大数据技术_比较有发展的有哪些

柠檬学院大数据

　　研究人员称，会有越来越多的公司加速采用大数据技术。互联网数据中心（IDC）预测，到2020年大数据和分析技术市场，将从今年的1301亿美元增加至2030亿美元。

　　其实在2016年中旬的时候大数据就有一些新的技术发展了起来，如深度学习、机器学习，那么让我们来看一下2017年比较有发展的大数据技术有哪些呢？了解了这些2017年你就可以给你的大数据学习定一个小小的目标了。

　　1、开放源码

　　ApacheHadoop、Spark等开源应用程序已经在大数据领域占据了主导地位。一项调查发现，预计到今年年底，近60％企业的Hadoop集群将投入生产。佛瑞斯特的研究显示，Hadoop的使用率正以每年32.9％的速度增长。

　　专家表示，2017年许多企业将继续扩大他们的Hadoop和NoSQL技术应用，并寻找方法来提高处理大数据的速度。

　　2、内存技术

　　很多公司正试图加速大数据处理过程，它们采用的一项技术就是内存技术。在传统数据库中，数据存储在配备有硬盘驱动器或固态驱动器（SSD）的存储系统中。而现代内存技术将数据存储在RAM中，这样大大提高了数据存储的速度。佛瑞斯特研究的报告中预测，内存数据架构每年将增长29.2％。

　　目前，有很多企业提供内存数据库技术，最著名的有SAP、IBM和Pivotal。

　　3、机器学习

　　随着大数据分析能力的不断提高，很多企业开始投资机器学习（ML）。机器学习是人工智能的一项分支，允许计算机在没有明确编码的情况下学习新事物。换句话说，就是分析大数据以得出结论。

　　高德纳咨询公司（Gartner）称，机器学习是2017年十大战略技术趋势之一。它指出，当今最先进的机器学习和人工智能系统正在超越传统的基于规则的算法，创建出能够理解、学习、预测、适应，甚至可以自主操作的系统。

　　4、预测分析

　　预测分析与机器学习密切相关，事实上ML系统通常为预测分析软件提供动力。在早期大数据分析中，企业通过审查他们的数据来发现过去发生了什么，后来他们开始使用分析工具来调查这些事情发生的原因。预测分析则更进一步，使用大数据分析预测未来会发生什么。

　　普华永道（PwC）2016年调查显示，目前仅为29％的公司使用预测分析技术，这个数量并不多。同时，许多供应商最近都推出了预测分析工具。随着企业越来越意识到预测分析工具的强大功能，这一数字在未来几年可能会出现激增。

　　5、智能app

　　企业使用机器学习和AI技术的另一种方式是创建智能应用程序。这些应用程序采用大数据分析技术来分析用户过往的行为，为用户提供个性化的服务。推荐引擎就是一个大家非常熟悉的例子。

　　在2017年十大战略技术趋势列表中，高德纳公司把智能应用列在了第二位。高德纳公司副总裁大卫·希尔里（DavidCearley）说：“未来10年，几乎每个app，每个应用程序和服务都将一定程度上应用AI。

　　6、自助服务

　　由于聘请高级专家的成本过高，许多公司开始转向数据分析工具。IDC先前预测，“视觉数据发现工具的增长速度将比其他商业智能（BI）市场快2.5倍，到2018年，所有企业都将投资终端用户自助服务。

　　一些大数据供应商已经推出了具有“自助服务”能力的大数据分析工具，专家预计这种趋势将持续到2017年及以后。数据分析过程中，信息技术的参与将越来越少，大数据分析将越来越多地融入到所有部门工作人员的工作方式之中。