剖析大數據市場：繼續發展并逐漸遷移云端

大數據市場呈一片欣欣向榮的景象，近年來，隨著技術的不斷發展創新，大數據順著時代發展的潮流，發展迅猛?！按髷祿币辉~最早出現在1990年的一本科技詞典中，當時這個詞是用于形容龐大且增長猛烈的企業數據，利用當時的技術，人們很難存儲并分析這些數據。

2001年，分析師DougLaney提出了大數據的定義，它包含三個“V”的維度：數量(volume)、速度(velocity)和種類(variety)。在隨后的幾年里，Laney的定義成為了行業通用的標準，有些人還加入了第四個V來定義它——可變性(variability)。

2014年，IDC和EMC發布了最新版本的《數字世界研究報告》，其中指出全球數字化系統中存儲的數據量正在以每年40%的速度增長著。報告還預測，到2020年，整個數字化世界中將存儲44澤字節的信息。這些數據就如同宇宙中的繁星一樣多，要把這些信息裝進2014年代的數據表里，表格的長度是日月距離的6.6倍。

現如今，大數據依然在快速地發展，不過人們已經漸漸不去把數據存儲量的增長當成焦點。相反地，越來越多的組織開始把目光放在數據分析、數據科學以及機器學習上。他們直接把管理大數據當做是業務的一部分，如果想要在競爭中獲得勝利，他們就需要找到將存儲的大數據轉化為高價值洞察的方式。

大數據市場概況

根據IDC報告，全球大數據及商業分析的收入可能將從2017年的1508億美元增長到2020年的2100億美元，復合年增長率高達11.9%。這也意味著，在大數據發展的這些年，企業在大數據技術上的花費越來越多。

IDC集團副總裁DanVesset說：“在經歷了S型曲線式的多年發展以后，大數據和商業分析解決方案已經完全成為了主流?！?

大部分組織和企業認為大數據項目對他們的營收有積極的影響。在《NewVantage Partners 大數據管理調查》中，80.7%的受訪者反饋針對大數據的投資是成功的，48.4%的人認為他們通過大數據項目實現了可以被計量的好處。

這樣的結果可能會鼓勵企業繼續向大數據投資，但他們所采納的大數據解決方案的類型正在發生轉變。根據Forrester的一項調查，“大數據正在向云端遷移。事實上，全球范圍內，通過云端訂閱購買大數據解決方案的增長速度是本地化訂閱的7.5倍?！盕orrester還補充道，“此外，根據我們2016-2017年針對數據分析專家的調查，公有云是大數據領域首選的技術?！?

對于依賴機器學習技術的大數據分析而言，云端解決方案特別受歡迎。機器學習需要高級且昂貴的計算機硬件，但在云端進行機器學習的方式能夠令企業以極少的成本實現這一過程，這樣的成本只是自行安裝數據中心的一小部分。雖然企業面臨著和云端分析相關的種種困難，但專家認為云端分析發展的趨勢未來幾年將會加快。

大數據技術

隨著大數據市場的逐漸成熟，供應商們也開發出了各式各樣不同的大數據技術來滿足企業的需求。這是一個非常廣闊的市場，但大部分大數據解決方案都可以根據以下標準進行分類：

商業智能(BI)：商業智能解決方案能夠基于存儲在數據倉庫中的業務數據提供分析及報告能力。根據Gartner報告，BI和分析的市場預計將從2017年的183億美元增長到2020年的228億美元。但是，它們的增長速率比以前更慢。

數據湖：數據湖能夠消化各種來源渠道的數據，并以數據源原始的格式進行存儲。它與數據倉庫之間的差別在于，數據倉庫中的數據都是經過清洗并且調整到可分析格式的數據。對于那些希望同時進行結構化和非結構化分析的組織而言，數據湖非常受歡迎。

數據整合：大數據分析技術面臨的一個巨大挑戰就是要從各個分散的數據源收集各種相關的數據，并把他們統一到一個能夠輕松實現分析的格式。這為我們帶來了很多的數據整合解決方案，有時大家把它叫做ETL(數據提取、轉換、加載)解決方案。根據Markets and Markets的研究報告，數據整合業務的收入到2022年可能會增長到124億美元。

數據管理：這類型的解決方案中包含了能夠幫助企業整合、清洗、存儲、維護并保證數字數據質量的各種工具。Markets and Markets預計這類型大數據工具到2022年將產生1052億美元的收入。

數據挖掘：數據挖掘的范圍很廣，其中包括了各式各樣的找到大數據模式與規律的技術。雖然很多大數據解決方案依然在異同數據挖掘的能力，但這個概念已經不太受到供應商的歡迎了，因為他們開始用“預測性分析”和“機器學習”來形容自己的解決方案。

開源技術：很多市面上最常用的大數據技術都是通過開源的授權來實現的。特別像Hadoop和Spark這樣以Apache為基礎進行管理的技術，已經非常受歡迎。很多供應商都能夠提供這些開源大數據技術的商業化支持版本。

NoSQL數據庫：不同于關系型數據庫管理系統(RDBMSes)，NoSQL數據庫不通過傳統的行列表格形式存儲信息，而是通過各種模型，例如行列、文件、數據追蹤圖等改格式進行存儲。很多企業都在使用NoSQL數據庫用于非結構化數據的存儲和分析

預測性分析：這是目前最受歡迎的大數據分析形勢。預測性分析關注過往的歷史趨勢，目的是對未來會發生什么做出預測。很多現代的預測性分析解決方案都加入了機器學習的能力，目的是隨著時間的增加提高預測的準確性。Zion的一項市場調研報告指出，預測性分析的指出將從2016年的34.9億美元增長到2022年的109.5億美元。

診斷分析：診斷分析在預測性分析上更進了一步。除了告訴企業未來可能會發生什么，這樣的解決方案還能夠基于事件發生的原因提出建議，達成期望的結果。專家認為，目前市面上只有少數的大數據分析解決方案擁有真正的預測性分析能力，但很多供應商都在大力研究這個領域。

內存數據庫：內存技術大大提升了大數據分析的速度。在任何的計算機系統中，內存數據的存取(有時也叫RAM)相比存儲在硬件或實體硬盤中的數據存取都是快的多的。內存數據庫能夠幫助用戶在內存中存儲大量的數據，大幅提升速度。

數據科學平臺：很多供應商都開始將他們的大數據分析解決方案標榜為“數據科學平臺”。這個領域的產品通常而言都把很多不同的功能整合到了同一個平臺上。這個領域里幾乎所有的產品都有一些分析或者機器學習的功能，很多也有數據整合和數據管理的能力。

人工智能和機器學習：很多新一代的大數據分析工具都加入了機器學習能力，這是人工智能(AI)領域的一個子集。機器學習利用算法幫助系統隨著時間的增長優化任務處理的能力，并且不需要直接的編程行動。這是大數據領域中發展最快的部分。

在2018年的大數據市場中，大數據還將繼續發展，而重心也逐漸遷移向云端。