社交、移動(dòng)和云、分析以及相關(guān)的數(shù)據(jù)技術(shù)已經(jīng)在數(shù)字時(shí)代贏得一席之地。2016年我們看到大數(shù)據(jù)技術(shù)不斷給商業(yè)智能注入活力。2017年則是數(shù)據(jù)和分析的沉淀階段。
John Schroeder, MapR科技(MapR Technologies)的執(zhí)行主席和創(chuàng)始人預(yù)測(cè)了他對(duì)2017年數(shù)據(jù)及分析方面的六大趨勢(shì)
· 人工智能(AI)將再度盛行 早在60年代,Ray Solomonoff 奠定了人工智能的數(shù)學(xué)理論基礎(chǔ),引入通用貝葉斯原理(Bayesian)來(lái)歸納推理和預(yù)測(cè)。1980年,美國(guó)人工智能協(xié)會(huì)(American Association for Artificial Intelligence,AAAI)的第一次全國(guó)會(huì)議在斯坦福大學(xué)召開(kāi),其標(biāo)志著在軟件中理論應(yīng)用的開(kāi)始。Schroeder認(rèn)為AI如今和一些熱詞如機(jī)器智能、機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)和認(rèn)知計(jì)算等一樣,已經(jīng)回歸到主流探討。為何AI重返潮流,他指出定義大數(shù)據(jù)常用的“三V”特性:速度(Velocity),多樣性(Variety)和海量(Volume)。他認(rèn)為各平臺(tái)可以將大數(shù)據(jù)的“三V”特性以現(xiàn)代和傳統(tǒng)的混合式處理模型來(lái)處理,這將比傳統(tǒng)平臺(tái)提高10-20倍的成本效率。谷歌記錄了簡(jiǎn)單算法對(duì)大型數(shù)據(jù)集進(jìn)行高速運(yùn)行比對(duì)小數(shù)據(jù)集應(yīng)用有更好的結(jié)果。Schroeder認(rèn)為我們將會(huì)目睹,對(duì)于高體量重復(fù)性任務(wù)來(lái)說(shuō),和人工知覺(jué)相比,應(yīng)用AI可獲取更有效的一致性,從而避免人為錯(cuò)誤,產(chǎn)生最高價(jià)值。
· 大數(shù)據(jù)治理或競(jìng)爭(zhēng)優(yōu)勢(shì)
Schroeder認(rèn)為2017年數(shù)據(jù)治理和數(shù)據(jù)價(jià)值之爭(zhēng)將點(diǎn)燃。企業(yè)擁有大量客戶以及合作伙伴信息。領(lǐng)先的企業(yè)將把他們的數(shù)據(jù)分類成“規(guī)范使用案例”和“非規(guī)范使用案例”兩個(gè)類別來(lái)應(yīng)用。規(guī)范使用案例數(shù)據(jù)需要治理;數(shù)據(jù)質(zhì)量和線性關(guān)系使其可以產(chǎn)生報(bào)表,并且跟蹤數(shù)據(jù)進(jìn)行各種轉(zhuǎn)化及追溯來(lái)源。Schroeder認(rèn)為這非常必要甚至可強(qiáng)制執(zhí)行,但可能對(duì)非規(guī)范使用案例作用有限,例如客戶360或者當(dāng)需要通過(guò)進(jìn)行高行選擇數(shù)處理、滿足實(shí)時(shí)需求和處理結(jié)構(gòu)化及非結(jié)構(gòu)化的混合數(shù)據(jù)來(lái)產(chǎn)生有效結(jié)果時(shí),會(huì)受到限制。
· 公司將關(guān)注業(yè)務(wù)驅(qū)動(dòng)型應(yīng)用,避免數(shù)據(jù)湖陷入困境
