考虑到技术发展的速度, 我们认为要求 it 高管分享他们对2019年的预测会很有趣。以下是他们告诉我们的大数据:
ben slate, instaclustr首席产品官
我真的认为流媒体将是2019年大数据中的大事。公司正在迅速意识到, 处理和分析数据的到来–而不是在数据保存到某个地方后对其进行大量处理–提供了巨大的优势, 无论是及时获得答案, 还是在他们能够执行的分析的敏捷性方面。
richard whitehead, moogsoft首席福音传教士
降低最终1% 的 it 操作噪音。当我们将自动化技术应用于 it 运营时, 我们能够将噪音降低99%。在未来十年中, 专家和创新者将不断推动取消这一额外的 1%。虽然一开始, 这听起来像是一个最小的成就, 但数据和信息的指数级增长使这成为一项艰巨的任务。
sanjeev Agrawal, leantaas总裁兼首席营销官
利用预测分析, 其他数字空间也取得了巨大的成功: 例如, 零售公司在网站和社交媒体上使用了有针对性的广告, 以提高点击率和推动销量。随着每天生成大量数据, 医疗保健部门也该采取同样的做法了。采用数据驱动文化的医疗保健提供商可以快速了解如何以提高运营效率的方式分析数据。
prem ananthakrishnan, 产品副总裁, druva
区块链将成为商品.供应商正在为迅速增长的区块链应用市场的份额而奋斗, 但现实是, 这是一场恶性竞争。随着标准化的继续, 几乎不会有什么差异化, 区块链就会滑入应用的背景, 发生在幕后。数据管理等行业也将开始采用这种技术, 因为它提供了一种在记录被提取到其他资源时验证和信任数据的方法。
自主汽车创建数据中心混乱.目前对自主和互联汽车进行了大量投资, 很快就需要级联到数据中心。自主汽车的成功依赖于来自车辆的遥测数据, 以便为驾驶决策提供信息, 但如何正确存档这些数据以确保合规性。随着每分钟创建这么多数据点, 如何正确隔离必要的数据, 例如与任何事故或事件的隔离, 并将其保留多年？正确的数据管理体系结构将是确保成功的关键。
“数据保护” 是为数据管理提供途径.保护数据和还原备份文件的能力对于现代企业来说已经不够了。数据已成为公司成功、推动洞察、客户定位和业务规划, 甚至培训 ai 和机器学习模型的燃料。从数据中提取额外价值的任何方法都是业务成功的关键, 向数据管理的转变是关键, 在这种情况下, 数据不仅受到保护, 而且经过适当存档, 易于搜索, 可以用于分析, 并且在整个过程中都是合规的linkedn. com/mrbackup/”target =” _ black “> w. curtis preston, 首席技术专家, druva
上升过程中的未恢复数据丢失.在云调查中, 德鲁瓦2018年虚拟化状态的90% 的受访者表示, 他们将在2019年使用公共云;然而, 许多公司仍在用手动流程备份他们的 ias/paas/saas。更令人关注的是, 一些人根本没有备份他们的 iaas/paass™ saas 环境, 因为他们的假设是, 在服务本身中提供的保护是 “足够好的”。例如, 在 office 365 中, 这些保护并不能降低与黑客、勒索软件、恶意用户或通常删除超过60天左右的任何内容相关的风险。
karthik ramasamy,联合创始人, streamlio
在接下来的一年里, 我们将看到 “谁” 究竟是企业数据的主要消费者的根本转变。尽管迄今为止数据处理的主要重点是将有用和及时的洞察掌握在人们–业务分析师、数据科学家、决策者等–手中, 但我们将看到智能应用将成为最终应用的快速转变数据的使用者。这一转变将加速微服务和数据驱动架构的采用, 以满足这些应用程序的需求。
bill peterson, mapr行业解决方案副总裁
边缘的分析 (而不仅仅是捕获和中继数据) 随着工具和应用程序在适当的位置上执行分析的成熟而呈指数级增长。
1. 首席信息官回击。忘记 cio 中的 “我” 代表 “信息” 的日子已经结束。随着领导公司的数据和信息战略, 而不是基础设施和安全, cio 的角色将变得更加重要。就像数字化和数据改变了 cmo 角色一样, cio 角色在几年后就无法从其目前的形式中识别出来。我们可以预期, 这一进程将在2019年有所起色。
2. 数据科学声称自己是战略数据指挥部。传统的智能工具和平台在提供操作洞察和报告方面做得很好。数据科学有机会帮助处理弱信号处理–来自市场、现场人员和客户支持的信息, 这些信息可以指导公司战略走向新的机遇或避免潜在的灾难。
