甲骨文 宣布2016年的大数据预测

0
777

大数据部署将成为2016年的主流。

1.增加对数据科学家的需求 - 通过更多的假设来调查,专业数据科学家将看到对其既定公司的技能的需求越来越大。银行,保险公司和信用评级公司将转向算法,以减少价格风险,更有效地防范欺诈。 2016年将目睹实验违约风险,政策承销和欺诈检测的增长,因为公司试图识别比竞争更快的算法优势的热点。

2.新管理工具的出现 - 新的管理工具将耦合并将大数据基础技术封闭,从更高级别的数据处理需求。我们还将看到数据流程编程的出现,该编程提供了更简单的功能运营商可重用性,并为统计和机器学习功能提供可插拔支持。

3.数据平民运作越来越多,更像数据科学家 - 而复杂的统计数据仍可能仅限于数据科学家,数据驱动的决策不会是。 2016年,更简单的大数据发现工具将让Business分析师在Enterprise Hadoop集群中的数据集商店购买,将它们重塑为新的混搭组合,甚至用探索机学习技术分析它们。这将改善对大数据的自助式访问,并提供更丰富的假设和实验,可以推动下一级别的创新。

4. DIY让方法 - 早期的大数据适配器别无选择,只能建立自己的大数据集群和环境。但建立,管理和维护在Hadoop,Spark和其他新兴技术上构建的这些独特的系统是昂贵且耗时的。 2016年,组织将证明技术成熟,并由于云服务和设备具有预先配置的自动化和标准化而变得更加主流。

5.数据虚拟化成为现实。 2016年公司不仅会捕获更多的数据,它们在各种算法中使用它,分析和应用程序。公司将寻求使用单一技术(如NoSQL,Hadoop,关系,空间或图形)的转换焦点,以越来越依赖于数据虚拟化。用户和应用程序将通过2016年通过SQL,REST和脚本语言连接到虚拟化数据。组织将证明成功的数据虚拟化技术将提供等于本机方法的性能,完整的向后兼容性和安全性。

 

6.大数据给出了一个想法的东西。 2016年将是人工智能(AI)技术,如机器学习(ML),自然语言处理(NLP)和属性图(PG)的年度将应用于普通数据处理挑战。新班次将包括这些技术在支持应用程序,实时分析和数据科学的IT工具中的广泛应用。

7.数据沼泽试图出处清除件事。数据谱系曾经是一个很好的能力,因为所以有许多数据喂养公司仪表板来自可信数据仓库。但在大数据中,时代数据谱系是一个必备的,因为客户正在使用第三方数据集来利用公司数据。其中一些新组合将包含高质量的供应商验证数据。但其他人将使用不是正式完美的数据,但足以用于原型设计。当令人惊讶的宝贵结果来自这些机会主义的探索时,经理将向血统来看,了解需要多少工作以提高生产质量水平。

8.在IOT-高度安全的IOT云服务的帮助下,大数据云服务的出现将帮助制造商创建新产品,这些产品安全地在没有人为干预的情况下对分析的数据采取行动。

9.数据政治驱动混合云 - 知道数据来自哪个传感器或系统,而是来自哪个国家的边界​​将使政府更容易执行国家数据策略。跨国公司迁移到云端将在竞争利益之间捕获。越来越多地,全球公司将在区域数据中心中的机器转向混合云部署,该机器类似于较大的云服务的当地智能服务,尊重降低成本和监管合规性的驱动器。

10.新的安全分类系统使用Access平衡保护。增加消费者对数据的意识可以收集,共享,存储和被盗将放大个人信息监管保护的呼叫。该行业可以期望看到政治家,学者和专栏作家与界限和道德进行努力。公司将增加使用分类系统的分类系统,该系统将文档和数据分为组,其中包含预定义的访问,缩减和屏蔽的策略。持续更复杂的黑客的持续威胁将提示公司收紧安全性,以及审计访问和使用数据。

评论文章

请输入您的评论!
请在这里输入您的姓名

8 + 1 =