数据与商业智能促进服务优化，10 个大数据分析趋势，值得关注

多年来，我们一直在追踪业务中数据的使用变化。每年，数据变得更加重要，并且更接近成功企业的核心。那么，既然我们已经处于数据时代，那么接下来会发生什么呢？

多年来，我们一直在追踪业务中数据的使用变化。每年，数据变得更加重要，并且更接近成功企业的核心。我们也看到了我们如何看待数据的成熟度- 企业不再谈论大数据，现在只是数据，因为他们都在智能地看待它如何用于推动增长或降低成本。

那么，既然我们已经处于数据时代，那么接下来会发生什么呢？以下是我对2019年的业务技术预测：

1）机器学习继续成熟，Python是领跑者

机器学习是今年最受欢迎的术语之一，但它在零售，金融，汽车和许多其他行业都有其破坏性影响。可承受的存储，处理能力，GPU优化和广泛可用的开源算法以及用于培训的深度数据集的融合，极大地改善了可用技术。

企业希望数据为他们工作，这远远落后于机器学习的兴起，算法控制。德勤最近的一项调查显示，57％的企业正在增加该技术的支出，因此该领域的投资正在快速增长。这是因为该技术不再被视为成本，而是机会和收入驱动因素。最成功的企业将是那些投资于他们的技术并雇用技能来进行这些投资的企业。

2019年，各种数据科学语言将继续增长。但也有明显的趋势表明Python将成为机器学习的主要语言，而基于Python的技术，如深度学习库TensorFlow，将继续扩散。

2）数据中心的崛起

我们已经讨论了数据驱动的业务一段时间了，许多组织现在声称是数据驱动的，根据数据制定通常完全自动化的决策，而不是简单地通过报告中的数据。最近的研究表明，86％的企业声称要嘛已经制定了数据驱动战略，要嘛计划在未来五年内实施一项战略。

下一步的演变将是以数据为中心。这是对高质量集中数据的绝对承诺构成业务运营核心的地方。工具是围绕数据构建的，而不是构建工具对组织数据孤岛的当前现状。它不再是收集和囤积数据（大数据心态） - 而是更多地关于智能地处理数据。

虽然GDPR（General Data Protection Regulation）今年放慢了数据分析计划的速度，但对于组织来说，这是一个理解其完整数据流的绝佳机会，并帮助他们发现更加集成的数据战略的潜力。所有个人数据现在都是潜在的商业风险，企业需要准确了解他们拥有的数据，所在的数据以及如何快速找到数据- 或者面临巨额罚款和消费者信任的损失。

3）数据科学和商业智能融合

很长一段时间以来，大型组织都聘请了独立的团队来开展标准商业智能（数据仓库，仪表板，报告，SQL）和数据科学（统计模型，R / Python）。然而，随着这些不同技术的应用不断增长，这些领域正日益趋同。

在2019年，我们将看到更多领先的组织将他们的数据科学和商业智能实践结合在一起，为他们提供及时和集中的企业数据访问。通过拥有一个集成了数据科学脚本语言的中央数据存储库，数据科学家可以将他们的笔记本电脑留在后面并将统计模型应用于相同的“单一事实”。由于这些技术的结合，C级管理人员将拥有可视化的BI（Business Intelligence）工具，可以利用复杂的数据科学算法，因此他们可以在需要时自行提供报告。

因此，看起来我们正在进入2019年的另一个边界推动年，数据为企业开辟了未知的前沿可能性。有趣的是，看看明年这个时候我们所有人都将参加2020年的预测。

4）商业智能成为自助服务

随着组织中数据分析的使用的增加，我们看到越来越多的商业智能仪表板用于管理人员和高级员工，为他们提供关键业务指标的定制最新报告。

在高级管理层之外，商业智能报告仍然更加临时。业务部门负责人通常必须从分析功能请求报告，或者他们获得为他们提供的月度报告。

下一步发展将是商业智能报告成为自助服务，为所有员工提供与其工作相关的最新最新指标。这要归功于更高效，更直观的商业智能工具，这些工具位于高性能的分析数据库上- 这些数据库甚至可以应对周一早上的工作量而不会出现任何减速。

