2022年大数据行业预测
大数据 CIOAge
2022年将会继续加大创新的步伐,采用创新和没有采用创新企业之间的差距可能会扩大。“创新者”明白这一切都由软件提供支持,他们正在以质量、速度和高度协作的方式掌握软件开发过程。

分析领域

软件开发商TIBCO公司首席技术官Nelson Petracek表示:预测分析将推动围绕下一代数字应用程序出现的新用例发展。该技术将变得更加沉浸嵌入,预测分析功能将无缝融合到人们与之交互的系统和应用程序中。预测分析将推动下一代应用程序的广泛应用,例如元宇宙应用程序(这是数字和物理世界的融合,由物联网、数字孪生、人工智能/机器学习和XR等技术提供支持)和下一代可组合应用程序。

NWO.ai公司首席运营官Miroslav Dimitrov表示:每家企业都想成为一家数据公司,或者是一家数据驱动的公司。这自然会导致自助分析的兴起。目前,业务领导者及其团队严重依赖企业内部的专门分析团队,这些团队有大量分析和仪表板需要构建和处理。随着越来越多的企业希望以客户为中心,在企业范围内提供数据和洞察力并且访问民主化势在必行。

Imply公司创始人兼首席执行官Fangin Yang表示:大多数人认为分析是关于定期查询的,例如查询数据仓库以获取业务快照。大多数人并不会将数据分析视为代码,而它是交互式的在线应用程序的核心;可以结合实时数据,并同时支持数以千计的内部和外部最终用户。最重要的是,当人们想到分析时,可能会想到使用商业智能或运营智能工具的数据分析师、IT分析师或安全分析师;他们不考虑软件开发人员和他们构建应用程序的能力。他们不会问,如果分析是软件开发人员核心工具包的一部分将会带来哪些好处。2022年,围绕分析的新思维方式将出现,将会更多地关注始终在线的交互式应用程序。人们将看到很多数字和SaaS公司都在构建这些应用程序,因为他们寻求获得有关其业务和运营的见解。同样重要的是,随着数字和SaaS公司寻求与其客户和合作伙伴分享见解,人们将看到这些应用程序的出现——这一趋势在2022年将成为每个数字和SaaS公司的新常态和当务之急。

Domino数据实验室首席执行官Nick Elprin表示:首席分析官(CAO)将使首席数据官(CDO)相形见绌。虽然许多公司都设有首席数据官这一职位,但在2022年,人们将看到更多企业设立“首席分析官”或“首席数据和分析官”职位。这反映了企业对不断发展的数据科学和机器学习的理解,将数据转化为业务价值的最终功能,并日益成为企业战略的核心。

ZL科技公司首席执行官Ryan Splain表示,2022年,随着采用更多强大的技术,企业将在非结构化分析上投入更多资金。迄今为止,大多数商业智能都在使用结构化数据。然而,有很多问题无法通过这些清晰的数字来回答。通过分析员工每天创建的文本、对话和交流数据,新兴的人员分析团队获得了一种评估人力资源状况(获取人才、员工情绪、生产力等)的新方法。这些电子邮件、文件和协作数据涉及企业长期以来无法触及的人性化方面。

Stardog公司创始人兼首席执行官Kendall Clark表示:“即时”数据分析崛起。在数据分析领域中,有一小部分专注于企业堆栈的新方法,其中包括继续将业务转移到云平台上。然而,混合多云也有自己的需求,最显著的是管理和分析数据的能力,无论数据位于混合多云环境的哪个位置。像Starburst、Materialize.io、Rockset和Stardog等初创公司开发的平台旨在以即时方式查询、搜索、连接、分析和集成数据,无需移动或复制数据。预计企业将寻求与数据所在位置无关的数据分析解决方案。这种趋势将在2022年加速,因为存储系统之间的数据移动将继续从堆栈中移除,以加快获得见解。

Denodo公司高级副总裁和首席营销官Ravi Shankar表示:小型和广泛的数据分析开始流行起来——人工智能/机器学习正在改变企业的运作方式,但要想获得成功,它还依赖于历史数据分析,也就是大数据分析。虽然大数据分析仍然存在,但在许多情况下,这些历史数据将逐渐失去价值。2022年,企业将利用小数据分析为他们的个人客户创造高度个性化的体验,从而在短时间内了解客户对特定产品或服务的态度。虽然广泛的数据分析相对来说是一个新概念,但考虑到企业正在快速地同时利用非结构化和结构化数据。并且进入2022年,预计小型和广泛的数据分析将在企业中获得更大的吸引力。

