本文轉載自公眾號“讀芯術”(ID：AI_Discovery)。

[[380896]]

大數據技術的發展速度之快讓人難以想象。有研究發現，世界上的字節數是可觀測宇宙中恒星數的40多倍。每天數十億人產生的數據量之大簡直令人難以想象，對大數據全球市場規模的預測毫無疑問證明了這一點。

問題不在于你是否會在日常工作中使用大數據，而在于你何時開始使用它。大數據就在這里，而且在可預見的未來里，大數據都將一直存在。過去十年里，數據量增長迅速。隨著越來越多的公司使用大量數據運營且迅速開發物聯網技術，數據量只會持續增長。

在調查市場需求并密切關注市場動向后，本文準備了一份大數據趨勢的簡要概述，如果你對大數據感興趣，那么千萬不要錯過。

1. 增強型分析

增強型分析借助人工智能、機器學習工具和框架來擴展商業智能工具。

這是從傳統商業智能中產生的。在傳統商業智能中，IT部門推動工具的創建和使用。自助式商業智能為業務用戶(在某些情況下也為終端用戶)提供基于視覺的分析。增強型分析是自助式商業智能進化的下一步，它將機器學習和人工智能元素集成到公司的數據準備、分析和商業智能流程中，以提高數據管理性能。

增強型分析可以減少關于數據準備及清理的時間。數據科學家日常生活中大部分時間都是在幾乎沒有監督的情況下為商務人士創造(對市場的)洞察力。

2. 連續智能

持續智能是將實時分析集成到當前業務運營中的過程。Gartner稱，到2022年，超過一半的新的主要業務系統將基于實時分析做出業務決策。通過將實時分析集成到業務運營中，并處理當前和歷史數據，持續智能有助于在新數據到來時增強人類決策能力。

許多組織仍然只依賴歷史和過時數據。這樣的組織在快速變化的環境中可能會落后。因此，組織應該不斷地、迅速地更新數據。這些數據將提高問題識別、解決以及重要決策的速度。

3. 數據運營

數據運營在方向上類似于DevOps實踐，但它針對不同的進程。

與DevOps不同，它通過跨組織的協作實踐來實現數據集成和數據質量。數據運營的重點在于減少端到端數據周期，開始于數據攝取、準備和分析，結束于創建圖表、報告和見解。

數據運營能為不太熟悉數據流的員工處理數據處理區域。這樣人們就可以更多地關注領域的專業知識，而不是數據如何在組織中運行。

隨著云解決方案在市場上的強勢出現，新的趨勢和實踐正逐漸顯現，并相互交叉。數據運營實踐旨在簡化和加速數據流，這就是為什么數據運營工具箱包含所謂的“無服務器”實踐。這些實踐能讓組織通過在基于云的基礎設施中管理數據管道，以此減少硬件數量，輕松快速地擴展并加速數據流更改。

實現數據的集成、可靠性和交付需要大量的工作和技能。數據工程師、數據科學家和DevOps工程師需要花時間來實現所有的數據運營實踐。在市場上不斷出現的新產品能夠利用你的數據落實這些實踐。

這些產品提供了各種可插拔和可擴展的數據運營實踐，能夠基于你的數據來進行復雜的數據流的開發，同時還為數據科學部門提供API。

4. 內存計算

內存計算是另一種加速分析的方法。

除了實時數據處理之外，它還解決了緩慢的數據訪問(磁盤)的問題，并將所有進程流完全建立在RAM中存儲的數據之上。這使得數據的處理和查詢速度比任何其他解決方案快100多倍，這有助于企業立即做出決策并采取行動。

5. 邊緣計算

邊緣計算是一種分布式計算框架，可將計算帶到需要的數據源附近。

隨著傳輸到云分析解決方案的數據量不斷增加，原始數據的延遲和可伸縮性以及處理速度等問題也隨之出現。邊緣計算方法能減少數據生產者和數據處理層之間的延遲，并通過將數據處理管道的部分移近原點(傳感器、物聯網設備)來減少對云層的壓力。

Gartner估計，到2025年75%的數據將在傳統數據中心或云之外進行處理。

6. 數據治理

數據治理是一個實踐和過程的集合，可以確保組織內部信息得到有效使用

安全數據泄露和通用數據保護條例的引入迫使公司更加關注數據。像首席數據官(CDO)和首席保護官(CPO)這樣的新角色已經開始出現，他們負責根據法規和安全策略管理數據。數據治理不僅涉及安全和法規，還涉及企業使用的數據的可用性，有效性和完整性。

數據量的快速增長以及法規和合規要求的不斷提高是全球數據治理市場大幅增長的幕后原因。

7. 數據虛擬化

數據虛擬化集成了跨系統的所有企業數據，其管理統一的數據來集中保證安全與治理，并將其實時交付給商業用戶。

當使用不同來源的數據時，比如數據倉庫、云存儲或安全SQL數據庫，就需要組合或分析這些不同來源的數據，以便基于分析提供見解或商業決策。這與主要從其他來源復制數據的ETL方法不同，數據虛擬化直接處理數據源并對其進行分析，而不需要在數據倉庫中復制數據源。這節省了數據處理的存儲空間和時間。

8. Hadoop > Spark

市場需求總是在不斷變化的，工具也是如此。在現代數據處理中，越來越多的工程趨勢受到大數據基礎設施的影響。值得注意的軟件趨勢之一是遷移到云。數據處理正從本地或數據中心轉移到使用AWS服務進行數據提取、分析和存儲的云提供商。

并不是所有的工具都能跟上轉變的步伐。例如，大多數Hadoop提供商仍然只支持數據中心基礎設施，而像Spark這樣的框架在數據中心和云環境中都能適應。Spark不斷地發展和進步，以跟上市場的需求，為企業提供了更多的混合云端和多云端設置的選擇。

根據市場預測，大數據將持續增長。根據多項研究和預測，2025年大數據全球市場規模將達到驚人的2500億美元。

前幾年的一些趨勢，例如增強型分析，內存計算，數據虛擬化和大數據處理框架，仍然具有現實意義，并將對商業產生重大影響。例如，內存計算的速度是其他任何解決方案的100多倍，這有助于企業立即做出決策，采取行動。至于數據虛擬化——其能節省數據處理存儲空間和時間——到2022年，近三分之二的公司都會采用這種方法。

新趨勢也在涌現。諸如持續智能，邊緣計算和數據運營之類的功能強大的工具可以幫助改善業務并更快地完成任務。例如，持續智能同時考慮了歷史數據和實時數據，這極大地影響了組織的決策方式以及決策的效率和速度。

到2022年，超過50%的新主要商業系統將基于實時分析環境來做商業決策。邊緣計算等方法允許在傳統數據中心或云之外處理數據。據估計，到2025年75%的企業生成數據將在邊緣進行處理。

數據運營工具包中的無服務器實踐早已減少了企業的硬件數量，并讓其方便快捷地進行擴展。近50%的公司已經或計劃在不久的將來使用無服務器架構。

總之，企業保持專注是至關重要的，它們需要通過采用新穎的解決方案繼續進行數字轉型，并繼續改進處理數據的方式，以免落后。