考虑到技术变化的速度, 我们认为向 it 高管询问他们2019年的预测会很有趣。以下是他们告诉我们的更多关于大数据的内容:
michael berthold, knime创始人兼首席执行官
由于数据科学专家严重短缺, 我们将看到易于使用的分析应用程序的采用激增。这将使数据科学家能够通过使应用程序更广泛地访问、交互, 并最终可供业务分析师、it 和组织中的其他人使用, 从而实现数据分析。具体到模型运营 (数据科学的 devops), 在2019年的 “持续集成和交付” 平台将有助于简化工具、语言和平台的复杂性-从大数据到高级分析。
jonathan hassell, 奥赖利数据与人工智能高级收购编辑
我们开始看到围绕大小组织的数据的意图发生了转变。重点已转移到组织如何最好地利用所收集的数据, 并在较小程度上, 如何在监管日益严格和消费者对数据收集的敏感性的时代保护和保护这些数据。他们想知道如何加快洞察时间, 如何收集正确的数据 (而不是一直只收集所有数据), 以及如何在数据部门和作为一般组织中更高效地操作。
影响这一愿景变化的具体关键趋势:
- 用于快速处理的内存中解决方案。这些产品不是依赖于缓慢旋转的金属, 而是在快速 ram 中创建 tb 的表和关系, 以加快计算和检索速度。这对于以速度速度 (与边缘计算配对) 进行决策也很有好处, 因为平台本身实际上可以跟上。
- 预测分析。利用机器学习不断发展的强大功能, 预测分析可以帮助组织预测从产品到工厂车间的各种应用程序的故障、更改和瓶颈。这就是大多数组织可以节省成本和提高利润率的地方, 它们渴望扩大在这一领域的做法, 这也必然涉及对数据管道和实时数据或流式数据的投资。
- 智能安全。这包括将安全日志和边缘设备传感器数据处理到标准的大数据分析严格, 以便获得有关网络攻击和渗透的见解。这既适用于组织的数据 lak/结构, 也适用于组织的一般网络外围。黑客不会离开, 他们喜欢任何目标。
- 边缘计算。移动处理更靠近网络边缘的传感器有助于减少带宽需求、原始数据的存储成本以及集中式数据 lake/结构情况下的处理能力。快速的洞察操作也是可能的, 特别是当这种行动涉及到快速、轻松地更改靠近传感器的某些环境变量时。
- 可视化, 又名 “自助商业智能”。自助式可视化和分析工具将不再需要昂贵的数据科学家成为数据湖与最终业务用户之间的唯一接口, 因此, 自助可视化和分析工具的功能和受欢迎程度将继续增长。当然, 数据科学家的需求仍然很高, 但整个组织的数据访问民主化是一个值得关注的关键趋势, 也是一个值得利用的趋势。
布莱恩·伯恩斯首席执行官erp 和 crm 供应商在推动注入机器学习和 ai 功能的真实业务应用程序时, 都将越来越多地利用真实的用户行为数据。具体而言, 在 erp 领域, 重点将是重复业务流程的自动化。在未来5年内, 我们预计超过一半的后端流程将实现完全自动化, 用户分析将成为智能自动化的关键要素。
在 crm 空间中, ml-ai 算法将通过实时用户数据进行增强, 以此提高应用程序对人类交互的响应能力。我们还预测 apm 空间中的类似趋势, 越来越多的 apm 供应商将自动化和预测功能嵌入到他们的解决方案中, 同时使用以用户为中心的指标来增强其传统的技术 kpi 和 sla, 以衡量 it 解决方案的真实用户体验和业务影响。
mike lafleur, Provenir解决方案架构全球主管
自助服务将成为游戏的名字。业务用户和数据科学家不会满足于等待受限的资源来提供访问和分析。
数据本地化法律将使 it 变得更加困难.数据本地化法律, 比如我们在中国、俄罗斯看到的, 现在在 gdpr 下的欧盟, 将使 it 比过去更具挑战性。因此, 企业在努力了解支持这些新法规的技术需求和要求时, 将不得不放弃规模较小、受到严格监管的市场。随着数据的数量和地域分布的不断扩大, 许多人还必须求助于专家, 以解决条例和分布式客户数据的复杂性。
我相信2019年大数据和分析的重点从使用 pb 级数据构建大型数据湖转向从这些巨大的数据湖中获得真正的价值。企业和政府将利用其在 hadoop data lakes 的数百万美元投资, 利用客户数据, 推动业务成果, 如增加交叉销售、提高营销活动效率、降低成本以及更好地管理风险。
sofus macskássy, hackerrank数据科学副总裁
近年来, 在使数据分析更加实时和自动化的工具方面取得了重大进展。2019年, 我预计将有改进预测模型的趋势, 以便更深入地洞察您的数据, 这样您不仅可以询问什么, 还可以询问为什么和谁 “
mike fitzgerald,软件公司全球解决方案总监
2018年, 数据安全在董事会会议桌上占据了一席之地, 巩固了其作为各级组织主要关切问题的地位。在我们进入2019年之际, 它将继续引起人们的注意。确保数据安全不仅仅是良好的业务实践, 对企业的生存至关重要。与数据泄露和《一般数据保护法》 (gdpr) 相关的罚款约占收入的 4%–这一价格足够高, 将使不遵守行为的成本高
colin britton, devo technology首席战略官
组织正在其大数据运营中实现 tb 三角形: 组织需要能够随着数据增长进行扩展, 管理实时数据, 并在历史数据的上下文中查看实时数据。大多数解决方案只能在三角形中命中两点。在多 tb (tb) 级别, 您可以使用卡夫卡和 spark 获得实时和扩展;有了 hadoop 和 vertica, 你就可以有历史和规模;使用当前的日志和专门的工具, 如弹性堆栈、splunk 和 cloudera, 你可以拥有历史和一些实时。但你不可能让这三个人都有这些方法。你需要的是一个单一的解决方案, 让你突破 tb 三角形。这是最大公司新出现的问题, 但小企业正在经历巨大的数据增长, 将很快赶上大公司。
