
2017年大数据、云计算、物联网发展趋势
2017年开始,物联网将会成为企业重大变革之一。许多公司在物联网上看到了巨大的机遇,一方面可以通过提高生产质量和可靠性来增强与客户之间的关系,另一方面降低成本和一些不必要的风险。公司通过使用恰当的物联网模式,来获得更多新客户和更优的洞察力,并且可以提高顾客满意度。
首先让我们探讨一下,在2017年物联网将会对业务和技术带来哪些影响?
(1)物联网和区块链的聚合
区块链(Blockchain)现在不仅仅是一个概念,除了“金融科技”(FinTech)它在许多领域都有应用,包括物联网。许多专家认为,区块链技术是解决物联网中可扩展性、隐私和可靠性的缺失环节。
区块链技术可用于跟踪数十亿联网设备,并且能够完成设备之间的处理和协调事务;对物联网行业制造商来说,能够很好的节约成本。这种分散的方法可以消除单点故障,为设备运行创建一个富有弹性的生态系统。区块链所使用的加密算法可以让消费者的数据更加安全。在2017年,物联网将会和区块链技术融合,来提供更优越的安全性来保护隐私。这对应用程序、硬件和人才来说都是打开了新世界的大门。
(2)物联网设备和更多的DDoS攻击
Forrester认为,最近发生在美国的1600个网站DDoS攻击事件只是冰山一角,如果涉及到更多的连网设备,那将会对世界造成威胁。这次攻击事件证实了,物联网设备在巨大的分布式拒绝服务攻击(DDoS)下的脆弱性。
在美国当地时间2016年10月21日,造成了许多服务器瘫痪,如Twitter,NetFlix,纽约时报(NYTimes)和PayPal。这次攻击范围巨大,包括数百位网站和恶意软件,其中Dyn是这次主要受害者。“这次来源主要是一个被Mirai僵尸网络感染的设备”。所有迹象表明,无数的物联网设备包括摄像机、智能家居等日常用电设备都可能被恶意软件劫持,来攻击服务器。
(3)物联网和许多移动设备
物联网正在为当前和新兴市场为企业创造更多新的机会,来提高竞争优势。它触及一切领域——不仅仅是数据,还有收集数据的方式、时间和地点。创造物联网技术,不只是为了改变互联网,而是要改变连接互联网的东西。更多移动设备会出现,从家用电器到汽车、智能手表和虚拟助手。所有这些连接着的设备都将会提供丰富的数据流,该数据流将会连接产品和消费者来实现交互。
(4)物联网、人工智能和软件容器
在物联网下,人工智能可以帮助公司拥有的数十亿数据点用到真正有意义的地方。一般前提是与应用程序一致——先审查分析你手机的数据,从中找出可以学习的模式和相似之处,以便进行更优的决策。
2017年将会看到分布在云服务、边缘设备和网关上的物联网软件。你还会见证,建立在微服务((Microservices)一种程序开发方法)和软件容器(轻量级虚拟化)上的物联网解决方案,可以在分布式构架上工作。此外,机器学习云服务和人工智能都会在物联网上提取有用数据。
(5)物联网和连接技术
可以通过Wi-Fi,蓝牙,低功率Wi-Fi,Wi-Max,以太网,LTE和最近兴起的技术Li-Fi(使用光作为包括传感器的典型网络的不同部分之间的通信介质)来将物联网上不同的部分连接到传感器上。在2017年新的无线连接技术将会接受测试,比如3GPP、NB-IoT、LoRaWAN和Sigfox。将会迫使物联网决策者来评估这20多种无线连接协议,这一切都是建立正确的新连接标准的一步。
(6)物联网和人才短缺
物联网项目的开展,包括智慧城市和工业设施,将会面临一段人才短缺的时期。更麻烦的是,找到足够人手来保障物联网安全更是一个挑战。
(7)物联网和新商业模式
目前还没有一个完善的物联网商业模式,这成为商业投资和营销的巨大动机,当然也会成为泡沫。这种商业模式必须满足电子上午的所有要求——垂直市场、横向市场和消费级市场。新的商业模式需满足消费者共享设备的成本要求,降低成本使得用户拥有更加体验。2017年将会看见智能市场加入新的类别。一个关键点就是捆绑服务,包括服务和产品。例如亚马逊的一款产品Alexa,如果没有语音识别、流媒体音乐和预订Uber服务,那它就是一款普通的无线扬声器而已。
未来的路
物联网是一个日益复杂的生态系统。生活中下一代自动化或者新技术都会使物联网的实现变得更加容易和便捷,对应的,我们在家中、工作中和生活中的方方面面都会得到改善。从冰箱到停车场再到智能房屋,物联网将会给我们数字化生活带来更多内容,在不久的将来,物联网将会成为一个数万亿美元的产业。
离我们最近的就是“物联网服务”技术,并应用到生活中创造无限可能性。但实现这个梦想还是要很长一段路,我们需要克服很多障碍才能看见这个技术的好处。
大数据在2017年发展的8个预测
又到了年终岁尾时,业界权威市场研究和咨询机构Ovum公司日前估计,大数据市场规模将从2016年的17亿美元增长到2020年的94亿美元。随着市场的增长,企业的挑战正在转变,对人们的技能需求正在改变,而大数据服务供应商的景观也在风云变幻。2017年将是大数据专业人士更为忙碌的时刻。以下是一些来自相关行业观察家和技术专家对大数据在2017年的发展预测。
