一则关于大数据的要闻：大数据生于2006，卒于2019！这是真的吗？

首先，Hadoop在企业数据界仍占有一席之地。Amalgam Insights预计，MapR最终会被一家以管理IT软件出名的公司收购，比如BMC、冠群或MicroFocus;并认为Cloudera已采取了措施，不仅限于企业Hadoop，以支持数据的下几个时代。但技术的步伐不可阻挡，Cloudera的问题在于它的行动是否够快、随势而变。Cloudera在将其企业数据平台完善成下一代洞察力和机器学习平台方面面临数字化转型挑战。过去几十年，公司能够为转型敲定时间表。现在正如我们从亚马逊、Facebook和微软等公司看到的那样，仅仅为了活命，成功的科技公司必须准备好每十年就要转型，可能甚至牺牲掉自己的部分业务。

其次，对多云分析和数据可视化的需求比以往任何时候都要大。谷歌和Salesforce刚斥资180亿美元收购了Looker和Tableau，那些收购基本上是针对颇具规模和收入增长的公司的市场价值收购。会投入更多的巨额资金，以克服这一挑战：针对众多数据源提供分析技术，并支持与多云有关的日益分散且多样的存储、计算和集成需求。这意味着企业需要慎重地搞清楚数据集成、数据建模、分析及/或机器学习/数据科学团队可以在多大程度上应对这个挑战，因为处理和分析异构数据变得越来越困难、复杂，但要支持战略业务需求并将数据用作真正的战略优势又势必需要这么做。而仅看国内发展，企业对多云分析和数据可视化的需求也是一样剧增。2006年成立的国产BI软件厂商帆软软件自2016年300人左右的团队短短三年内成长到现在的1100余人，据知为了应对更多的市场需求其团队还在不断扩大。这样的成长速度源自市场需求的增多和帆软对于市场需求走势的判断。

第三，机器学习和数据科学是下一代分析技术，需要各自做好新的数据管理工作。大规模创建测试数据、合成数据和掩蔽数据，以及数据沿袭、治理、参数和超参数定义以及算法假设，这些都超出了传统大数据假设的范畴。这里最重要的考量因素是，使用由于种种原因未能很好地服务于企业的数据：样本量小、缺乏数据源、数据定义不清晰、数据上下文不明确，或者算法和分类假设不准确。换句话说，不使用失实的数据。失实的数据会导致有偏见、不合规、不准确的结果，还可能导致诸多问题：比如Nick Leeson在1995年导致巴林银行(BaringsBank)垮台，或法国兴业银行因Jerome Kerviel精心操纵交易而蒙受70亿美元的交易损失。AI现在是新的潜在“流氓交易者”，需要得到适当的治理、管理和支持。

第四，需要将实时和无处不在的上下文既视为协作和技术上的挑战，又视为数据挑战。我们正进入这样一个世界：每个对象、流程和对话都可以用附加的上下文加以标记、标注或增强，可以实时处理数GB的数据，以生成简单的两个单词警报，可能就像“减慢速度”或“立即购买”这么简单。我们看到“数字孪生”(digital twin)这个概念方兴未艾：在工业界，PTC、GE及其他产品生命周期和制造公司为设备创建数字孪生;而在销售界，Gong、Tact和Voicera等公司借助额外的上下文以数字方式记录、分析和增强模拟对话。

结论

因此，大数据时代已宣告结束。但在此过程中，大数据本身已成为IT的一个核心方面，并引发了一系列新时代，每个时代未来一片光明。投入于大数据的公司应该将这些投入视作未来成为实时、增强和交互型互动公司的重要基础。随着大数据时代走到尽头，我们现在准备将整个大数据用作业务资产，而不仅仅是炒作，从而支持基于作业的上下文、机器学习和实时交互。

关于国内对大数据行业发展的讨论也是一直没有停止，而对于实时、增强和交互型的数据分析，对在大行业背景下小行业的场景化应用，帆软每年都会组织国内数据行业规格最高的一场听觉盛宴，近千家企业高管参与讨论。针对数据治理和准备、数据挖掘、数据人才培养等多个部分进行深度探讨。本次大会以“数据有引力”为主题，以国内现在的大行业发展为背景，真正来落地数据对企业的真实价值，旨在帮助更多的企业对“已死的大数据”重新认识，从以上四个方面来使得数据建设更加落地。

（编辑：辽源站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!