为了避免把大数据工具夸大为灵丹妙药。这是一个奇怪又令人惊讶的转变，因为Hadoop在大数据部署方面仍然是一个不断增长的核心技术。与任何大数据工具一样，成功的关键在于公司正确实施技术的能力。

在2017年，企业终于开始掌握如何使用数据和分析解决方案，以此来利用对其核心业务有意义的数据来驱动最终结果和收入。发生了很多“合并”现象。

2017年，商界领袖对数字之旅的担忧达到了狂热的程度。戴尔公司对4000名全球商业领袖的调查显示，45%的人担心他们的业务将在三到五年内过时; 48%的人不确定他们的行业在三年内会是什么样子;和78%(几乎所有人)都感受到了数字初创业公司的威胁。

我对于人们进入后Hadoop世界的速度感到惊讶，他们正在寻找构建复杂的(企业级)大数据系统方法，这些系统可以在现实世界中提供价值。 Io-Tahoe首席技术官，Rohit Mahajan

数据量猛增是2017年的重头戏之一，企业客户数量急剧增加。与此同时，这些组织正在寻求解决方案，以便真正了解数据。全球的企业和IT管理人员都在努力利用他们的组织数据，他们看到了数据的巨大价值，但同时，他们也对这样做所需花费的时间和预算而感到沮丧。此外，许多人同样担心即将出台的GDPR(通用数据保护条例)要求会加剧目前的挑战，这进一步激发了他们寻求发现和治理解决的方案。

就我个人而言，我认为4月份的Cloudera IPO是大数据和分析的重大事件。这显示了企业持续的大数据动力。

在流处理市场中，对于使用流处理框架方面的混乱。出现了Apache Flink、Spark Streaming、Kafka Streams和其他替代方案，所有这些方面都提供了类似的功能。使用这些框架的企业正在绞尽脑汁的做出决策。

2017年是云分析大发展的一年。我们甚至看到，即使是最受管制的行业，也在利用技术和成本效益进行云分析。

自动化和AI辅助技术在决策中的发展速度和位置。过去六个月里，机器学习和人工智能技术取得了显着的进步。这种自动化将对分析的使用产生深远的影响;为用户提供简单的见解。

研究表明，使用分析的领导者数量在增长。2017年的分析正处于增长数字化创新频谱的交叉路口，物联网、传感器、流媒体数据、机器学习、区块链和业务数据网络相结合，为业务加速增长提供机会。

来源：网络大数据

版权归原作者所有。如有侵权，请在第一时间联系我们，我们一定会及时处理。