京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在业务数据分析中,按天拆分统计夜间时段的数据是高频需求——比如电商夜间订单监测、平台夜间用户活跃度分析、运维系统夜间异常 ...
2026-07-29在机器学习建模与特征工程实践中,判断不同特征对模型预测效果的贡献度,是特征筛选、模型解释、业务归因的核心环节。特征置换重 ...
2026-07-29 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-07-29【核心关键词】岗位、数字化、经验、课程、方法论、决策、企业、大方向、数据分析、销售管理、理论知识、思维方式、分析销售、 ...
2026-07-28在问卷调研、用户分群、效果对比等业务数据分析中,分类变量的关联性与差异性验证是高频需求。卡方检验作为针对离散分类数据的经 ...
2026-07-28 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, ...
2026-07-28在Excel数据分析与报表制作中,数据透视表是快速完成多维度汇总、分组统计的核心工具。很多从业者在得到透视表汇总结果后,为了 ...
2026-07-27 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”“ ...
2026-07-27当下,我们已然步入数据要素价值全面释放的智能时代。数据不再只是零散的数字记录,更是驱动新质生产力运转的核心动能、滋养人工 ...
2026-07-27【核心关键词】客户、数据分析、指标体系、数据采集、数据指标、业务数据、分析思路、业务需求、分析方法 【专访摘要】本次 CDA ...
2026-07-24在数据分析、业务建模与数字化运营体系中,原始业务数据普遍存在缺失、重复、异常、口径不一致等质量问题,直接用于分析与建模会 ...
2026-07-24 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 ...
2026-07-24在数据驱动的精细化运营体系中,指标是业务判断、效果复盘、策略优化的核心依据。随着企业数据化程度提升,指标数量持续膨胀,但 ...
2026-07-23在用户运营与产品增长体系中,留存是衡量产品真实价值与用户粘性的核心标尺,也是决定用户生命周期价值、获客投产比的底层因素。 ...
2026-07-23 很多数据分析师精通Excel、SQL、Python等工具,但当被问到“面对一个具体的业务问题,该用什么分析方法”“描述性分析和诊断 ...
2026-07-23【核心关键词】埋点、产品、互联网、数据库、决策、数据分析、产品经理、商业模式、移动互联网、指标体系、运营模块、大数据平 ...
2026-07-22在高并发、大数据量的业务系统中,单表数据量达到千万级甚至亿级后,会出现查询性能骤降、索引维护成本飙升、存储扩容困难等问题 ...
2026-07-22 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 ...
2026-07-22在金融风控、企业运营、行业研究等数据分析场景中,大量数据以面板数据形态存在:例如多家分支机构连续多个季度的风险指标、多位 ...
2026-07-21 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-07-21