2017 年，大数据行业应用的 7 大趋势

编者按：我们深处大数据的洪流之中。2016年已经让我们见证了太多历史，2017年大数据的世界又将发生怎样的变化呢？Datafloq 公司的创始人 Mark van Rijmenam 在文中预测了 2017 年大数据的 7 大趋势。

又到了一年年末，2016年发生了太多。谷歌的围棋机器人“阿尔法狗（AlphaGo）”在比赛中击败了围棋世界冠军李世石；黑科技“区块链”真的火起来了；世界各国的政府也在加大对建立智慧城市的投资。我从2013年开始，每年都会对下一年的大数据趋势做出分析，2017年有望成为大数据的宏大之年。对大数据的炒作终于结束了，因此我们也终于可以开始着手发展大数据。这就是为什么我会把2017年称作”智能之年”。那么，2017年大数据的哪些趋势可能会影响到你的公司呢？

1. 区块链激活下的智能合约：区块链2.0时代 

分散式科技能够彻底改变企业与社会，因此媒体对这方面关注颇多，区块链在2016年越来越火，许多企业组织都开始探究区块链模式。全世界拥有超过70家大型银行的R3 Partnership，力图对其区块链平台的发展进行近6000万美元的投资。虽然四家卓越的银行离开了这个财团，但其余银行都将继续专心探索这种科技。

然而，转账业务并不是区块链技术最大的机遇所在。真正的机遇在于通过区块链储存智能合约。智能合约是用数据记载的传统合约。它们有点像是“如果这样，那么那样”的一些陈述句，只不过比那种句子要复杂得多。当这些句子组合在一起的时候，就可以形成像分散性自治组织一样的新型组织形式。

最知名的智能合约平台要属Ethereum。这家公司就是一个分散性的平台，专门为完全按程序运行，不会出现任何诈骗、审查以及第三方干涉的应用软件服务。尽管Ethereum还是一个初期平台，并在‘involuntary hard forks’上遇到了一些困难，但在像Ethereum这种平台上链接不可逆的智能合约机遇巨大。许多初创企业正在开发类似的平台，比如Synereo、Maidsafe和最新的Ardor。它们都在试图建立分散性互联网模式。2017年我们会见证这些平台的成长，同时也会见证它们所遇到的一些问题。然而，分散性互联网的科技正在缓慢发展，智能合约将成为区块链2.0时代的一个重要组成部分。

2. 深度学习技术智能化，更接近人工整体智能

算法业务拥有改变社会的潜力，也在2016年展现出了其发展水平的显著性增长。算法技术不但赢得了围棋比赛，它还可以翻译它并不懂的语言，甚至可以仅仅通过识别一张图片中的脸侦查出一个罪犯。人工智能不会仅仅止步于此，在接下来的时间里人类将更加接近一种人工整体智能的模式：比如说一个可以帮你开车的Siri。

由于深度学习这种技术，人工整体智能逐渐变得可能。深度学习是指受人脑中的神经网络所启发的分域化的机器学习，意在建立可以从巨大数据量中找到事物规律的虚拟神经网络。如今，由于激增的计算机能力以及全球科学家接触到的庞大数据的出现，深度学习已被广泛运用。因此，2017年我们将会看到许多影响我们生活的新型深度学习的应用。

深度学习算法不是由人类培训出来的。他们暴露于巨大的数据组、成千上万的视频/图片/文章之下，而这些算法必须为自己找出识别不同物体、句子、图像的方法。结果就是，它们能够想出前所未有的方法。例如，一组算法运用人类不会用的组合形式开发了一组人类无法解开的加密算法。因此，如果在2017年你觉得电脑对你说了某些听不懂的话，那情况也许属实。

3. 对话式人工智能：智能应用将颠覆交互模式

连接设备在2017年会变得真正智能。不论是机器人、自动驾驶的汽车、船只和无人机，还是物联网的其他产物都将会变得相当智能。这些设备会在了解用户需求这方面获得极大进步，并且更加适应用户所需求的产品与服务。软件更新将通过无线完成，减少了持续更换设备的需要。

当这些智能设备与智能应用连接到一起时，就如Siri、Alexa、Viv、Cortana和Google Home，能产生出无尽的可能性。这些对话性的人工智能与智能应用可以实现高水平的交互。这些应用现如今大多只用于操纵移动设备、播放音乐或者订购一个披萨，但到2017年将发生翻天覆地的改变。

Alexa 用户现在已经能够在家操纵他们的车打开引擎，不过很快他们将可以用他们的声音操纵其一切设备；被认为是第二代 Siri 的 Viv 将执行你发出的任何命令。正如微软公司的首席执行官 Satya Nadella 所称，这些机器人将会成为下一代应用设备。2017 年我们将见证这些智能应用与许多物联网设备的融合，并且亚马逊开发出一个针对新型对话性人工智能的创业孵化器，这将大大改变你的组织与客户对话的方式。

