個重要的大資料趨勢

jakir46

達拉斯大資料解決方案 “大資料”自從被稱為流行詞以來已經取得了長足的進步。不利用社交、移動、CRM、內部和其他資料倉庫的財富將緩慢但肯定會讓企業在 2016 年破產。 但現在大資料分析已成為主流，未來會怎樣？根據我們自己的反饋以及 HP 和 Cisco 等其他專家的意見，以下是我們的 5 項預測。 1）專為資料處理而設計的雲端儲存 在分析和雲端儲存並駕齊驅多年之後，雲端儲存資料庫開始為分析本身而設計。雲中資料的儲存、處理和可視性正在迅速發展。 因此，我們預計雲提供商將提供“資料處理”或“儲存分析”服務，作為基本套餐的額外增值服務。有了這些軟體包，計算資料的技術的選擇現在就落在了雲提供商而不是企業的肩上。

資料科學家短缺 現在，企業中的任何人都可以像資料科學家一樣根據複雜的統計資料做出決策。雖然這通常是一件好事，但對經驗豐富的資料科學家建立輸出這些統計資料的系統的需求比以往任何時候都高。 由於大資料充滿了無數 退出手機號碼 的變數，區分重要和不重要的見解的能力是一項必需的技能，而目前在美國掌握這種技能的人太少了。據預測，即使在兩年後，公司也將短缺 150 萬名合格的資料科學家。 3）NoSQL、Spark 和 Hadoop 一個有點固執己見的話題是哪個大資料框架會崛起，哪個會下降。我們所知道的是，NoSQL 資料庫在慢慢取代過時的關係框架的同時，可能會越來越受歡迎。




也被視為將在 2016 年發展的系統，並且可能會取代 MapReduce，同時與更復雜的對應產品 Hadoop 一起使用。Apache Spark 旨在快速高效地處理資料，據稱能夠利用企業資料儲存中約 80% 的非結構化資料。 4）大資料機器學習的進展 一般來說，大資料中需要人工分析的事件數量是不現實的。今年，自然語言處理API等許多新技術將應用於大資料分析。這樣做的目的是篩選事件並找到最關鍵的任務以供人工分析。 必填欄位已標記為 這一點支援了對更多資料科學家的需求。機器學習能力需要資料科學家的協助才能真正高效。通過大規模機器分析，公司效率可以提升到全新水平。 Facebook推特分享 發表評論 您的電子郵件地址不會被公開。