3. 云将为您的数据和分析而来。首先是您的应用程序在移动, 但云并不满意。现在, 它将为您的数据和分析而来–您会很高兴它做到了。计量的横向扩展解决方案以及与现在位于云中的应用程序数据的接近程度使其变得很容易被吞没。对数据的普遍访问、基于浏览器的完整分析以及高性能、灵活的架构将使我们不禁要问, 我们以前是如何运作的。
tomer shiran, dremio联合创始人兼首席执行官
数据消费者成为焦点。随着公司通过数字化转型发展业务, 数据变得越来越重要, 从数据中提取价值做得最好的公司将超过竞争对手。数据消费者–数据科学家、分析师、bi 用户、统计学家–处于沟里, 发现了这一价值, 并做出了促进战略利益的发现预计将看到为研究这些个人的日常工作流程所做的重大努力, 以及为提高生产力、增加培训和提供更多留用产品而进行的投资。
数据即服务是分析的下一个发展过程。我们现在已经进入 aws 时代10年了, 它从按小时计费的按需基础架构开始, 现在已经在整个堆栈中向上移动, 以包括完整的应用程序和中间的每个构建块。现在, 公司希望为其数据提供相同的 “按需” 体验, 这些体验可满足单个用户的特定需求, 具有出色的性能、易用性、与他们喜爱的工具的兼容性, 并且无需等待数月的 it。通过使用开源项目、开放标准和云服务, 公司将向跨关键业务线的数据使用者交付其首次数据即服务迭代。
kunal Agarwal, unravel data首席执行官
随着组织采用混合云战略, 更多的大数据部署将转移到云。由于云的弹性计算要求, 组织将继续意识到大数据更适合云。
联合创始人兼首席技术官stepwan ewen,数据工匠
流处理将用于复杂的数据管理。流处理器将能够直接跨流和状态处理 acid 事务, 而不是使用关系数据库。就像事件流保存了世界变化的真源一样, 符合 acid 的流处理可以将许多具有重叠和冲突变化的流解析为世界的一致状态, 成本仅为成本的一小部分, 而且要大得多灵活性和易于部署。
人工智能应用的爆炸式发展将使分布式流处理成为必然。除了纯流式 ml 技术外, 流处理将成为组装复杂特征向量的核心部分, 这些特征向量被输入到复杂的 ml 预测值中。分布式、高性能的流处理框架将成为对 ml 模型和算法进行大规模高效建模和预处理日益复杂的实时数据的必要条件。
5g 和传感器及物联网设备的普及将创建更多实时流媒体数据和更多需要对事件立即做出反应的用例。流处理将被用作实现 “边缘计算” 的有效方法。流处理对于设备或网关上的预处理数据和在边缘运行事件驱动的逻辑都是非常匹配的。
更多的公司将认识到流处理是构建符合 gdpr 的数据基础架构的一种简单方法.经典的 “静止数据” 体系结构使得对敏感数据存在的位置进行推理变得极其复杂。流数据体系结构直接处理运动中的数据 (不需要长期存储或导致数据复制), 并且可以轻松地将敏感信息隔离在应用程序状态中, 从而使其自然兼容。
网络安全将继续作为信息技术最重要的议题之一崛起。为了检测和防止安全漏洞, 网络安全解决方案需要查找跨网络基础结构、应用程序、服务等的指标和使用模式中的异常。流处理的使用将继续扩大在网络安全中的应用, 因为该技术非常符合这些要求: 实时收集和聚合事件、跟踪复杂模式、评估和调整实时数据上的 ml 模型linkedn. com/danielriek/”target =” _ black “> daniel riiek,红帽cto 办公室人工智能公司高级主任
kubernetes (加上亚马逊的 s3 和开源 apache 卡卡) 将被公认为 ai 工作负载的默认平台。在平台方面, 智能应用的扩展正在推动从传统的大数据模型作为孤立的系统向融合的以数据为中心的应用程序平台的转变。linux 和 kubernetes 正在成为这一转变中的共同核心技术, s3 也成为静态数据的接口, 卡夫卡也成为运动中数据的接口
数据技能差距将扩大–但数据素养也将扩大:数据既是企业的问题, 也是企业的答案。这是一个问题, 因为企业设法收集的数据比他们知道如何使用的要多, 但这是答案, 因为它可以预测预测, 并提供对企业应该如何运行的洞察。明年数据技能差距将继续扩大–用户需要能够正确地分析数据的来源和如何使用, 而且随着更多数据的提供和算法进入争夺战, 数据的使用才会变得更加复杂。但同时, 业务用户在寻求作为一个团队来处理数据并帮助彼此从数据中获得所需信息时, 也会提高数据素养。