京公网安备 11010802034615号
经营许可证编号:京B2-20210330
2018年值得关注的5个大数据趋势
随着大数据系统日益高效,每年的大数据趋势变得更具开创性。根据调研机构Forrester Research最近发布的营销报告,随着组织的领导者开始意识到大量使用大数据技术所需的工作量,人工智能(AI)正在超越其流行术语的阶段。研究报告指出,实施人工智能来实现目标需要精确的部署、规划和治理。尽管如此,该报告预测随着大数据趋势进一步倾向于人工智能,该技术将有巨大的改进。实际上,Forrester公司预计将重新设计数据分析和管理角色,这将改变智能交付物流和创建新的信息市场。这种预测很有可能发生,因为多达70%的企业计划在2018年实施人工智能技术,比去年增加了50%以上。
然而,最近“福布斯”杂志发布的一篇文章从另一个角度看待人工智能的发展。这篇文章将人工智能作为一种资源,向消费者提供建议,为供应商提供暂定条款,并在工作场所引导员工,无需人工干预。该文章还预测,人工智能将对非结构化信息提供可操作的分析,这些信息可与大数据系统解析的结构化信息源的评估相媲美。此外,更多企业可以在未来几个月内获得使用数百TB的现有非结构化数据的能力。然而,2018年也是许多拥有这种信息量的公司(通常称为数据湖)将要求人工智能计划的投资回报的一年,如果资源不能产生可量化的改进,则可能会取消投资回报。
这只是对今年的人工智能和大数据发展提供了一个管窥。以下五个趋势让人们更加了解对2018年大数据发展的预期:
趋势1:增强网络安全
在法规要求的推动下,医疗护理提供商以惊人的速度推进了电子健康记录的实施。不幸的是,医疗保健网络安全违规行为一直在增长。事实上,近90%的医疗服务提供者在过去两年中都经历过数字安全漏洞的攻击,每个漏洞平均成本损失为220万美元。
由于特定医疗信息的高价值,网络攻击者为此被吸引。这种情况将会让医院承担失去患者信任的风险,迫使医疗护理提供商为他们的数字领域提供安全支持。
趋势2:改善社区警务
在美国,犯罪率在过去20年急剧下降。执法人员将这种改进归功于1994年推出的一种名为CompStat的大数据技术。该系统分析美国各地的统计数据,帮助警察更好地了解和打击犯罪。尽管有了这些重大改进,但官员们认为CompStat仍然没有发挥其全部潜力。当工程师们提供额外的能力时,将会有更多的改进,这使得警察部门能够监控过度使用武力的数据,并帮助预防犯罪。
趋势3:扩展的物联网(IoT)
如今,从家用电器到高级安全系统的各种电子设备都连接到互联网,并共享实时数据。这些连接的设备组合起来形成物联网(IoT)。物联网现在正在发展成为吸引企业注意力的成熟资源。到2021年,物联网支出预计将攀升至6万亿美元,分析师预测未来几年将出现大量敏感的智能网络设备。这一发展已经为企业使用人工智能和大数据解决方案利用物联网产生的信息洪流奠定了基础。事实上,分析师预测,2018年至2030年间,物联网将为全球生产总值贡献15万亿美元。
趋势4:大众的人工智能
人工智能正在超越企业巨头的唯一权限。一种新的“即插即用”人工智能业务解决方案即将上市并已被许多组织使用。这项创新技术包括广泛使用的聊天机器人和关键搜索引擎思想者等应用程序。
专家预测,大约75%的开发人员将在2018年年底之前将人工智能技术应用到他们的工作中。微软和亚马逊在开发Gluon网络项目方面的合作促进了这种趋势发展,它是一个用于人工智能开发者的开源的、易于使用的学习资源。由于这种透明度,大数据技术的市场已经接近340亿美元的收入。
趋势5:促进新职业角色的发展
首席数字官(CDO)的角色在2018年将具有更多的权重。目前,数据是全球最有价值的资源之一,首席数字官(CDO)的职责包括从数据中提取价值,更接近企业的行政领导人。资金来源相对于其组织规模而言较小的首席数字官(CDO)将面临在未来一年提出必要的可衡量和可行的结果方面的挑战。幸运的是,这些专业人员将拥有人工智能的灵活性和大数据分析的基础,以推动这项事业的发展成为现实。首席数字官(CDO)具有睿智和敏锐的能力,利用人工智能开发结构化的和非结构化的大数据集,为所有业务单元提供解决方案,将获得最有前途的职业发展。
企业、非营利组织和政府机构必须了解是什么因素激励消费者和客户,因为他们的需求和愿望会随着时间的推移而发生变化。正因为如此,大数据加上人工智能技术将比以往更加趋向研发的前沿,为组织利益相关者提供可行的报告,这些报告是从大量专有数据中获得的。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24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