2017年大数据趋势预测:SaaS和大数据将成为IT运营分析的主流

2017-01-25 14:04      光驱网 原创 hutuxiong


   来自《Techopedia》的报道

  2016是大数据里程碑的一年,根据Tableau收集的数据得出,将会有比以前更多的企业、组织把存储,处理和分析大数据作为其业务流程的一部分。许多专家认为,2017年将是大数据技术变得越来越复杂的一年,同时也是考量企业对大数据能继续高效利用的能力。

  增强大数据工具内的自动化

  投资大数据的企业需要了解他们的客户、产品和运营的更多维度,用于数据仪表板和报告自动化的新工具可以将长期和短期的洞察力转化为收入,并达到底线。自动化和离岸成本数据的科学专业知识,将降低成本采纳企业为中心的洞察力工具帮助蓄势客户个性化,并为他们的客户和新的销售忠诚更大的产品/服务。

  增加对数据清洗监管的重视

  尽管越来越强大的机器学习和先进的算法,许多营销人员只是收集他们的数据,没有实际把它们积累起来进行规范化,清洗,结构化处理分析。2017年将是一个更加关注这些“数据监管”的一年。

  早期采用者将开始使用单一的客户体验平台

  早期采用者将开始使用一种单一的客户体验平台,从参与的所有点累计挖掘数据。这种类型的系统将包括自助服务分析,移动分析和大数据分析。分析确实提供了品牌所期望的洞察,但重要的是,从客户,代理和组织的角度来看联络中心分析。试图管理客户体验的其他解决方案不能超越一个单一的交互。他们被困在一个功能(销售,营销,服务)或渠道(语音,移动,数字,社交),或更糟的是,在一个功能的渠道。在消费者期望无缝数字体验的时代,它只需要一个中断就会失去客户忠诚度。

  SaaS和大数据将成为IT运营分析的主流

  在2017年,希望看到SaaS和大数据向主流相结合的IT运营分析解决方案的规范化。

  大数据诞生了作为开源软件。虽然功能强大,但在大多数情况下,它不容易被大量的IT商店消化。大数据的商业化产生于咨询驱动的企业,它们围绕这些开源工具提供集成和支持。这是有效的,但昂贵。与此同时,云提供商开始提供与云基础架构资源捆绑的大数据工具。这些演进阶段为从工具和通用平台到基于真实世界用例构建的SaaS大数据产品的自然演进奠定了基础。

  大数据的民主化将加速小企业的竞争

  将更加专注于技术和服务,将数据的力量放在那些最需要它的人的手中。例如,销售和营销将有更多的选择,监控,清理和分析“边缘”的大数据,然后将其转储到大型集中数据库中,从而可能快速失去价值。公司将越来越多地关注那些可以减轻所有数据管理负担的供应商,同时通过向销售代表和市场营销主管提供优质数据来增强有效的销售和营销,从而使他们能够采取更加明智和立即的行动。这对于将利用民主化数据与更大竞争对手竞争的小公司特别有用。

  创建和管理大数据的公司和技术将面临更大的期望

  公司意识到,经验证的数据是推动成功的销售和营销的最关键的因素。随着更多的技术应用于销售和营销功能,良好的数据变得越来越重要,因为它是为这些工具提供动力的燃料。由于其丰富的数据,以及Salesforce对利用数据来通知“客户历程”的工具所做的投资,Microsoft对LinkedIn的巨大价值“是预测未来市场联盟,整合和创新的主要信号主要是良好数据的价值。

  数据主权和安全将推动世界论坛的讨论

  在2017年关于大数据的最大问题之一将是:“谁实际拥有它?数据主权和安全 - 无论是在公司层面还是个人层面,都将推动全球许多着名论坛对这一话题的讨论。

  随着我们进入机器学习,人工智能(AI)和虚拟现实的时代,任何一种技术产生的数据属于技术的“所有者/创造者”。然而,实施框架,例如像欧洲国家的通用数据保护条例(GDPR)在2018年,这将包括对违反数据保护法(最多公司在某些情况下,全球收入的4%)显着较大的罚款,这样做不遵守的财务责任。