这一预测得到了Gartner(高德纳咨询公司)最近的研究支持。它发现数据分析仍然是IT和商业投资的最大领域。事实上，进一步的研究表明，85％的公司了解数据的好处，并积极努力更好地使用它。

5）数据技能将继续保持高需求

与数据相关的技能现在并将继续受到高度需求。在LinkedIn今年早些时候的年度技能报告中，公司最需要的技能是云计算，然后是统计分析和数据挖掘。据LinkedIn称，数据技能自2014年以来一直是最多或第二多需求的技能。

很容易理解为什么数据和云技能如此受到高度追捧，因为组织正在努力实现其数字化转型计划。我预测这种趋势在2019年不会改变- 这些领域的技能短缺仍然存在

6）更多数据中心演变为超大规模数据中心，公共云端逐渐成为三匹马竞赛

除了机器学习之外，区块链（或分布式分类帐技术）是2018年最受欢迎的字词。大量资金投入到利用这些技术的初创企业中。

这些搁浅的工作负载随着数据中心日益整合到巨大的超大规模云数据中心而变得越来越复杂，从而加剧了将遗留系统迁移到云端的压力。思科系统公司预测，到2021年，超大规模数据中心将占数据中心处理能力的69％，高于目前的41％。

企业将越来越多地转向这些超大规模数据中心，公开云端市场将倾向于亚马逊网络服务，微软Azure和谷歌云端平台的三巨头，因为他们的规模比竞争对手增加- 除了在阿里巴巴保持强劲的中国

7）分布式分类帐技术推动了新的创新

除了机器学习之外，区块链（或分布式分类帐技术）是2018年最受欢迎的术语。大量资金投入到利用这些技术的初创企业中。

这项创新的一个重要部分将是在应用程序和服务中转移和存储价值- 比特币形式的区块链的原始用例。在以太网等平台上运行的令牌化应用程序，尤其是分散式应用程序（dApps）仍处于早期阶段大数据智能分析，但该技术具有很大的前景。

2019年将是围绕分布式总账技术的一些创新和承诺将通过实际应用实现的一年。

8）容器化为企业的混合云端提供了优势

对于企业而言，大多数可以相对容易地迁移到云的端工作负载已经被移动，遗留下的遗留系统在尝试在现代云端环境中运行时会带来重大的技术挑战。

这种技术债的一个解决方案是容器化，其中应用程序在基于云的独立环境中运行，这些环境在操作系统级别进行虚拟化。优点是这些容器的设计与先前的传统环境相匹配，大大减少了技术挑战，并最大限度地减少了应用程序的潜在重写。

传统工作负载向容器的迁移将在2019年日益发生，许多人认为2018年底的IBM / Red Hat交易是IBM为抢占市场而采取的重大战略举措的一部分

9）对服务化的不懈转变

制造商采用了一种相对较新的概念，称为服务化- 与产品一起销售服务组件，我们将开始更广泛地看到这一点。它通常与销售高价值物品的制造商有关，例如飞机发动机，建筑设备或车辆。客户购买的是一种增值服务组件，而不仅仅是资本投资，这些组件可以通过互联网连接设备获得数据。

到2019年，创新型初创企业的崛起和现有企业的服务化将继续，创造大量数据。为了给你一个想法，网络巨头思科估计，到2021年，所有人，机器和东西将产生近850个zettabytes（皆位元组10^21 Bytes)。

Mangelberger就是一个很好的例子。凭借其作为电气开关制造商的传统，它建立了一个能源管理平台，世界上最大的餐厅和零售连锁店正在使用这个平台来大规模优化其能源消耗和运营。例如，其数据驱动平台根据房间中的免费桌子数量自动控制餐厅的灯光，并使快餐连锁店能够分析连接烤箱与设定配方相比的耗能。

10）自然语言处理进入商业工作场所

亚马逊Echo，谷歌主页和Apple Homepods已将连接助手带到家中。语音交互首次成为控制设备播放音乐，获取基本信息和管理智能家居设备的主流方法。

但是，这些设备对业务没有太大影响。我的期望是，在2019年，他们也将在利基业务场景中找到他们的声音，并且连接助理将与电子邮件，CRM系统和日记连接，以简化流程并提供帮助。

（编辑：威海站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!