數據分析師發展前景如何，毫無疑問是樂觀而且持續樂觀的。于個人而言，無論大局勢的數據分析師發展前景是好是壞，對于我們個人而言，關系其實不是很大，畢竟能力才是你前行的最好資本。面對如今發展得如火如荼的大數據及大數據分析，還有充斥著各種各樣的數據分析師證書，我們不禁疑惑：是我們駕馭著大數據，還是大數據駕馭著我們？對于未來，我們是更好地利用大數據為我們個人服務，還是依賴于大數據而毫無自己的主觀能動性。下面，一篇關于“未來如何更好地駕馭大數據”，告訴你，未來我們應該如何更好地駕馭大數據，讓大數據扮演好為我們人類服務的角色。

到2018年全球大數據方面的開支將達1140億美元，是5年前的3倍；到2020年全球大數據規模將達44ZB（澤字節），是2013年的10倍。下一波大數據浪潮即將來襲，但是并沒有多少組織為此做好準備。如果應對措施不當，你可能就不是弄潮的那個，而是被浪尖打翻的那個。如何為駕馭大數據做好準備呢？請看Crewspark CEO Cameron Sim的文章。

1140億美元。這是2018年全球組織在大數據方面的開銷，僅僅5年的時間就增長了300%以上。但是這些投入有多少是值得的呢？

過去10年，我們目睹了大數據管理新方法的廣泛應用，如MapReduce、供大規模存儲使用的非模式化數據庫，以及用于存儲和處理的Hadoop、Storm和Spark等。但是大數據的使用不僅僅是特定平臺或范例的部署而已：理想情況下這意味著公司對數據的建構和組織要如何進行徹底的重新設計。

但據調查發現，目前還沒有多少組織為新的數據平臺和能力做好基本準備。只有35%的組織擁有了“健壯的數據捕捉、管理、驗證及保存流程”，更有67%“缺乏衡量定義明確的大數據行動成功的標準?！蹦切┐髷祿鉀Q方案基本都是被動集成進來的。

但時間可不等人，根據2014年IDC的報告，到2020年，全球的數據總量將達44ZB，整整是2013年的10倍。面對著下一波的數據大爆發，那些未做好準備的公司將可能就會有背負運營和技術雙重債務的風險，并因數據落后而被淘汰出局。

具體而言，這些風險體現在以下幾個方面：

企業喪失透明度

業界將面臨大規模的技能短缺問題——很少有IT專業人士有經驗管理大規模的大數據平臺。根據麥肯錫的分析，到2018年，美國將出現150萬名有能力做出基于數據決策的經理。為了縮短這一鴻溝，麥肯錫估計企業將需要把數據和分析預算的50%投入到一線經理的培訓上面。但是還沒有多少公司意識到這一點。

隨著數據需求的擴大，如果對信息管理缺乏深刻理解，對數據擴展性缺乏最佳實踐，那么在管理數據驅動的系統時就會遭遇到重大挑戰。而糟糕的運營透明度會導致企業很難識別出數據何時不準確和無意義，甚至連關鍵報表和指標是否正確運行都不知道。理清這些錯綜復雜并對數據提出正確的問題將成為IT人員的必備技能。否則就會缺乏對企業運營的可視性，無法有效做出知情決策并削弱企業的競爭優勢。

人工成本飆升

據估計2014年時數據科學家50-80%的工作時間花在了數據集清理和處理上。近期公司往往傾向把數據準備工作的自動化外包給離岸或近岸的數據專家。對CloudFactory、MobileWorks及Samasource這類微工作平臺的需求已經爆發，據估計，到2018年這類業務的規模將達到50億美元。

但是外包無法規模滿足需求。鑒于未來的數據量將達到44ZB，數據的這種快速增長會需要成千上萬具備長期可行的解決方案的離岸或近岸外包團隊。而任何可持續的解決方案都離不開顯著的自動化。

通信障礙

現在企業間的交互依靠的是經過組織的數據，但與未來20年發生的事情相比，這種組織數據的過程將會顯得蒼白無力。未來將會出現新的企業數據網絡標準以及相應的算法和元數據。未能參與到這一全球數據市場的公司將無法利用市面上銷售的這些數據產品。

全球各個領域都在發生這種朝著大規模商業數據共享的演變。比方說，在要求第三方驗證其研究的壓力之下，像葛蘭素史克這樣的藥企最近都擬定了更廣泛共享實驗數據的計劃。奧巴馬總統已經要求技術公司共享潛在黑客威脅的數據。Forrester最近的一項研究預測，數據服務將成為2015年的主流產品。按照這種節奏，10年后大數據的有效使用不僅會成為市場致勝的關鍵，而且還是參與市場的先決條件。

這些風險就像一個個大數據的定時炸彈，對你構成嚴峻挑戰。不過如果你采取下面的三個步驟，危險也許就可以解除。

1、不要走一步看一步

為了確保未來的分析能力，企業必須現在就開始投資一個能夠快速有效管理新數據集的平臺。應該考慮業務未來在數據攝入與聯合方面如何運作，如何從傳統的系統過渡到端到端的自動化的數據與分析。

其核心是這個平臺要能夠有目的地、小心地、透明地擴充，而不是光收集數據，但對這些數據使用卻沒有明確的目的，或者在數據的解析上不做投入。

2、再痛也要重建舊數據應用架構

許多公司過度依賴維護開銷很高的舊系統，導致升級或作出戰略變革的優先性被貶低。甚至一些大公司也是如此，比方說三星的SmartHub TV是跑在云上面的，但是因為顧忌遷移成本，其所有的金融交易仍在本地處理。

其結果就是在許多組織里面數據形成了一個個以部門為單位的煙囪。某些數據，比方說社交媒體方面的信息，甚至還保存在公司以外，這又增加了一層復雜性。要想大數據創新，企業必須以提高跨部門運營透明度為焦點對舊的數據應用進行翻新。

3、模塊化、多顆粒度的數據管理

要把裸數據和洞察數據塑造成模塊化、組織得當、具備各種顆粒度的實體，這一步做得越深入，越能夠有效的利用商業洞察，同時還能在永遠變化的大數據形勢中保持敏捷的反應力。