4. 物联网相关数据的破坏将成为一场浩劫

物联网一直在持续发展。2016年，约有65亿的设备接入互联网，这个数字预计在2020年会增长到500亿。在2016年也发生了第一次大规模的物联网相关的分布式拒绝服务攻击（DDoS攻击）。这场干扰了美国东海岸互联网的DDoS攻击之所以能够成功，是由于连接型设备中安全保护的缺失。一个僵尸网络感染了如路由器、智能相机之类的成千上万的连接设备，并利用这些设备发动了一场DDoS攻击，因而干扰了百万人民的网络。

不幸的是，由于人人都知道物联网连接型设备缺乏安全保护，极其脆弱，2017年可能会出现更多物联网相关的攻击。许多开发了智能牙刷、智能相机、智能玩偶或者其他你能想到的智能连接设备的公司完全没有严肃考虑过数据安全的问题。正因如此，黑客将可能挟持你女儿的芭比娃娃来暗中监视你的孩子，或者使得百万人的网络崩溃。政府以及监管者必须介入，迫使连接型设备制造商提高其物联网设备安全等级并调至最高，因为仅仅需要一个互联网连接与一个病毒就可以感染整个网络并且让该区域的网络崩溃。

5. 混合现实将极大改善数据可视化与决策制定

增强现实（AR）与虚拟现实（VR）在过去的年间已经得到了很多发展。AR 在 Pokémon Go 游戏出现之时到达了关键性的节点，在短短几周之内获得了超过1亿的用户。显然易见的是，Pokémon Go 与希望了解并分析其数据的大公司不太相关，但其对于了解增强现实、虚拟现实或者混合现实对社会的影响来说尤为重要。2016年也出现了几种新型VR设备，其中就包括PlayStation VR，超过4000万的玩家购买了PlayStation 4设备，因此PlayStation VR给他们带了全新的体验。

AR或VR可能对会议室不太有用，但混合现实这个概念可能就会派上用场。混合现实是虚拟世界与现实世界的融合，一些能够实现这种融合的设备包括微软的全息透镜和还未发布的 Magic Leap。混合现实将会带给公司大量的机会，既能更好地完成当前的任务，又能更好地理解公司所收集的数据。

现今，一些混合现实的形式已经在制造业中得到应用，实现更好的修理、更快的产品发展和改良的存货管理。此外，混合现实将助力决策者对于复杂数据组的分析理解，从而使他们做出更好的决策。2017年我们将见证混合现实在其产品与应用软件上的发展，而企业可以利用这些来提高其决策水平、改善产品或服务质量。

6. 大数据自助服务方案将推动大数据应用

大数据的大肆宣传终于远离了我们，企业开始看到，他们的数据为业务带来了极具价值的洞察力。企业开始期望将数据化为利润。他们开始渐渐明白，实际上所有的公司都是科技公司。正因如此，他们应该把数据视为业务的核心内容。然而，对于很多公司来说，他们绝不会花费大量金钱开发高级大数据分析系统，或雇佣大数据科学家和分析家，因为他们觉得，公司还不够强大，用不着这些人才。

自助式的大数据分析使企业将其数据转为利益变得可能，并运用这种洞察力改善其业务能力。这种方案不需要好几个月的悉心计划，也不需要开发一个IT设备。你仅仅需要连接你的数据源，然后继续工作。这些平台拥有灵活而短暂的安装过程，能够为中小型企业带来更多生产力。世界上大约有12.5亿中小型企业，因此这将是一个巨大的市场。不论是何种数据、结构如何，都可以帮助公司实现数据装备的大数据自助式分析，因此也能够在2017年成为大数据应用的杀手级应用。

7. 对混合数据的理解将会赋权员工

世界在飞速改变，公司需要了解这种变化的环境来保持自身的竞争力。然而，这种理解不应该只由高管或高级经理完成，而应通过对数据的分析，从正确的视角赋权真正的决策者。一个公司中真正的决策者既不是高管也不是高级经理，而是真正接触客户、销售服务或者在工厂中生产产品的员工。这种视角可以通过一种混合数据的方式来提供。通过结合内外部数据、有结构无结构的数据进行分析，可以获得有价值的视角。

2017年到来之时，由于有大数据分析，更多的公司将向其员工传授正确的知识。公司将会使用像Apache Spark、Hadoop或者像Tableau Software、ClearStory Data或Periscope这种可视化工具，最终给予决策者最需要的洞察力。因为知识就是权利，这将使得一个公司内部的权力平衡得到改变。正因如此，这将会改变高级经理或企业高管的行为。然而，如果正确地赋权，它将增加效率、减少开销、提高员工权力、提高获利能力，并将持续改善员工满意度。

2017：智能之年

2017年对于大数据来说将是令人振奋的一年，并且，我想要称它为“智能之年”。最后，我们将会看见智能合约成为第一个分散性自治组织。深度学习中的突破将逐渐带领我们走向人工整体智能，智能的应用与对话性人工智能的结合将改变我们与公司互动的方式。这些公司将开始赋予员工数据洞察力，并运用自助式大数据分析方案来改善公司业务。不幸的是，所有的这些大数据智能应用将造成同等的数据破坏，对企业与消费者造成许多伤害。总而言之，这将是令人振奋，充满智能的一年。

翻译来自：虫洞翻翻  译者ID：Suzie苏西