半岛权威十大直营(官方)网站

我们回顾数据空间的层层演变，惊叹那些曾经令我们印象深刻的数据应用程序和工具。数据正在对企业的商业运营模式以及盈利能力产生影响。如今你已经很难找到一个简单的程序不以显著的方式使用数据。一部分公司使用数据分析并由此来做出一些决策，因为这样他们得以超越同行成为业界翘楚。

直到最近，访问大数据还是需要具备显著的专业知识和工具。如今很多工具已经得到改善，而社区已经成为了分享这些工具的主要场所。令我们非常高兴的是许多针对新的数据集和数据类型的解决方案也陆续出台。在这样一个跨越传统学科数据技能的时代，企业也开始强调文化、人以及流程的重要性。

我们展望未来，思考未来的数据前景，这也是我们在这里的主题。

认知增强

大数据的算法和有效用户界面的结合，让我们看到了许多优秀的消费者应用程序，诸如Waze和谷歌。我们对这个话感兴趣源于许多领域专家和业务分析师的分析以及民主化的工具，特别地，新的视觉界面打开了许多新的数据源和数据类型。

智能事项：人工智能与算法

提起这个话题的算法，我想很多讨论人工智能算法的人一定很感兴趣。随着智能系统变得越来越不同，安全和隐私也成为了关键的部分。尽管在这个领域当中很多人提出了“不合理的有效性数据”，但是算法的创新仍然是一个非常重要的领域。

廉价传感器的融合,快速网络和分布式计算

物联网（IOT）需要系统能够处理和释放大量的事件数据，这些系统将从分析平台开发监控操作。除了数据管理，目前做的最多的就是事件发展流分析和大量的时间序列分析。

数据(科学)管道

分析项目中涉及的一系列步骤，往往需要不同的工具。有越来越多的公司和开源项目将各种分析工具集成到统一的用户界面和包，将这些集成工具复制、让它们相互协作以及将其合理的进行部署。这仍然是一个活跃的区域，作为专业工具急于将其扩大在数据管道的覆盖率。

大数据组件的发展和成熟的市场

在大数据系统当中许多流行的组件都是开源的， 因此，许多公司通过装配组件建立自己的基础设施和数据产品，比如Spark，Kafka，Cassandra和ElasticSearch。对比这几年的变化，许多企业从没有组装过这些组件到建立完善的技术体系，这是一个从无到有的巨大演变的过程。然而企业真正感兴趣的是应用程序和分析平台，而不是而不是单独的组件。为此要求数据工程师们保持数据流和数据存储的健壮性来组装这些组件。

数据科学家，设计和社会科学

很显然，数据分析师大多来自社会科学(如调查、心理测验学)。 然而我们注意到更多的数据科学家正在扩大与产品设计师和社会科学家的合作。

建立一种数据文化

“数据驱动”的组件是善于利用数据提高决策，然而这一切都始于仪器。RelateIQ副总裁DJ Patil曾经说过，“如果你不能测量它，那么你不能修复它”。 此外，分布式计算的发展在过去的十年中已经是数据产品公司的主流技术。在很多情况下，数据产品发展阶段(从“最小可行产品”)是由跨职能团队来替代分析技术。

大数据的危险

每隔几个月似乎有一篇文章批评炒作大数据，往深处挖掘你会发现，这些批评指出了许多有经验数据分析师曾经分析的突出问题。 我的观点是，隐私和模型文化是非常重要的。