数据增长列车正走向沉船:我们看到许多财富1000和2000强企业牺牲了他们的数据运营的洞察力, 因为目前的解决方案无法满足他们的需求。这些企业无法从数据中获得所需的洞察, 因此缺少商机, 同时还使其组织面临安全漏洞的风险。一些公司调查了20-40 的数据。他们让60-80% 的数据掉在地板上, 因为他们无法处理卷、新数据源的数量或传入数据的增长速度。
许多组织现在声称是数据驱动的, 根据数据而不是报告中的数字作出 (往往是完全自动化的) 决定。下一个发展将是向数据中心化。在这里, 对高质量集中式数据的绝对承诺构成了构建工具的业务运营的核心, 而不是构建基于组织数据孤岛的工具的当前现状。它不再是关于收集和囤积数据–大数据心态–而是关于智能地对数据采取行动。由于 gdpr, 这种演变将加速, gdpr 是企业如何使用数据的许多最新思维的基础。
anand janefalkar, ujet首席执行官兼创始人
客户服务将逐渐变得更多的用户配置文件和数据驱动 (营销的方式).营销通信服务提供商在过去十年中建立了深厚的能力和成熟的结果, 部分原因是通过围绕精细化的复杂用户配置文件细分优化其通信策略。作为上下文感知的逻辑扩展, 利用和最大化每个客户的可用数据可以为现代联络中心提供真正的差异化机会。通过从终身客户价值 (lcv) 等基本配置文件指标中获得洞察, 评估核心客户历史数据、渠道以及更高级的偏好 (如支持实体的语音或个性), 可以提升支持体验,加强品牌欣赏, 增加 lcv, 帮助推动积极的有机社交媒体触角和影响力。
nima negahban, 首席技术官, kinetica联合创始人
对智能分析应用程序的需求重新定义了企业数据实践2019年, 对由实时交互、嵌入式分析和 ai 驱动的智能分析应用的新创新需求将很高。这些应用程序的业务需求将是企业数据团队发展其传统大数据体系结构并实施新的主动分析层的一项功能, 以便构建实时的智能、数据支持的应用程序决策。
rick spencer,工程副总裁, bitnami
全食和亚马逊的结合将结合数据来源, 将高度针对和描述高收入消费者, 从而产生新的产品和产品类别。
tony marlow, cmo, infogroup
数据可视化的增长将是2019年最突出的大数据趋势之一。随着数据变得越来越复杂, 动态图形、地图、图表等视觉对象使数据变得易于消化。可视化有助于将数据转化为有意义的信息。反过来, 这也可以让营销人员更有效地获得洞察, 更迅速地做出更明智的营销决策, 因为我们可以专注于什么是重要的, 不会被噪音分散注意力。打包和解释数据的方式是从数据问题组织转变为真正的情报驱动领导者的一个组成部分。
对 hadoop 的采用将减少, 其集群增长将陷入停滞。此外, 预计将看到 hadoop 的新徽标。
世界各国政府将要求积累大量 pii 数据的公司提高透明度。大数据平台推动了多个超大型军团的崛起, 现在钟摆已经向另一个方向倾斜, 社会需要确保该平台不被不利国家或流氓个人滥用。
sriram parthasarathy,高级主任, 预测分析, logi 分析
在过去几年中, 我们看到数据不断涌入, 但在 2018年, 这些数据的质量终于得到了提高。随着2019年数据量和种类的不断增加, 数据的摄入和分析将转化为实时和实时流, 利用机器学习的力量。这将为创建嵌入式应用程序的应用程序供应商提供新的机会, 以报告流数据, 同时还为使用预测模型的企业提供了实时执行的下一组操作。这一转变将帮助组织更快、更高效地处理数据。
scott parker, sinequa产品营销总监
随着大数据的不断激增, 对支持个人和上下文访问的技术的需求将越来越大。虽然技术继续推动2019年及以后的大数据创建, 但新的创新将越来越多地帮助人们和组织利用大数据, 使用户能够做出更明智的决策。明年需要关注的一个领域也是对大数据隐私的日益关注。gdpr 和加州消费者隐私法只是个开始, 我预计明年会看到更多的隐私监管讨论linkedin. commasgodmanson/”target =” _ black “> tom goodmanson,卡拉布里奥首席执行官
2019年将是领导成功变革举措的公司通过从联络中心实施全渠道分析来实现这一目标的一年, 以找到客户想要的东西。
企业知道, 为了增长和保持相关性, 他们必须适应变化, 但他们并没有依靠足够的数据来为变化提供信息。2018年, 我们发现了高管对分析的价值与实际分析数据的程度之间的差异。我们对1000名高管进行了调查, 发现虽然几乎所有高管都同意数据和分析是为销售和营销变化提供信息不可或缺的一部分, 但目前超过一半的高管仅依靠一个数据点 (如收入数字或社交媒体互动) 来提供信息决定。他们无法获得客户语音数据, 以了解客户的需求。
2019年, 这种情况将改变。国际犯罪分类估计, 企业在2019年的数字转型支出将超过2万亿美元。领导成功变革计划的公司将通过从联络中心实施全渠道分析来实现这一目标, 从而找到客户想要的东西的根源。改进整个业务的数据集成和报告将使 c 套件更容易访问数据和充分优化客户体验所需的知识。