1、对数据科学家的需求将减弱
组织对数据科学家的需求正在减弱,Ovum公司在其关于大数据趋势的报告中表示。该研究公司引用了来自Indeed.com的数据,显示了组织在过去四年对数据科学家的需求。同时,大学正在培养更多的拥有数据科学证书的大学毕业生。
“谁招募这些潜在客户?很可能,排除在线数字业务,在全球2000强以外的一些少数企业会招募他们,但却很少有人会想到如何使用数据科学家。”Ovum公司指出,“对于大量依赖于打包分析的组织来说,不需要数据科学家本身,而是需要应用数据科学的应用程序或工具。
2、使数据科学成为团队运动将成为重中之重
Ovum公司警告,数据科学家和数据工程师在企业中扮演不同的角色:数据科学家关注数据形成和测试假设,而数据工程师选择数据集,提供集群,并优化他们的生产算法。没有协作,数据科学家开发的模型和假设就会遇到陷入风险之中。
“真正的需要是让数据科学家和数据工程师更好地连接,以确保数据科学家在他或她的笔记本电脑上编写和测试的模型正确地部署在集群上合适的数据集。”Ovum写道。
同时,机器学习正在嵌入企业软件和工具,用于整合和准备数据,这也给企业带来压力,确保他们的数据科学家和业务分析师密切合作。“如果模型仍然在数据科学家的领导下,企业将无法获得机器学习的全部价值。”Ovum公司表示,“重叠的趋势将是协作环境,其中业务分析师和数据科学家可以在计划,部署,以及执行机器学习模型中共享工作流。”
3、将会有更多的压力来保持数据本地化
全球律师事务所Morrison&Foerster预测将加强隐私法,旨在将数据保存在各国境内。
Morrison&Foerster律师事务所全球隐私+数据安全小组主席MiriamWugmeister说,“预计将会出台更多的数据本地化法律,在最近的发展中,如俄罗斯数据本地化法律得到了俄罗斯法院支持,中国最近也通过自己的数据本地化法律。其他国家将在未来一年内采取行动。
4、企业将努力通过数据获利
研究机构IDC公司警告说,企业必须投入更多的生产资料产生数据,但它不会是容易做到,许多企业将错过机会。
IDC公司在名为“IDCFutureScape:全球CIO2017年议程预测”的报告中写道:“尽管商业领袖希望企业努力成功创造有意义的产品和收入来源。那些取得成功的企业将以坚实的IT战略和数据导向服务为基础:数据采集;运输,转型和储存;分析和仪表板;数据作为产品/服务;以及安全和访问控制。
而IDC提供的指导性建议是,IT领导者“建立一个由IT和业务人员组成的创新团队,审查现有和未来的应用程序/系统,以获得可能的结果数据货币化。”
5、数据湖将最终变得有用
“许多早期采用数据湖的企业花费了大量资金,不仅购买了低成本存储和流程,而且还收集了大量服务,以便汇总和提供大量数据相关和发现以获得更好的见解。”,数据管理供应商Reltio公司首席营销官RamonChen说。企业所面临的挑战一直在寻找有能力理解信息的人;使数据湖能够向操作应用程序提供输入,并从操作应用程序接收实时更新的数据;弥合主要数据管理和运行应用程序,分析数据仓库和数据湖之间的差距。
“现有的大数据项目意识到需要一个可靠的数据基础,而新的项目被整合到一个整体的数据管理战略中,数据湖可能会在2017年履行他们的承诺。”RamonChen预测。
6、并购活动将加快进程
Reltio公司首席营销官RamonChen说,“毫无疑问,人工智能、机器学习、深度学习等新技术得到了企业的关注。”所有交易的关键驱动因素是对人工智能专家的需求。“由于被收购的大多数初创公司的运营历史很短,这些举措是尽可能招募到数量有限的人工智能专家。”他说,并预计在未来一年,行业厂商将会开展更加积极的并购活动。
7、对物联网架构师的需求将飙升
根据研究机构IDC公司的数据,到2020年,物联网(IoT)市场规模预计将达到1.46万亿美元。因为规模激增,因此也将需要大量熟练的物联网专家。
“物联网架构师的作用将使数据科学家们成为人力资源部门最有价值的独角兽。物联网的浪潮将会让边缘计算和物联网操作设计激增。”数据和分析供应商Teradata公司物联网技术营销专家DanGraham预测,届时,数以千计的简历将在一夜之间更新。“此外,不到10%的企业意识到他们需要一个物联网分析架构师,而物联网系统架构师将成为一个独特的物种。因此,能够为物联网设计分布式和中央分析的软件架构师的市场价值将飙升。”请加工业智能化微信号:robotinfo学习工业智能化知识
8、流式分析将会获得重生
“分析运动中的数据并不是什么新鲜事,因为事件处理程序已经存在了近20年。”Ovum公司表示。但是有很多因素正在将实时流技术从利基技术转变为更具广泛吸引力的技术。例如,开源技术使实时流更加容易访问,也为可扩展的商品基础设施带来可用性,Ovum公司指出。在需求方面,物联网正在加强企业对可以实时感测,分析和响应的流应用程序的兴趣。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15