京公网安备 11010802034615号
经营许可证编号:京B2-20210330
2016年大数据技术将迎来怎样的发展态势?预计机器学习、实时数据即服务、算法市场以及Spark等等都将成为发展热点。
1.首席数据官全面崛起
随着企业努力克服由变化带来的冲击,同时需要立足于数字化时代与竞争对手进行对抗,相信将有更多企业将关注重点放在新的高管职位——首席数据官(简称CDO)身上。而这类角色也将成为推动业务发展战略的中坚力量。
“首席数据官将迎来权力、声明以及……存在感,”Forrester研究公司企业架构首席分析师兼副总裁pian Hopkins在一篇博文中写道。“不过从长远角度看,这一职能角色的可行性尚存在疑问。某些类型的企业,例如数字原住民,可能无法通过任命CDO获得回报。”
2. 支撑业务用户
受到大数据人才短缺以及必要商业信息交付能力匮乏的影响,市场需要更多分析师及数据科学家补充进来,并利用更多工具与相关功能将信息直接交付给对应的用户群体。举例来说,微软与Salesforce双方最近各自公布了此类方案,旨在帮助非程序员用户创建应用以审查商业数据。
3.智能化嵌入
无代码编写要求的应用已经成为企业需要重视的一种可行方案,旨在简化业务用户获取所需信息的流程。不过还将有另一些成果不断涌现,即在企业内各应用程序中直接嵌入分析功能。IDC公司预测称,到2020年将有半数商业分析软件包含以认知计算功能为基础的规范性分析能力。
而着眼于宏观角度,Gartner公司指出“自主性主体与方案”将成为另一大新兴趋势,目前已经出炉的相当方案包括机器人、自动驾驶车辆、虚拟个人助手以及智能顾问等等。
“在未来五年当中,我们将迎来所谓后应用时代,届时各智能化主体将带来动态及背景关联行为及接口,”Gartner公司副总裁兼研究员David Cearley在一份声明当中指出。“IT领导者们应当探索如何利用自主性方案及主体以强化人类活动并承接部分原本必须要以人工方式完成的任务。”
4.人才短缺问题能否得到解决?
还在苦苦寻求出色的数据科学家?相信我,其它企业也面临着同样的困扰。最近由商业咨询企业A.T. Kearney公司发布的一份报告显示,72%的全球领先企业都表示自己很难招聘到合格的数据科学人才。
不过国际分析协会则预测称,随着企业逐步采取新型战术思路,人才短缺的问题可能会在2016年年内得到缓解。
“大型企业不会再过多纠结于人才短缺问题了,”该组织在其预测与优先级展望报告中提到。“相反,他们开始采取一些其它办法解决危机,包括出台新的大学课程、改善招聘流程并建立内部规程,从而培养现有员工掌握分析与数据科学。如此一来,迫切希望实现数据分析能力的企业将最终得偿所愿。”
与此同时,IDC公司发布报告指出,这种人员短缺问题将由数据科学家领域延伸至数据架构以及数据管理层面。这将推动大数据相关专业服务业务从目前到2020年获得高达23%的年均复合增长率。
5.机器学习迎来上扬态势
所谓机器学习,可以理解为创建相关算法以帮助计算机通过经验实现学习,而其也成功吸引到了众多希望利用自动化手段取代以往人工处理流程的企业的高度关注。分析企业Ovum公司预测,机器学习将在2016年当中成为“数据准备与预测分析工作的必要前提”。
而Gartner方面则着眼于下个阶段,将先进机器学习技术视为最重要的未来战略趋势。这家分析企业宣称,机器学习中的各类先进表现形式名为深度神经网络,其能够创造系统并学会自行认知世界。“这一领域发展迅速,而各企业也必须评估自身要如何运用这些技术以取得竞争优势。”
6. 人人都爱Spark
分析企业Ovum公司指出,SQL将在大数据分析工作中获得“至高无上”的地位,但Spark的崛起速度同样非常惊人。“Spark将作为SQL的补充性方案,为我们提供额外的结论获取途径,例如实现图形分析流并帮助开发人员利用自己所熟悉的语言对企业数据库内的数据流进行查询,”Ovum公司首席分析师Tony Baer在一篇博文当中写道。
7.数据即服务业务模式即将出现
IBM公司刚刚收购了Weather公司,而获取后者数据、数据流以及预测分析方案的实质在于着眼于未来。各企业需要将数据流即服务打包成为新的业务模式。也有一部分企业着眼于相关软件包并出售自己的数据。Forrester公司预测称,部分企业将凭借这项发展战略获得市场成功,但“大部分无法取得实质性进展。尽管拥有乐观的承诺,但大多数企业其实很难解决个人信息保护以及对应商业模式所带来的复杂性难题,”Forrester公司副总裁pian Hopkins在他的个人博客当中写道。
8. 实时分析结论
Forrester公司预测数据流提取与分析将在2016年年内成为数字化领域胜出企业们的必要能力。
“将数据转化为实际行动的通道非常狭窄。在未来12个月当中,将有更多立足于Kafka及Spark等开源项目的开源数据流分析方案不断涌现,”Forrester公司副总裁pian Hopkins在博文中写道。
9.算法市场的兴起
这是Forrester公司提出的另一项预测。“各企业将意识到很多算法与其自行开发,不如通过市场购买,而后直接向其中添加数据即可,”Forrester公司的pian Hopkins写道。他同时列出了目前已经出现的几种此类服务,包括Algorithmia、Data Xu以及Kaggle。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
随着大数据技术的快速发展,商业竞争逐步从传统的经验式经营转变为数据驱动的精细化运营。海量的用户行为数据、交易数据、运营数 ...
2026-09-04CDA数据分析师 出品 作者:李诗怡 1. 波士顿矩阵(BCG Matrix) 定义: BCG于1970年提出的业务组合分析工具,以"市场增长率"(纵 ...
2026-09-04 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-09-04数据透视表是Excel与Power BI中最核心的数据分析工具,具备快速汇总、维度拆分、动态筛选的能力,可高效完成数据归类与统计展示 ...
2026-09-03在Power BI数据分析可视化场景中,堆积柱状图+折线图是最常用的复合图表组合。堆积柱状图适合展示各细分维度当期数值、结构占比 ...
2026-09-03 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-09-03CDA数据分析师 出品 作者:李诗怡 一、8个核心数据清洗函数 1. TRIM:一键清除多余空格(最常用) 作用:仅保留文本中"单词/字 ...
2026-09-02数据分析的核心并非单纯操作工具、整理报表或绘制图表,而是依靠科学的思维逻辑挖掘数据价值、解释业务现象、指导经营决策。在完 ...
2026-09-02在社会经济、产业研究、区域治理与大数据实证分析中,面板数据是最具研究价值的数据类型。面板数据同时包含截面维度与时间维度信 ...
2026-09-02 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-09-02在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31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 ...
2026-08-31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