  现在数据主权的疏忽将直接打击企业的深层次,我的预测是,它将在2017年得到更多的关注。

  AI和分析供应商并购活动将加速

  毫无疑问,有一个巨大的土地争夺战,AI人工智能,机器学习和深度学习。主要参与者广泛,包括谷歌,苹果,Salesforce和微软AOL,Twitter和亚马逊将收购今年的趋势,今年。由于大多数新创公司的经营历史较短,这些举措都是为了获得地球上有限数量的AI专家作为每个公司迄今为止所生产的价值。在IBM Watson,Salesforce Einstein和Oracle的自适应智能应用之间,已经清楚地描绘了AI企业心态分享的战斗。很好理解的是,AI需要一个一致的基础的可靠数据操作。有限数量的初创公司提供这些集成功能,寻求相关洞察和最终建议的行动,可以帮助预测和更有效的预测和决策,将导致2017年更积极的并购活动。

  摩尔定律将适用于数据库

  摩尔定律,处理器总是越来越快,更便宜。最近,数据库一直遵循同样的模式。

  在2013,亚马逊改变了游戏,当他们介绍Redshift,一个大规模并行处理数据库,允许公司存储和分析他们的数据为一个合理的价格。从那时起,然而,谁看见像Redshift与有效无限容量的数据存储也碰了壁产品的公司。。他们有数百TB甚至PB级数据和被卡住,因为他们已经习惯了的速度付出更多,或等待5分钟进行一次查询返回的。

  输入(或重新输入)摩尔定律。Redshift已经成为云MPP数据库的行业标准,我们不会很快看到改变。据说,我们对2017年的预测是,按需MPP数据库,如Google BigQuery和Snowflake将看到巨大的人气上升。 按需数据库收取便士的存储,使公司存储数据,而不必担心成本。当用户想要运行查询或拉取数据时,他们旋转他们需要的硬件,并在几秒钟内完成工作。他们快速,可扩展,我们期望看到很多公司在2017年使用它们。

  SQL将有另一个特别的一年

  SQL已经存在了几十年,但从上世纪90年代末到21世纪中期,它过时了,人们开始探索NoSQL和Hadoop的替代品。然而SQL,已经回来复仇。SQL的文艺复兴一直美丽,我甚至不认为这是接近其峰值。

  IT团队将更加专注于使大数据使用

  在2017年,IT团队将着眼于解决大数据范围之外的,并将更多的注意力放在将大数据用作下一步。机器学习将被用作以前人类不可能实现的广泛智慧和洞察的来源。结合客户反馈,IT团队将利用从机器学习收集的洞察力来预测和个性化客户体验。

  更多的公司将使用大数据分析来检测(不只是防止)欺诈

  许多IT经理都不知道,企业资源规划(ERP)系统,这房子和管理公司的大数据集具有固有的,实际上可以为欺诈行为创造机会的复杂性。考虑到大修这些系统的费用,公司开始更多地关注欺诈检测,安装数据分析工具来重复检查ERP的能力,以捕获可能表示欺诈的异常。

  虽然添加ERP控制可以防止额外的欺诈,它是昂贵的,并且经常窒息过程效率,同时打开了由规避欺诈者规避的门。通过转移焦点,公司可以获得分析ERP数据趋势的能力,并检测有人已经错过或试图绕过控制的位置,而不是设置无尽的障碍。

  2017年将是基于云的数据存储企业优化的一年

  对于具有基于云的数据存储的企业,2017年将是一个优化的年。对于那些试图将数据迁移到云端的人来说,2017年将是一个纳入数据优化策略的一年。所有道路导致消除不必要的运营成本,同时通过获得洞察和事实促进业务绩效。

  (翻译:贼霸)

相关阅读