詳細解讀！2018大數據趨勢一文看懂
本期智庫為第18期，帶您了解美國DATAVERSITY Education公司發布的2018年大數據趨勢
2018年大數據趨勢
物聯網的發展為數據管理領域注入了許多新的大數據來源，並將在2018年及之後成為大數據領域的一大趨勢。筆記本電腦、智能手機、機器上的感測器都為物聯網生成了大量數據。
一些組織機構能夠很靈活地將數據處理和轉化成有用的商務智能，這就意味著它們有很大的機遇去獲得競爭優勢（或保持競爭力）。企業也在極力緊跟大數據的發展潮流，努力將數據轉化為有用的見解。對於企業來說，商務智能是保持競爭力的關鍵所在，而數據分析能夠提供所需的最新信息。
2017年，有些公司擴展了使大數據可視化和圖形化的服務和軟體。這樣研究人員就能夠更有效地收集和協調大眾信息，改善客戶體驗，也使得領導者可以簡化決策過程。
2018年，提供雲服務的公司數量還將繼續增長，導致競爭性定價，使得規模較小的企業也能訪問大數據資源。
2018年的商務智能
組織決策目前正在經歷轉折期，這個狀態將持續到2018年。2017年，在處理大數據的目標下，效率越來越高，成本不斷減少。這也使得基於大數據的商務智能應用對於中小企業甚至初創公司來說，變得越發重要。這個趨勢將持續到2018年及以後，處理大數據的成本將持續降低。以下幾點值得期待：
商務智能將不斷走向雲端
數據分析將提供更好的數據可視化模型和自助軟體
基於大數據決定如何拓展市場和地區
2018年的雲趨勢
混合雲
雖然雲端為存儲和處理大數據提供了方便的解決方案，但卻很少有人願意將企業的所有數據都放到雲端。2018年，混合雲的使用應該會大幅增長，因為混合雲兼具二者（譯者註：公有雲和私有雲）的優點。企業預置型數據管理可以結合雲的便利特點。
其他部門可以訪問雲
通常IT部門會充當其他部門訪問雲的「中介」。但是，連接雲技術已經變得非常容易。其他部門，如市場銷售或人力資源，現在都可以直接訪問雲。隨著更多的人能夠訪問敏感信息，安全問題也成為一大隱患。
2018年的數據分析
可視化模型將融入分析過程
2017年，2800名經驗豐富的商務智能領域專業人士參與了一項調查，該調查預測數據可視化和數據發現將成為一大趨勢。數據發現有所發展，不僅體現在對數據分析及其關係的理解，還體現在數據的呈現方式上，為企業提供了更深入的商業觀察。於是，可視化模型越來越受歡迎，可以將數據轉化為實用的商業見解。不斷改進的可視化模型已成為從大數據獲取深層信息的必要環節。
預測性分析
很多企業用基於過去的大數據研究來支撐對未來行為的預測，但如今更新後的研究對於這些預測更有價值。正如「過去的成就不代表未來」，這句話同樣適用於商務智能領域。預測性分析為用戶提供一種優勢，可以實時「了解客戶」，為增收創造了巨大可能。
2018年的物聯網
物聯網將持續發展壯大。如何利用從物聯網設備獲取的信息又完全是另一回事。
改善零售業
2018年，各種用戶自有設備將促進感測器和數據的增長，消費者和企業主將從中獲益。物聯網匯聚信息，讓企業更高效地將產品銷售給潛在客戶。懂技術的公司已經開始投資基於感測器的分析方法，這將能讓他們追蹤其商店內人流量最大的區域。
重塑醫療服務
大數據如今在推動醫療解決方案上得以應用，但也可以讓人們以新的方式獲取和支付醫療服務。新型穿戴式技術可監測人們的健康狀況，提高醫院、診所的醫療質量。病人可以用聯網的設備提醒自己去開藥或鍛煉身體，在血壓飆升時發出警報。
改變安全問題
互聯網安全面臨的新挑戰將成為2018年的一大問題，有預測稱黑客會入侵物聯網加以破壞。2016年10月，黑客通過物聯網實施網路攻擊，造成互聯網大面積癱瘓。
隨著物聯網的不斷發展，全球互聯網基礎設施的不足也將不斷突顯。人工智慧與機器學習提供的解決方案愈發受到歡迎，設備之間的相互關聯有所增強，因此安全專家需要學會與人工智慧和機器學習項目進行合作。
2018年的機器學習
機器學習是計算機的訓練過程，如今被很多機構用於各種活動，比如實時廣告、模式識別、欺詐識別以及醫療保健。在2018年，機器學習將會更智能、更快速、更高效。
Advertisement的商務開發總監羅納德·房龍表示：
「如今，數字業務需要轉向自動化，機器學習技術正在迅速發展。機器學習演算法從大量的結構化數據和文本、圖像、視頻、語音、肢體語言、面部表情等非結構化數據中學習，可用於從醫療保健系統到電子遊戲和自動駕駛汽車的所有領域，擁有無限廣闊的應用前景，為機器打開了一個新的維度。」
教育
目前，通過使用機器學習改善教學技巧的努力已經取得進展。例如，加州州立大學敦促其教師在教學中尋找和使用免費或低成本的素材。為了簡化過程(用免費、或低成本的素材替代之前的課程教材非常耗時)，Intellus Learning提供了一種解決方案，即索引超過4500萬個在線資源，並用機器學習訓練程序或演算法來提出建議。教師可以將免費或低成本的材料上傳到課程材料管理系統中，並供學生使用。
醫療保健
識別不同疾病並做出正確診斷是研究機器學習的目標之一。醫療保健行業一直在開發能夠識別並診斷疾病的計算機和演算法。在德克薩斯大學奧斯汀分校，一個研究團隊發明了把多個腫瘤生長模型結合起來的全自動方式。機器學習演算法能自動識別大腦腫瘤。機器學習已用於各種醫療工作，包括：
行為矯治
流行病爆發預測
藥物發現
放射檢查
電子病歷
診斷和疾病識別
2018年的人工智慧
當前人工智慧研究的重點是開發讓人機交互更加自然的演算法，以及訓練這些演算法的方法，旨在使用自然的人類語言回答覆雜的問題。人工智慧和機器學習使通常需要人類決斷的工作有了自動化的可能，這些工作包括諸如此類技能：
閱讀手寫材料
面部識別
學習
認知能力，如規劃和利用部分信息作出推理
人工智慧和網路安全
隨著企業意識到開發網路安全程序的重要性，人工智慧將變得更加流行。一個合理構建的人工智慧防禦系統能夠從多年來發生的攻擊事件中，學會各種攻擊和防禦策略。它可以創建正常用戶行為基準，然後搜索異常行為，速度比人類快得多。這比維護一支由信息安全專家組成的團隊來處理日常網路攻擊要便宜得多。人工智慧也可以用來制定防禦策略。預計在2018年，人工智慧與網路安全的關係會更加密切。（作者：Keith D. Foote 英文來源：DATAVERSITY）
作為中國企業出海、商業大勢觀察等方面的智庫型平台，出海小螺號現推出「智庫」欄目，精選全球重要智庫的最新研究成果進行編譯，為認知當前經濟發展、國際大勢等相關問題提供前沿參考，敬請關注！
本文僅代表作者個人觀點，不代表出海小螺號觀點
關注出海小螺號，您的企業出海小助手
TAG:出海小螺號 |