今天的大數據分析市場與幾年前的市場截然不同，正是由于海量數據的暴增，未來十年，全球各行各業(yè)都將發(fā)生變革、創(chuàng)新和顛覆。

在最近Wikibon分析機構發(fā)布的市場研究報告發(fā)現，全球大數據分析市場在2017年相比前一年增長24.5%，主要是由于公有云的部署和應用強于預期，以及加速平臺、工具及其它解決方案的融合。此外，不少企業(yè)正在通過大數據分析更快脫離實驗和驗證階段，并從部署中獲得更高的商業(yè)價值。

展望未來，Wikibon預測2027年整體大數據分析市場的年增長率將以11%的速度增長，全球將達1030億美元。其主要市場來源于物聯網、移動端和邊緣計算等中采用大數據分析技術。

未來十年大數據分析的發(fā)展趨勢

正如Wikibon的研究所證實，未來十年將推動大數據分析行業(yè)發(fā)展的主要趨勢如下：

•公有云供應商正擴大其影響力。大數據行業(yè)正圍繞三大主要公有云供應商，即AWS、微軟Azure和谷歌云平臺，大部分軟件供應商正在構建可以在這些平臺運行的解決方案。除此之外，數據庫供應商正在提供托管的IaaS和PaaS數據湖，鼓勵客戶和合作伙伴開發(fā)新的應用程序，并將其遷移到其中的舊應用程序中。因此，純數據平臺、NoSQL供應商在日益被多元化的公有云供應商的大型數據領域逐漸陷入邊緣化。

•公有云優(yōu)于私有云的優(yōu)勢繼續(xù)擴大。公有云正逐步成為客戶群的首選大數據分析平臺。這是因為公有云解決方案比內部部署堆棧更為成熟，增加了更豐富的功能，且成本日益增加。另外，公有云正在增加其應用程度編程接口生態(tài)系統(tǒng)，并加快開發(fā)管理工具的速度。

•加速融合以企業(yè)實現商業(yè)價值。用戶開始加快將孤立的大數據資產融合到公有云的速度。而公有云廠商也在優(yōu)化困擾私有大數據架構的跨業(yè)務孤島。同樣重要的是，云數據和本地數據解決方案正融合到集成產品中，旨在降低復雜性并加快實現業(yè)務價值。更多的解決方案提供商正在提供標準化的API，以簡化訪問，加速開發(fā)，并在整個大數據解決方案堆棧中實現更全面的管理。

•大數據初創(chuàng)公司將越來越復雜的AI注意應用程序推向市場。過去幾年來，許多新的數據庫，流處理和數據初創(chuàng)公司加入到市場中。不少公司也開始通過AI的解決方案加入到市場競爭中。其中大部分創(chuàng)新方案都是為公有云或混合云部署而設計的。

新興解決方案逐漸替代傳統(tǒng)方法。越來越多的大數據平臺供應商將涌現出融合物聯網、區(qū)塊鏈和流計算的下一代方法。這些大數據平臺主要針對機器學習、深度學習和人工智能管理端到端devops管理進行優(yōu)化。此外，不少大數據分析平臺正在為AI微服務架構設計邊緣設備。

•Hadoop 地位屹立不倒。Hadoop 現今更多的跡象表明，市場將Hadoop視為傳統(tǒng)大數據技術，而不是顛覆性業(yè)務應用程序的戰(zhàn)略平臺。不過，Hadoop作為一種成熟技術，被廣泛用于用戶的IT組織的關鍵用例，并且在許多組織中仍然有很長的使用壽命。考慮到這一前景，供應商通過在獨立開發(fā)的硬件和軟件組件之間實現更平滑的互操作性，不斷提高產品性能。

•打包的大數據分析應用程序正變得越來越廣泛。未來十年，更多服務將自動調整其嵌入式機器學習、深度學習和AI模型，以持續(xù)提供最佳業(yè)務成果。這些服務將納入預先訓練的模式，客戶可以調整和擴展到自己的特定需求。

大數據分析的部署障礙

雖然大數據分析采用的預測看起來很好，但仍存在許多障礙：

• 復雜度過高。大數據分析環(huán)境和應用程序仍然過于復雜。因此，廠商需要繼續(xù)簡化這些環(huán)境接口、體系結構、功能和工具。以將復雜的大數據分析功能應用于主流用戶和開發(fā)人員。

•成本高昂且效率低下。對于許多IT專業(yè)人員來說，大數據分析管理和治理流理仍然過于孤立，成本高昂且效率低下。供應商需要構建預先打包的流程，幫助大型專業(yè)人員團隊更有效、快速和準備的管理數據及分析。

•缺乏自動化功能。大數據分析應用程序的開發(fā)和運營仍然過于耗時且需要手動。供應商需要加強其的自動化功能，以確保提高用戶技術人員的生產力，同時確保即使是低技能人員也能處理復雜業(yè)務。

大數據時代已經來臨，并逐漸滲透到各個行業(yè)領域之中。對于企業(yè)IT來說，Wikibon的主要建議是開始將更多的大數據分析開發(fā)工作遷移到公有云環(huán)境中，這也將加速AWS，微軟，谷歌等云廠商提供的快速成熟且低成本產品的能力。

生成海報

免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。