大数据行业发展现状及趋势分析

由于亚马逊AWS、Rackspace、Azure等云数据服务的兴起，2016年数据量出现了大规模增长，数据量增长的趋势将在2017年持续。2017年还将出现更多机器学习、认知计算、预测分析相关的项目。2017年依然会面临数据隐私问题，数据科学家、首席数据官、首席架构师等职位在2017年会越来越热门、定位也会越来越清晰。实时数据流和更加复杂的数据管道将重新定义大数据。

IBM数据科学布道师

Hadoop在大数据领域衰落的速度比我预想的更快，MapReduce、HBase，甚至HDFS对于数据科学家也没有以前那么重要了。

2017年最主要的趋势是更多的程序员学习选择数据科学技能，以发展自己的职业生涯。2017年最热门的数据科学项目会聚焦在流媒体分析、嵌入式深度学习、认知物联网（cognitive IoT）、认知聊天机器人、嵌入式机器认知、自动驾驶汽车、计算机视觉和语音识别等领域。同时，我们也会在明年看到新一代的神经网络芯片、GPU和其他的高性能认知计算框架。

Gartner副总裁，知名分析师

2016年大数据最大的一个变化是人们不再谈论大数据了，大数据的概念已经普及。关注的重点逐步转为商业导向，如何管理、评估“信息资产”，以及如何对“信息资产”进行变现。

2017年我们应该努力弄清楚数据权利和责任、所有权，尤其是涉及到物联网数据。目前数据资产在会计业、律师界和保险行业都十分棱模两可。但随着机构投资人和分析师越来越看重企业的信息化程度，这种情况会逐步改善。2017年大公司会越来越注重大数据人才，比如数据经理人和其他信息整合人才。

商业智能＆数据架构师，All Things Data博主

2016年大数据已经没有前几年那么火热，随着大数据基础设施、软件和理论的发展，大数据分析解决方案已经越来越成熟、普及，不再仅仅局限于少数先行者。随着大数据的成熟，自助服务和自动化得到越来越多的关注。虽然大数据分析解决方案越来越容易获取，但是我们仍然需要具备通信、信息处理技术的专业人员才能使用。随着人工智能、机器学习、VR、AR、物联网、容器技术的发展，大数据解决方案将进入新的阶段，越来越逼近摩尔定律的边界。

Datafloq创始人，《ThinkBigger》作者

对于大数据，2016年是令人激动的一年，大数据不再只是一个热门概念或者流行词语。因为大数据公司已经开发了实际的解决方案和应用。

在2017年这种趋势将会持续，随着技术越来越智能，我们会看到新的应用被开发出来。深度学习和人工智能将变得更加智能，并将更多地应用于组织机构，因为计算能力和数据量不再成为开发智能应用程序的障碍，2017年将是令人兴奋的一年，但随着大数据、智能应用的发展，数据安全问题也越来越严重。

大数据科学家、Adversitement主管

2016年，大数据经历从单一部门到跨部门的应用。物联网数据应用开始在一些关键领域出现，此外，随着云计算平台的发展，为越来越多的机器学习应用研发提供了支持。

2017，我们会看到人工智能的增长、物联网应用的爆发，以及机器学习的广泛应用。技术已经准备好了，而且用户对大数据技术改善体验的需求非常强。根据预测，2020年连网设备数将达到100亿到340亿之间。

斯坦福大学教授、计算学科学家

欧盟已经根据数据的使用和分析模型出台了一个新的隐私保护法。将在2018年1月开始生效。这一法案将会造成怎样的影响现在还不可知，但数据公司一直十分纠结到底哪些数据和分析方法是允许被使用的，比如Google可以分析用户邮件内容，以判定是否为垃圾邮件，但Google到底有没有读取用户邮件内容的权力？

Databricks首席科学家、Apache Spark创始人

公有云正在成为部署大数据的主流方式。根据Apache Spark今年夏天的用户调查，在公有云部署Spark的用户比例达（61％）比使用Hadoop YARN的用户（36％）更高。此外，使用公有云的用户从2015年的51％增长到61％，使用HadoopYARN的用户从2015年的40％下跌到36％。其中的一个原因是亚马逊S3这类云存储产品价格越来越低，越来越稳定，也比Hadoop分布式文件系统更容易管理。

（编辑：ASP站长网）