Schroeder表示在2017年,企業(yè)機(jī)構(gòu)將從“構(gòu)建未來(lái)”的數(shù)據(jù)湖應(yīng)用轉(zhuǎn)向業(yè)務(wù)驅(qū)動(dòng)型數(shù)據(jù)應(yīng)用。當(dāng)今世界需要分析和操作能力去觸及客戶、處理索賠并且連接到個(gè)體的不同設(shè)備。舉例而言,任何商業(yè)網(wǎng)站需要提供實(shí)時(shí)的個(gè)性化推薦和價(jià)格查詢。醫(yī)療健康型企業(yè)必須處理有效的索賠并且運(yùn)用分析運(yùn)營(yíng)系統(tǒng)來(lái)防止索賠欺詐。媒體公司需要通過(guò)機(jī)頂盒提供個(gè)性化的內(nèi)容。汽車制造商和汽車共享公司則要交互運(yùn)營(yíng)其車輛和司機(jī)。這些案例的實(shí)施交付均需要由一個(gè)敏捷平臺(tái)來(lái)實(shí)現(xiàn),同時(shí)提供分析和運(yùn)營(yíng)的處理,跨越后臺(tái)分析和前臺(tái)運(yùn)營(yíng)進(jìn)行整合,提升了商業(yè)價(jià)值。Schroeder認(rèn)為2017年企業(yè)機(jī)構(gòu)將大舉推動(dòng)“提問(wèn)題”型處理和架構(gòu)及更多實(shí)際應(yīng)用來(lái)驅(qū)動(dòng)長(zhǎng)期商業(yè)價(jià)值。
· 數(shù)據(jù)敏捷性決定勝負(fù)
Schroeder認(rèn)為自DevOps提供可連續(xù)性交付實(shí)施以來(lái),軟件發(fā)展逐漸導(dǎo)向敏捷性。2017年,處理和分析模型將進(jìn)化到一個(gè)類似的敏捷度層面,因?yàn)槠髽I(yè)認(rèn)識(shí)到競(jìng)爭(zhēng)優(yōu)勢(shì)的來(lái)源并非簡(jiǎn)單依靠大數(shù)據(jù)湖本身,而是數(shù)據(jù)敏捷性,以及其在不同場(chǎng)景對(duì)數(shù)據(jù)的理解能力和如何采取商業(yè)行動(dòng)。敏捷處理模型的出現(xiàn)將使同樣的數(shù)據(jù)可以支持批量分析、互動(dòng)分析、全球信息、數(shù)據(jù)庫(kù)和基于文件的模型。越來(lái)越多的敏捷分析模型也可以讓單一數(shù)據(jù)支持更廣泛的工具。最終結(jié)果就是產(chǎn)生可以支持最大范疇的處理和分析模型的敏捷發(fā)展和應(yīng)用平臺(tái)。
· 區(qū)塊鏈變革金融服務(wù)應(yīng)用
Schroeder認(rèn)為2017年數(shù)據(jù)存儲(chǔ)和交易處理的方式將令金融服務(wù)的選擇和轉(zhuǎn)換融合更廣泛地應(yīng)用。區(qū)塊鏈提供了一個(gè)全球分布式總賬,這將改變數(shù)據(jù)存儲(chǔ)和交易的處理方式。區(qū)塊鏈運(yùn)行于全球分布的計(jì)算機(jī)上,并可以被任何人查看。每個(gè)數(shù)據(jù)區(qū)塊按照時(shí)間順序相連,在不同區(qū)塊儲(chǔ)存的交易以時(shí)間戳界定儲(chǔ)存數(shù)據(jù)而不可纂改。黑客也認(rèn)為區(qū)塊鏈理論上無(wú)法攻克。區(qū)塊鏈為消費(fèi)者提供了顯而易見(jiàn)的效率。舉例來(lái)講,消費(fèi)者不用等待SWIFT交易或者擔(dān)心中央數(shù)據(jù)中心泄露而產(chǎn)生影響。對(duì)企業(yè)來(lái)說(shuō),區(qū)塊鏈代表節(jié)約成本以及極具競(jìng)爭(zhēng)優(yōu)勢(shì)。