同時，隨著基于無監(jiān)督學(xué)習(xí)的產(chǎn)品的傳播和改善，看看它們與數(shù)據(jù)科學(xué)家之間的關(guān)系如何演變將非常有趣—將來這兩者是敵還是友呢?AI 當(dāng)然不會很快取代數(shù)據(jù)科學(xué)家的位置，但預(yù)計會看到數(shù)據(jù)科學(xué)家通常執(zhí)行的更簡單一點的工作越來越多的自動化，從而可以極大提高生產(chǎn)力。
但不管怎樣，AI/ 機(jī)器學(xué)習(xí)絕不是大數(shù)據(jù)分析唯一值得關(guān)注的趨勢。大數(shù)據(jù) BI 平臺的普遍成熟及其日益增強(qiáng)的實時能力也是一個令人興奮的趨勢(如 SiSense、Arcadia Data 等)。
大數(shù)據(jù)應(yīng)用：真正的加速
隨著一些核心基礎(chǔ)設(shè)施的挑戰(zhàn)得到解決，大數(shù)據(jù)應(yīng)用層正在快速構(gòu)建。
在企業(yè)內(nèi)部，已經(jīng)出現(xiàn)了各種工具來幫助跨多個核心職能的企業(yè)用戶。比方說，銷售和營銷的大數(shù)據(jù)應(yīng)用通過處理大規(guī)模的內(nèi)外部數(shù)據(jù)來幫助找出哪位客戶可能會購買、續(xù)約或者流失，且速度越來越實時化?？头?yīng)用幫助個性化服務(wù)。人力應(yīng)用幫助找出如何吸引和挽留最好的員工等。
專門的大數(shù)據(jù)應(yīng)用幾乎在任何一個垂直行業(yè)都有出現(xiàn)，從醫(yī)療保健(尤其是基因組學(xué)和藥物研究)到金融、時尚乃至于執(zhí)法(如 Mark43)。
有兩個趨勢值得強(qiáng)調(diào)一下。
首先，這些應(yīng)用很多都是 “大數(shù)據(jù)原生” 的，本身都是依托在最新的大數(shù)據(jù)技術(shù)基礎(chǔ)上開發(fā)的，代表了一種客戶無須部署底層大數(shù)據(jù)技術(shù)即可利用大數(shù)據(jù)的有趣方式—因為那些底層技術(shù)已經(jīng)是打包的，至少對于特定功能來說是這樣的。比方說，ActionIQ 就是在 Spark 基礎(chǔ)上開發(fā)的(或者說是 Spark 的一個派生)，所以它的客戶能夠在營銷部門利用 Spark 的威力而不需要自己部署 Spark，這種情況下是沒有 “裝配線” 的。
其次，AI 在應(yīng)用層也有很強(qiáng)大的存在。比方說，在貓捉老鼠的安全領(lǐng)域中，AI 被廣泛用來對付黑客，實時識別和對抗網(wǎng)絡(luò)攻擊。去年已經(jīng)出現(xiàn)了一個 AI 驅(qū)動的數(shù)字助手行業(yè)，支持從任務(wù)自動化到會議安排(如 x.ai)以及購物等幾乎一切事情。這些解決方案對 AI 的依賴程度不一，從幾乎 100%自動化到 “有人參與” 等情況各不相同，但是可以明確的是，人的能力在 AI 幫助下得到了增強(qiáng)。
結(jié)論
從很多方面來看，我們?nèi)匀惶幵诖髷?shù)據(jù)現(xiàn)象的早期發(fā)展階段。盡管已經(jīng)花費了數(shù)年時間，但減少基礎(chǔ)設(shè)施來存儲和處理大規(guī)模數(shù)據(jù)還只是第一階段。AI/ 機(jī)器學(xué)習(xí)已經(jīng)成為大數(shù)據(jù)應(yīng)用層的一股迅猛趨勢。大數(shù)據(jù)與 AI 的結(jié)合將會推動很多行業(yè)的驚人創(chuàng)新。從這個角度來說，大數(shù)據(jù)的機(jī)會也許要比大家想象的還要大。
然而，隨著大數(shù)據(jù)繼續(xù)走向成熟，這個術(shù)語本身可能會消失，或者變得太過時以至于沒有人會再使用這個詞。這就是成功賦能技術(shù)令人諷刺的命運歸宿—由于技術(shù)的廣泛傳播，然后到達(dá)無所不在的地步，最后被人熟視無睹。