
2014年关于大数据的12个预言:至少会有一家NoSQL公司成功上市
大数据是2013年的最热门词汇之一,但是2014年大数据将会如何演变呢?美国CIO.com网站从12各方面对来年大数据技术和市场的发展及演变做出了自己的预测。
“大数据”已成为2013年使用频率最高的技术热词之一。相应的市场也在这一年中出现了迅速增长。和大数据相关的Hadoop及其生态系统已经从原先只有非常天才的程序员和工程师才会使用的技术变成了数据科学家们的常用工具。越来越多的企业开始拥抱大数据技术,并将大数据应用引入生产环境中。
那么,2014年的大数据将会如何发展呢?这里给出的便是大数据明年可能划出的12个预言轨迹。
2014年,“大数据”作为一个技术热词的吸引力将会消散,人们会更关注大数据本身的价值所在。例如Gainsight公司就在其IaaS平台中利用大数据分析提供所谓“客户成功管理”服务。Gainsight相信,在2014年,每家云应用提供商都将会在其后端的基础设施中支持大数据。
云环境并非大数据技术唯一可以一显身手的地方。2014年,Hadoop将会从数据批处理和存储转向通用目的的计算基础设施,从而成为企业数据架构的核心组件。这意味着数据分析将会继续成为大数据的首要应用。
各类企业正计划认真对待其客户们在与产品客服以及在线客服互动时所留下的所谓数字“面包屑”痕迹,并从中寻找到有价值的内容。而为了实现这一目的,数据分析能力就必须越出BI团队的藩篱,能够为整个企业提供商业价值。
2014年,用于市场营销的数据分析和大数据也会成为一个大年,影响着广告、产品推销和消费者的行为。这些方面的一些关键创新时刻估计将会在世界杯和冬季奥运会期间出现。
让各业务部门的分析师从事大数据和数据分析,这将比高薪聘请数据科学家更重要。此举将会压低数据科学技能导致的过高薪水。
IEEE的专业分会认为,2014年,万物互连——可识别的物体无缝集成到信息网络中——将会让位给真正的物联网。而物联网将会充分发挥移动设备和传感器观察并监控其周边环境的能力,增强现实世界中的物体与其Web副本之间的协同性。
物联网将会生成大量与现实世界相关的数据,因而会要求智能化的解决方案在现实世界与相对应的数字世界资源之间赋予连接性、网际互连和相关性。
数据的规模、速度和种类(volume、velocity and variety)在2014年将会继续呈指数级发展,因此更需要一些简单的分析工具来驾驭这些“数据洪流”。
IEEE称,“正是这3个V让大数据成了非常难以制服的老虎。技术世界如今还跟不上培训数据科学家,为各行各业提供易用工具的庞大需求,尚无能力将各行业收集到的数据转换成有意义的洞察力。而目前已经出现的巨量数据时代更要求在数据管理和分析方面采用新的范式和实践。2014年,竞争就将在这一领域中展开。”
基于R编程语言的分析是专为数据科学家用于统计分析的,这种分析功能2014年将成为主流,逐渐让传统的编程环境如SAS和SPSS边缘化。
目前有超过200万用户和300万的分析师们都在寻找更好的解决方案。R语言恰逢其时。
来年我们将会看到各种交互应用——Web应用、移动应用、社交应用等的大爆发,它们均基于Hadoop平台构建,可与人们实时交互,实时SQL-on-Hadoop数据库厂商Splice Machine的联合创始人兼CEO Monte Zweben说。
“2014年将会出现实时的大数据应用平台,”Zweben称。“我们不再只用今天去分析昨天的数据了。你可以分析5分钟之前,甚至1分钟之前的数据了。企业必须得有交互式应用,以便进行实时的决策。”
2014年,Hadoop将会在安全、运营管理、资源管理和多点复制方面发展得更好,从而获得企业更多的信赖,Zweben说。
“企业所需要的各种东西Hadoop逐渐都会有,”他说。“而且这些大数据平台也会变得更加规范和标准化。我认为这将会成为一大要点。”
大数据平台的商用被广泛认可的标志就是,至少会有一家Hadoop或NoSQL提供商在2014年成功上市,为大数据和云环境提供安全解决方案的Gazzang的总裁兼CEO Larry Wamock做出了这样的预测。
2014年,一个新的数据和分析堆栈将会与数据库、分析和虚拟化等新的解决方案一起出现,这将会对传统。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29