大数据媒体KDnuggets就大数据领域的发展现状与趋势专访了8位业内专家，以下是他们的观点。大数领域专家、科技创业导师，作者由于亚马逊AWS、Rackspace、Azure等云数据服务的蓬勃发展，2016年数据量经常出现了大规模快速增长，数据量快速增长的趋势将在2017年持续。2017年还将经常出现更加多机器学习、理解计算出来、预测分析涉及的项目。

2017年仍然不会面对数据隐私问题，数据科学家、首席数据官、首席架构师等职位在2017年会更加热门、定位也不会更加明晰。动态数据流和更为简单的数据管道将新的定义大数据。IBM数据科学传道师Hadoop在大数据领域衰败的速度比我预期的更慢，MapReduce、HBase，甚至HDFS对于数据科学家也没以前那么最重要了。

2017年最主要的趋势是更加多的程序员自学自由选择数据科学技能，以发展自己的职业生涯。2017年最热门的数据科学项目不会探讨在流媒体分析、嵌入式深度自学、理解物联网（cognitiveIoT）、理解聊天机器人、嵌入式机器理解、自动驾驶汽车、计算机视觉和语音辨识等领域。

同时，我们也不会在明年看见新一代的神经网络芯片、GPU和其他的高性能理解计算出来框架。Gartner副总裁，著名分析师2016年大数据仅次于的一个变化是人们仍然谈论大数据了，大数据的概念早已普及。注目的重点逐步改以商业导向，如何管理、评估“信息资产”，以及如何对“信息资产”展开所求。

2017年我们应当希望弄清楚数据权利和责任、所有权，特别是在是牵涉到到物联网数据。目前数据资产在会计业、律师界和保险行业都十分棱模两可。

但随着机构投资人和分析师更加重视企业的信息化程度，这种情况不会逐步提高。2017年大公司不会更加侧重大数据人才，比如数据经理人和其他信息统合人才。商业智能＆数据架构师，AllThingsData博主2016年大数据早已没前几年那么火热，随着大数据基础设施、软件和理论的发展，大数据分析解决方案早已更加成熟期、普及，仍然意味着局限于少数先行者。

随着大数据的成熟期，自助服务和自动化获得更加多的注目。虽然大数据分析解决方案更加更容易提供，但是我们依然必须不具备通信、信息处理技术的专业人员才能用于。随着人工智能、机器学习、VR、AR、物联网、容器技术的发展，大数据解决方案将转入新的阶段，更加迫近摩尔定律的边界。

Datafloq创始人，《ThinkBigger》作者对于大数据，2016年是令人激动的一年，大数据仍然只是一个热门概念或者风行词语。因为大数据公司早已研发了实际的解决方案和应用于。在2017年这种趋势将不会持续，随着技术更加智能，我们不会看见新的应用于被研发出来。深度自学和人工智能将显得更为智能，并将更好地应用于的组织机构，因为计算能力和数据量仍然沦为研发智能应用程序的障碍，2017年将是令人兴奋的一年，但随着大数据、智能应用于的发展，数据安全问题也更加相当严重。

大数据科学家、Adversitement主管2016年，大数据经历从单一部门到跨部门的应用于。物联网数据应用于开始在一些关键领域经常出现，此外，随着云计算平台的发展，为更加多的机器学习应用于研发获取了反对。

2017，我们不会看见人工智能的快速增长、物联网应用于的愈演愈烈，以及机器学习的广泛应用。技术早已准备好了，而且用户对大数据技术提高体验的市场需求十分强劲。

根据预测，2020年连网设备数将超过100亿到340亿之间。斯坦福大学教授、计算出来学科学家欧盟早已根据数据的用于和分析模型实施了一个新的隐私保护法。

将在2018年1月开始生效。这一法案将不会导致怎样的影响现在还不由此可知，但数据公司仍然十分纠葛究竟哪些数据和分析方法是容许被用于的，比如Google可以分析用户邮件内容，以判断否为垃圾邮件，但Google究竟是不是加载用户邮件内容的权力？Databricks首席科学家、ApacheSpark创始人公有云正在沦为部署大数据的主流方式。

根据ApacheSpark今年夏天的用户调查，在公有云部署Spark的用户比例约（61％）比用于HadoopYARN的用户（36％）更高。此外，用于公有云的用户从2015年的51％快速增长到61％，用于HadoopYARN的用户从2015年的40％暴跌到36％。其中的一个原因是亚马逊S3这类云存储产品价格越来越低，更加平稳，也比Hadoop分布式文件系统更容易管理。

本文来源：澳门永利皇宫官网入口-www.kshuakang.com