再不懂大数据就落伍了！看懂2018趋势

2018年大数据趋势

物联网的发展为数据管理领域注入了许多新的大数据来源，并将在2018年及之后成为大数据领域的一大趋势。笔记本电脑、智能手机、机器上的传感器都为物联网生成了大量数据。

一些组织机构能够很灵活地将数据处理和转化成有用的商务智能，这就意味着它们有很大的机遇去获得竞争优势（或保持竞争力）。企业也在极力紧跟大数据的发展潮流，努力将数据转化为有用的见解。对于企业来说，商务智能是保持竞争力的关键所在，而数据分析能够提供所需的最新信息。

2017年，有些公司扩展了使大数据可视化和图形化的服务和软件。这样研究人员就能够更有效地收集和协调大众信息，改善客户体验，也使得领导者可以简化决策过程。

2018年，提供云服务的公司数量还将继续增长，导致竞争性定价，使得规模较小的企业也能访问大数据资源。

2018年的商务智能

组织决策目前正在经历转折期，这个状态将持续到2018年。2017年，在处理大数据的目标下，效率越来越高，成本不断减少。这也使得基于大数据的商务智能应用对于中小企业甚至初创公司来说，变得越发重要。这个趋势将持续到2018年及以后，处理大数据的成本将持续降低。以下几点值得期待：

商务智能将不断走向云端。

数据分析将提供更好的数据可视化模型和自助软件。

基于大数据决定如何拓展市场和地区。

2018年的云趋势

混合云

虽然云端为存储和处理大数据提供了方便的解决方案，但却很少有人愿意将企业的所有数据都放到云端。2018年，混合云的使用应该会大幅增长，因为混合云兼具二者（译者注：公有云和私有云）的优点。企业预置型数据管理可以结合云的便利特点。

其他部门可以访问云

通常IT部门会充当其他部门访问云的“中介”。但是，连接云技术已经变得非常容易。其他部门，如市场销售或人力资源，现在都可以直接访问云。随着更多的人能够访问敏感信息，安全问题也成为一大隐患。

2018年的数据分析

可视化模型将融入分析过程

2017年，2800名经验丰富的商务智能领域专业人士参与了一项调查，该调查预测数据可视化和数据发现将成为一大趋势。数据发现有所发展，不仅体现在对数据分析及其关系的理解，还体现在数据的呈现方式上，为企业提供了更深入的商业观察。于是，可视化模型越来越受欢迎，可以将数据转化为实用的商业见解。不断改进的可视化模型已成为从大数据获取深层信息的必要环节。

预测性分析

很多企业用基于过去的大数据研究来支撑对未来行为的预测，但如今更新后的研究对于这些预测更有价值。正如“过去的成就不代表未来”，这句话同样适用于商务智能领域。预测性分析为用户提供一种优势，可以实时“了解客户”，为增收创造了巨大可能。

2018年的物联网

物联网将持续发展壮大。如何利用从物联网设备获取的信息又完全是另一回事。

改善零售业

2018年，各种用户自有设备将促进传感器和数据的增长，消费者和企业主将从中获益。物联网汇聚信息，让企业更高效地将产品销售给潜在客户。懂技术的公司已经开始投资基于传感器的分析方法，这将能让他们追踪其商店内人流量最大的区域。

重塑医疗服务

大数据如今在推动医疗解决方案上得以应用，但也可以让人们以新的方式获取和支付医疗服务。新型穿戴式技术可监测人们的健康状况，提高医院、诊所的医疗质量。病人可以用联网的设备提醒自己去开药或锻炼身体，在血压飙升时发出警报。

改变安全问题

互联网安全面临的新挑战将成为2018年的一大问题，有预测称黑客会入侵物联网加以破坏。2016年10月，黑客通过物联网实施网络攻击，造成互联网大面积瘫痪。

随着物联网的不断发展，全球互联网基础设施的不足也将不断突显。人工智能与机器学习提供的解决方案愈发受到欢迎，设备之间的相互关联有所增强，因此安全专家需要学会与人工智能和机器学习项目进行合作。

2018年的机器学习

机器学习是计算机的训练过程，如今被很多机构用于各种活动，比如实时广告、模式识别、欺诈识别以及医疗保健。在2018年，机器学习将会更智能、更快速、更高效。

Advertisement的商务开发总监罗纳德·房龙表示：

“如今，数字业务需要转向自动化，机器学习技术正在迅速发展。机器学习算法从大量的结构化数据和文本、图像、视频、语音、肢体语言、面部表情等非结构化数据中学习，可用于从医疗保健系统到电子游戏和自动驾驶汽车的所有领域，拥有无限广阔的应用前景，为机器打开了一个新的维度。”

教育

目前，通过使用机器学习改善教学技巧的努力已经取得进展。例如，加州州立大学敦促其教师在教学中寻找和使用免费或低成本的素材。为了简化过程(用免费、或低成本的素材替代之前的课程教材非常耗时)，Intellus Learning提供了一种解决方案，即索引超过4500万个在线资源，并用机器学习训练程序或算法来提出建议。教师可以将免费或低成本的材料上传到课程材料管理系统中，并供学生使用。

医疗保健

识别不同疾病并做出正确诊断是研究机器学习的目标之一。医疗保健行业一直在开发能够识别并诊断疾病的计算机和算法。在德克萨斯大学奥斯汀分校，一个研究团队发明了把多个肿瘤生长模型结合起来的全自动方式。机器学习算法能自动识别大脑肿瘤。机器学习已用于各种医疗工作，包括：

行为矫治

流行病爆发预测

药物发现

放射检查

电子病历

诊断和疾病识别

2018年的人工智能

当前人工智能研究的重点是开发让人机交互更加自然的算法，以及训练这些算法的方法，旨在使用自然的人类语言回答复杂的问题。人工智能和机器学习使通常需要人类决断的工作有了自动化的可能，这些工作包括诸如此类技能：

阅读手写材料

面部识别

学习

认知能力，如规划和利用部分信息作出推理

人工智能和网络安全

随着企业意识到开发网络安全程序的重要性，人工智能将变得更加流行。一个合理构建的人工智能防御系统能够从多年来发生的攻击事件中，学会各种攻击和防御策略。它可以创建正常用户行为基准，然后搜索异常行为，速度比人类快得多。这比维护一支由信息安全专家组成的团队来处理日常网络攻击要便宜得多。人工智能也可以用来制定防御策略。预计在2018年，人工智能与网络安全的关系会更加密切。

（来源：译世界）