大數(shù)據(jù)是一個(gè)術(shù)語(yǔ)，它被用來(lái)描述處理數(shù)據(jù)的技術(shù)和實(shí)踐，這些數(shù)據(jù)不僅數(shù)量大，速度快，而且有許多不同的形式。比如，自動(dòng)駕駛汽車(chē)以及無(wú)人便利店背后，都有一個(gè)復(fù)雜的大數(shù)據(jù)系統(tǒng)和一支聰明的數(shù)據(jù)研究科學(xué)隊(duì)伍，如今他們已經(jīng)把愿景變成了現(xiàn)實(shí)。

“大數(shù)據(jù)”這個(gè)詞可能不像幾年前那樣無(wú)處不在，因?yàn)樗w現(xiàn)的許多概念已經(jīng)徹底融入了我們周?chē)氖澜纭２贿^(guò)大數(shù)據(jù)并沒(méi)有過(guò)時(shí)，事實(shí)上，即使在今天，大多數(shù)組織也在努力從其所能接觸到數(shù)據(jù)中獲得價(jià)值。作為一種商業(yè)實(shí)踐，大數(shù)據(jù)仍然處于非常初級(jí)的階段。

因此，以下是對(duì)一些關(guān)鍵趨勢(shì)的看法，這些趨勢(shì)將影響今年和不久的將來(lái)如何將數(shù)據(jù)和分析用于工作和生活中。

AI推動(dòng)更深入的洞察力和更復(fù)雜的自動(dòng)化進(jìn)程

人工智能(AI)改變了分析領(lǐng)域的游戲規(guī)則。由于公司及其客戶(hù)生成了大量結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，自動(dòng)手動(dòng)分析也只能觸及表面。

今天使用的人工智能，最簡(jiǎn)單的思維方式是計(jì)算機(jī)和軟件能夠智能化。

舉個(gè)簡(jiǎn)單的例子：如果是傳統(tǒng)的、非學(xué)習(xí)型的計(jì)算方式，可以通過(guò)建立一個(gè)數(shù)據(jù)庫(kù)來(lái)探究一下哪些客戶(hù)花錢(qián)最多。但是，如果出現(xiàn)了一個(gè)新客戶(hù)，第一次交易就花了1000元，該客戶(hù)是否比過(guò)去一年每月消費(fèi)100元的客戶(hù)更有價(jià)值?要了解這一點(diǎn)，我們需要更多的數(shù)據(jù)，比如客戶(hù)的平均終身價(jià)值，客戶(hù)本身的個(gè)人數(shù)據(jù)，比如他們的年齡、消費(fèi)習(xí)慣或收入水平也會(huì)很有用!

從數(shù)據(jù)集中解讀、理解和得出見(jiàn)解是一項(xiàng)復(fù)雜得多的任務(wù)。這就需要人工智能，因?yàn)樗梢試L試解釋所有數(shù)據(jù)，無(wú)論是否理解數(shù)據(jù)之間的關(guān)聯(lián)，并根據(jù)我們所知道的一切預(yù)測(cè)客戶(hù)終身價(jià)值。它不一定會(huì)得出“正確”或“錯(cuò)誤”的答案，但是能夠提供一個(gè)概率范圍，然后根據(jù)這些預(yù)測(cè)的準(zhǔn)確性進(jìn)行改進(jìn)。

探索和解釋數(shù)據(jù)的新方法

數(shù)據(jù)可視化是分析過(guò)程中的最后環(huán)節(jié)，然后我們才會(huì)根據(jù)我們的發(fā)現(xiàn)采取行動(dòng)。傳統(tǒng)上，人機(jī)交互是通過(guò)可視化來(lái)進(jìn)行的，采取圖形、圖表和儀表盤(pán)的形式，突出關(guān)鍵的發(fā)現(xiàn)，幫助我們獲得數(shù)據(jù)價(jià)值。

