2017年会成为大数据的扫盲年吗？
过去一年内，我们看到了大数据的井喷式发展，数据处理分析成为热门，大数据行业呈现出信息激进之势。这导致数据科学家、数据应用程序员和商业分析师等大数据方面的人才成为当下职场最炙手可热的岗位。
但是，我们也能发现，有能力处理日益增长的大规模数据计算的专家和人才，还远远达不到市场需求的数量。
有人预测，随着商业数据不断增多，2017年将成为新数字信息时代的开始。但是如果没有足够多的专家对这些数据进行分析利用，那么这些资源将在很大程度上得不到充分的利用。
很不幸，事实情况是大数据的发展要远远快于我们学习利用数据的速度。
很多公司的决策者就只能依靠自己的直觉进行决策，这是因为他们眼前的数据规模庞大，杂乱无章，有些数据呈现出的信息甚至看似矛盾，导致了很多重大决策上的失误。
这种情况亟待改变。要改变现状，就必须提高数据科学家的水平。但是2017年更重要的任务是让更多的人了解大数据，即为更多的人提供数据分析工具和数据分析训练，来提高普通民众的大数据素养水平。
100年前，我们说要教普通民众读书写字，进行扫盲，现在我们也需要针对大数据扫盲，因为大数据分析能力将成为未来最重要的商业技能之一。
那么，要进行大数据扫盲，我们应该怎么做呢？
以下是我的一些看法
1
1
大数据的组合
大数据规模的重要性将逐渐让位于大数据组合。
数据的存储残片越来越多，很大一部分来自于云以外的数据源，这种情况下，如果没有明确目的性的话，储存数据的成本将大大提高。
这意味着我们需要建立一个新的模型，让公司企业能够快速组合他们的大数据和小数据，方便他们获得全面的信息并尽快确定数据的价值。组合数据也将帮助提高数据的准确性和可读性。
2
混合思维
2017年，混合云和多平台将成为数据分析的主要模型。
云的优势显而易见，存储数据方便，扩容难度小，因此云已经成为大数据的主要发展方向。但是单个的云是不够的，因为数据和工作负荷（workloads）将需要多个平台。此外，数据的重要性也决定了多个云备份的重要性。混合云和多平台环境将成为大数据的主导模型，工作负荷和数据公布将在云和预制数据储存系统之间展开。
3
面向全民的自助式服务
免费增值将成为新常态。
2017年用户将更方便的对他们的数据展开分析。越来越多的数据可视化工具将以更低的价格出现在市场上，甚至免费。这样一来，一些分析学将面向全民开放。越来越多的人开始学习分析学，那么数据素养水平自然将会提高——越来越多的商人会知道他们需要哪些数据和工具，这些数据对他们的公司有什么用。信息激进发展也将进一步得到刺激。
4
扩容
两年前的用户导向数据挖掘已经成为当今企业广泛使用的商业智能。
2017年，这种商业智能将取代过时的报告优先平台。随着商业智能成为新的商业参考结构，它将成为面向全民的自助式数据分析工具。商业智能还将能承接扩容、运营、管理、安全方面不同的需求。
5
发展中分析
2017年，我们的关注点将从“高级分析”（advanced analytics）转向“发展中分析”（advancing analytics）。
高级分析是至关重要的，模型的创建、管理和策划只有高技术水平的数据专家才能够做到。但是一旦模型建立起来了，更多的人就能够从这些模型中受益，普通人也可以使用这些自助服务工具。
此外，通过赋予软件更多智能，提高模型的分析能力，降低复杂性和分析数据洞察的难度。但数据分析不应该被简单定义为黑盒子或过于规范化的概念。
最近“人工智能”被炒的火热，但它并不能取代人类分析，只能作为辅助人类的分析工具。人工智能固然能够帮助回答一些问题，但是和回答问题同样重要的是提出问题，这只能由人脑来完成。
6
可视化将从纯分析工具发展成为适用于全信息供给链的 重要概念。
可视化将成为统一中心的强大组件，它采用视觉方法管理信息资产，准备视觉自助服务数据，从而支持现实视觉分析。此外，可视化作为传达交流信息方式上将取得重大进展。这样一来，数据供应链可服务的用户数量将会增加。
7
从定制分析应用程序到应用程序内分析
应用程度的使用者不一定是这个应用程序的开发者。
但是我们也应该让这些使用者能够发掘他们自己的数据。提高大数据的素养水平之后，人们就能更好的从分析学中获益，因为他们可以使用各种应用程序来帮助他们结合自身情况进行数据分析，还能运用分析学工具自己进行数据分析的工作。由此看来，开放可扩展的、可定制的情景化的分析工具将在未来成为主流。
这些趋势为不仅能提高信息活动水平，而且将为提高数据素养水平提供了基础。毕竟，可以抓住“另一半人群”（即技术不熟练的信息工作者和行动工作者）的新平台和技术将帮助我们进入一个新时代，让合适的数据与合适的人以及他们的想法联系在一起——这将弥补我们现有数据水平与我们从中获得洞察力的能力之间的鸿沟。
这是我们应该选择的道路，它能带领我们走向一个更加开明的，信息驱动的和基于事实的新时代。
翻译：灯塔大数据