譯見：2016年，數據、分析和機器學習趨勢五大預測

第一個預測是數據和分析將以驚人的速度加速增長

由于過去所有報告都指出這種增長和擴張，所以這并沒什么。Venturebeat指出：“盡管到2019年，大數據市場將有近500億美元規模，最但令人興奮的是機器數據分析的影響力才剛剛起步。機器數據分析將是大數據領域中增長最快的部分，復合年均增長率將超過1000%。”

原文作者：Bruce Robbins，本文由Teradata數據分析見習顧問惠慧 翻譯投稿至36大數據，并經由36大數據編輯發布，任何不標明譯者和本文連接 http://www.36dsj.com/archives/39617 的均為侵權。

發展基于云的解決方案提供了很多機會，并且這種發展不會逆轉。從近年來的趨勢看，越來越多的公司增加基于云的解決方案并抓住機會抽取、搜集數據以獲得潛在的信息和知識。

Absolutdata Analytics聯合創始人兼執行副總裁Suhale Kapoor強調：“向云計算的快速轉變：云成為理想的信息存儲空間。它被快速接納的速度會持續到2016年。根據技術商業研究,大數據將導致巨大的云增長; 排名前50的公共云提供商的收入從2013年第四季度的47%上升至62億美元。”

不難預測， 在2016年，云計算、數據開放機會、分析和機器學習將驅動業務發展。

應用程序 將學習自我提高

應用程序作為新一代記錄和機器數據分析以擁有自我提升能力，36大數據（微信號dashujue6),在云層，使用預測算法使得持續改進、持續集成和持續部署成為可能。應用程序將向用戶學習，從這個角度看，用戶作為系統架構師告訴系統他們是誰、他們需要什么、系統應該怎么和他們交互。

Gartner認為先進的機器學習最鼎盛時期將發生在2016年，他說：“先進的機器學習中的深層神經網絡超越了經典的計算和信息管理，可以通過創建自主學習系統等方式感知世界(尤其適合大型、復雜的數據集)…正是這些使得聰明的機器變得“智能”。 深層神經網絡使得硬件和基于機器的軟件能自主學習環境中所有功能，從最細微的細節中抽象出全面的內容。這個領域正在快速發展，組織必須考慮如何運用技術以獲得競爭優勢。”系統運用先進機器學習的能力不應局限于發現外部信息，也應包括適應系統本身和怎樣與用戶交互。

系統進行數據分析需要了解問題本身、問題的框架以及用戶會選擇怎樣的詞匯和語法提出問題。用戶不在需要痛苦得使用查詢和編程語言結構以了解數據。系統將了解人類自然語言，比如：提取所有關于我對于x、y和z的理解。系統之所以可以這樣是基于用戶多次用結構化編程語言（一種機器可以理解的語言）問這些問題以及非專業化用戶匹配新詞匯。

由于技術格局的變化，2016年將出現自我學習應用程序。麻省理工大學CEO Himanshu Sareen指出此舉正在推進機器學習技術變得可用：“就像所有主要的云計算公司（亞馬遜網站服務、谷歌、IBM等）提供分析服務一樣，這些公司在云端提供機器學習應用程序接口。這些接口允許開發人員每天構建智能、數據驅動的應用程序。”

我們的預測是： 到2016年，由于深度學習技術的發展將會出現更多的自主學習應用程序。

處理數據將變得更容易

盡管程序員高度專業化，數據科學家和數據分析師的排他性見解也不會消除。來源于數據的知識將不再掌握在專家手中，并且技術將再次使信息大眾化。根據Hortonworks首席技術官Scott Gnau所說，提供自我支持和自我分析的易用程序的需求已經被商業認可。他說：“簡化大數據技術有市場需要，并且在技術、消費等各個方面都存在機會。明年將會有顯著的簡化過程。”

數據將會變得大眾化，從程序員到數據科學家再到數據分析師，就像Absolutdata聯合創始人兼執行副總裁Suhale Kapoor所說：“甚至那些沒有受過特殊訓練的人將開始渴望參與分析。這也解釋了為什么越來越多的公司采用讓終端用戶應用統計、尋求解決方案并且重視數據平臺……36大數據（微信號dashujue6),人類不可能知道所有正確的事情，受自身的局限性，這些問題都含有偏見，會受自己的假設、選擇和我們的主觀影響。2016年，我們將看到從假設分析（我們依靠分析師提出正確無偏見的問題）到自動化機器學習和智能模式發展技術的強大轉變，客觀地提一個問題，消除偏見，克服局限。”

“歷史上，自我服務數據發現和大數據分析是商業智能的兩個獨立能力。然而，公司將看到這兩個領域的融合帶來更大的轉變。大數據分析工具將會擴展，使管理者和執行者在需要時進行全面自助服務探索，而不需要掌握主要信息技術。這個預測來自于商業智能和分析公司Targit12月份的研究…..自助式BI讓IT更強大，使業務用戶能用數據創造和發現見解，而不犧牲促使數據驅動組織形成的大數據分析結構。”

我們能自信得預測， 到2016年，越來越多的數據分析應用程序將需要更少的技術專長。

數據集將成為獲取有用信息的關鍵

大數據處理引擎的成熟使得敏捷的數據開發和分析能夠深入了解大量不同且復雜的數據。連接和組合數據集開啟了數據孤島中的見解并且將自動在后臺的軟件即服務應用程序運行而不需要手工操作電子表格。

Gartner副總裁兼研究員David Cearley把不斷擴展的終點比作“設備網”36大數據（微信號dashujue6)，他認為：“人們可以不斷訪問應用程序和信息并且與人、社會、政府和企業互動。后移動世界關注的焦點將轉移到那些被設備網而不是傳統移動設備包圍的移動用戶。隨著設備網的發展，我們期待連接模型擴展并且設備之間出現更多的合作互動”。

在同一份報告中，Cearley說：“ 信息總是無所不在，但是經常是孤立的、不完整的、不可用或者無法了解的。語義工具如圖數據庫和其他新興數據分類和信息分析技術的發展使泛濫的數據有意義 。”

這是一個簡單的預測，但是越來越多來自不同源的數據集將會被聚集以獲得更多見解，這個顯而易見的趨勢將發生在2016年。

看見變得重要，可視化是從數據到信息再到知識轉化路徑的關鍵

具有收集、探索復雜數據集的能力后急需可以理解數據的工具。那些將復雜數據的信息可視化的工具越來越成熟且應用越來越廣泛，36大數據（微信號dashujue6)。Absolutdata Analytics聯合創始人兼執行副總裁Suhale Kapoor說：“可視化將是王道：圖片勝過文字不是新現象—人腦天生偏愛圖表和圖形而不是一堆古板的電子表格。這個事實被隨時歡迎可視化軟件的數據工程師認同，他們希望能夠以圖片格式看到分析結論。”

可視化在數據到知識轉變中確實起到杠桿作用，這也將使更多自適應和動態可視化工具出現。“圖形和圖表確實引人注目，但只是靜態，有時會讓企業用戶對數據的意義產生虛假的安全感或者缺乏安全感……相比漂亮圖表，可視化工具將更需要隨著趨勢變化動態得給出正確答案，促使動態指示板出現以及細微變化一出現就能動態填充圖表，以揭示易被忽略的見解。”

我們預測： 在2016年，新的數據中心符號、一種獲得信息的數據交流可視化語言將變得更強大，更重要并將成為信息學的引擎。

End.

 

除特別注明外，本站所有文章均為戴粉網轉載，轉載需獲得原網站授權