問(wèn)題是，并不是所有的人都能洞察隱藏在一堆統(tǒng)計(jì)數(shù)據(jù)中的潛在價(jià)值。隨著組織內(nèi)每個(gè)人從數(shù)據(jù)中獲得洞察越來(lái)越重要，新的技術(shù)和方法也不斷發(fā)展。

其中一個(gè)取得重大突破的領(lǐng)域是人類(lèi)語(yǔ)言的使用。分析工具可以讓我們對(duì)數(shù)據(jù)提出問(wèn)題，并以清晰的人類(lèi)語(yǔ)言獲得答案，這將極大地增加對(duì)數(shù)據(jù)的訪問(wèn)，并提高組織的整體數(shù)據(jù)能力。

混合云和邊緣計(jì)算

云計(jì)算是另一個(gè)對(duì)大數(shù)據(jù)分析方法產(chǎn)生巨大影響的技術(shù)趨勢(shì)。無(wú)需昂貴的本地基礎(chǔ)設(shè)施的情況下，就能夠訪問(wèn)龐大的數(shù)據(jù)存儲(chǔ)和對(duì)實(shí)時(shí)信息采取行動(dòng)，這推動(dòng)了按需提供數(shù)據(jù)驅(qū)動(dòng)服務(wù)的應(yīng)用程序和初創(chuàng)公司的發(fā)展。

許多公司現(xiàn)正在嘗試混合云系統(tǒng)，其中一些信息保存在服務(wù)商的公有云服務(wù)器上，而其它個(gè)人或敏感數(shù)據(jù)則部署在本地或私有云。云提供商也不斷布局混合云，提供“云-本地”解決方案，提供公共云的所有豐富功能和穩(wěn)健性，但允許數(shù)據(jù)所有者完全保管其數(shù)據(jù)。

邊緣計(jì)算是另一個(gè)強(qiáng)勁的趨勢(shì)，它將在未來(lái)一年內(nèi)影響大數(shù)據(jù)和分析。從本質(zhì)上講，邊緣計(jì)算意味著設(shè)備在收集數(shù)據(jù)的地方處理數(shù)據(jù)，不用將其發(fā)送到云端進(jìn)行存儲(chǔ)和分析。有些場(chǎng)景對(duì)時(shí)延要求很高，比如從自動(dòng)汽車(chē)上的傳感器收集的數(shù)據(jù)，需要及時(shí)處理。此外，當(dāng)消費(fèi)者可以直接從他們的設(shè)備中收集洞察力，而無(wú)需將數(shù)據(jù)發(fā)送給任何第三方時(shí)，隱私也有了一定的保障。

DataOps的崛起

DataOps是一種方法和實(shí)踐，它借鑒了軟件開(kāi)發(fā)中的DevOps框架。DataOps(數(shù)據(jù)操作)是一門(mén)新興學(xué)科，將DevOps團(tuán)隊(duì)與數(shù)據(jù)工程師和數(shù)據(jù)科學(xué)家角色結(jié)合在一起，提供一些工具、流程和組織結(jié)構(gòu)服務(wù)于以數(shù)據(jù)為中心的企業(yè)。

DataOps工作，是對(duì)IT職業(yè)感興趣的人希望從事創(chuàng)新的項(xiàng)目，這通常是數(shù)據(jù)項(xiàng)目，DataOps為其提供了一個(gè)很好的機(jī)會(huì)，可能還將看到“DataOps即服務(wù)”供應(yīng)商的普及，提供數(shù)據(jù)流程和管道的端到端管理，并按需付費(fèi)。這將繼續(xù)降低小型組織和初創(chuàng)組織的進(jìn)入門(mén)檻，這些組織對(duì)新的數(shù)據(jù)驅(qū)動(dòng)服務(wù)有很好的想法，但目前似乎還缺少實(shí)現(xiàn)這些想法所需的基礎(chǔ)設(shè)施。