来源：CPDA数据分析师网 / 作者：数据君 /
CPDA数据分析师视点：随着大数据格局的成熟，今年企业可以利用以下四个趋势来继续努力
1.智能，自动化的数据分析将成为主流物联网（IoT）设备将生成大量数据
如果组织希望获得洞察力，必须进行分析-例如何时作物需要水或重型设备需要服务，物联网设备只是推动企业可使用的数据量大量增加的一个因素。来自社交渠道的点击流数据，机器生成的网络安全攻击信息以及其他来源也大量涌入，所有这些新数据的结果是，其管理和分析将变得更加困难，并且将继续使传统数据管理流程和工具紧张或崩溃，只有通过AI和机器学习（ML）增强自动化，才能利用这些多样化和动态的数据。
2.专用组件的定制解决方案
大量新型数据的爆炸，打破了企业可以通过一个平台掌握大数据的错误假设，事实是没有哪个供应商能够跟上不断发展的工具格局，以建立企业数据管理管道并将最佳的管道打包到一个统一的解决方案中，企业将需要同时使用开源和商业组件，以解决现代数据供应链的复杂性，这些组件将需要集成到端到端解决方案中，幸运的是，它们被构建为支持使它们协同工作所必需的互操作性。
3.增强了高级工具的可访问性
未来几年的数据分析将需要人类知识与技术之间的共生关系，随着要处理各种格式的更多数据，组织将需要利用自动化（AI和ML）方面的进步来增强人才，同时知识工作者将需要提高其技术技能，以弥合技术无法完全填补的空白，只有通过自动化和增强的人类知识相结合，组织才能解决将正确的数据提供给正确的用户的问题，以便他们做出更明智的决策，幸运的是，精通数据的工作人员的供应正在增加。随着我们看到更多的数据管理工具将AI
CPDA数据分析师
/机器学习与更干净的用户界面打包在一起，我们将发现采用这些新技术的障碍更少。
4.主题专家将成为数据策展人和管家
当涉及到数据可发现性，维护和质量改进时，组织将需要考虑众包，最终真正使数据统一有效所需的人员不是数据工程师，而是具有高度上下文相关性的推荐者（主题专家），他们如果直接参与统一过程，则可以使数据传递的生产力再上一个新台阶。
数据使用者（非技术用户）非常了解客户，销售，HR和其他数据
他们可以评估数据的质量，并在项目中贡献专业知识以提高数据完整性，但是他们太忙了，无法将时间投入到数据整理和管理的重点任务上，随着更多人被允许使用他们最了解的数据并从他们现有的工具和工作流程中提供有关数据是否准确和有价值的反馈，将有巨大的改进机会，系统地整合此数据反馈，而不是将其锁定在电子邮件中或可能根本无法提供，将在将数据质量工作集中于正确的问题集，更正源数据的问题以及（最终）防止问题的能力方面产生巨大的收获。首先进入企业的不良数据。
当数据集是静态的并且相对较少时，传统的数据管理技术就足够了
但是在高容量和复杂性的环境中它们会崩溃，这在很大程度上是由于其基于规则的自上而下的方法，通常需要大量的人工工作来构建和维护，这些方法正在迅速消失，未来是不可避免的-更多数据，技术进步以及主题专家对策展的需求不断增加，数据统一技术将通过使用人工指导的机器学习来连接和掌握数据集，从而为您提供帮助。对于采用这种新方法的组织而言，前途一片光明。
网友评论