Incorta公司联合创始人兼产品执行副总裁Matthew Halliday表示:最具变革性的分析用例将来自“公民分析师”——由于他们的领域专业知识、接近业务以及新工具(技术)的可用性,公民数据分析师将会成为最重要和最有影响力的数据工作者。这将导致数据新想法和实际应用得以爆炸式增长,标志着该行业处在下一个重大转折点。

Sisense公司首席产品和营销官Ashley Kramer表示:企业将重新定义建立“分析文化”的意义。长期以来,企业领导者一直认为,通过数据认证提高员工技能并投资自助服务工具将会成为数据驱动的组织。他们终于承认这是行不通的。自助式商业智能不会缩小技能差距。并不是每个人都有时间或兴趣成为数据分析师,尤其是在疫情期间,企业的团队人手不足,人们对于远程工作有不同看法。到2022年,企业将重新定义构建“分析文化”的含义,并通过以更易于理解的方式为员工提供见解来改变范式——转向嵌入式分析等方法和解决方案,而不需要他们学习新技能或投入更多时间。

Monte Carlo公司首席执行官兼联合创始人Barr Moses表示,数据分析师和工程师有责任像对待产品一样对待数据,换句话说,将仪表板、数据平台和自助数据工作流嵌入到数据中。这归结为确保数据和相关数据产品得到安全管理、可供合适的个人访问,并且可以跨不同域扩展。那些能够在保持数据债务不受影响的情况下扩展这种思维模式的数据领导者,将会成为真正的赢家。

ThoughtSpot公司首席数据战略官Cindi Howson表示:分析工程师将取代数据科学家并成为世界上最酷的职位。多年来,数据科学一直是寻求获得数字化转型价值的企业青睐的技术。然而,数据科学家的角色近年来失去了光彩。很多企业未能实施数字化转型,而大学也难以培养出在商业环境中应用其技能的编程人员,数据科学家花费大量时间处理杂乱、分散的数据——所有这些都掩盖了数据科学的光彩。出于这个原因,预计到2022年,该行业将出现一个取代数据科学家的新角色:分析工程师。结合在云平台内对所有数据进行转换的能力,分析工程师对控制转换逻辑和利用现代数据堆栈的全部功能至关重要。

Excelero公司产品副总裁Jeff Whitaker表示:随着企业致力于在其数据中挖掘价值,分析部署将快速增长。然而,这些资源通常有两种不同的用途:用于网络规模分析或用于核心业务分析。网络规模分析利用云计算的力量,而核心业务分析则在内部部署数据中心进行。云计算数据基础设施的可靠性和性能是推动这两者融合的关键。2022年,随着用于计算、网络和存储的新的云计算性能基础设施的构建,人们将看到分析环境的融合。因此,许多企业将他们的核心业务应用程序和数据库环境迁移到云中,将他们的数据整合到一个中央资源中。从商业智能、数据库分析到人工智能/机器学习环境,现在完全有可能在云中使用云引擎和网络规模的数据平台对数据进行近实时分析。

Infragistics公司首席执行官兼创始人Dean Guida表示:越来越多的企业采用云计算技术,以跟上现代数据的规模、速度和使用的发展步伐。而学习如何利用这些数据来推动数据驱动的业务洞察力的企业将会超越竞争对手。因此,数据和分析目录将成为编目和发现对推动业务增长至关重要的数据的必备措施。

Yellowfin公司营销主管Ivan Seow表示,需要重新构建仪表板。正如分析行业所理解的那样,仪表板将被重新构建。传统和静态仪表板的使用率将下降,而增强型仪表板将取而代之。传统分析供应商长期以来一直承诺满足用户对诊断、预测和规范分析的需求,并最终将以增强仪表板的形式实现。就像IT监控中“单一控制平台”的概念一样,分析行业将其理解为“单一分析平台”。除了传统的可视化和表格报告之外,增强仪表板将强调来自自动化业务监控源的自动化洞察、采用个性化数据的相关数据讲故事、使用自然语言查询的对话界面,以及使用自然语言生成的机器辅助解释。

大数据行业

Telstra Ventures公司合伙人Steve Schmidt表示:2022年将会继续加大创新的步伐,采用创新和没有采用创新企业之间的差距可能会扩大。“创新者”明白这一切都由软件提供支持,他们正在以质量、速度和高度协作的方式掌握软件开发过程。Facebook、苹果、亚马逊、Netflix和谷歌这些科技巨头多年来一直在表明这一点。根据今年8月发布的一个调查,这五家公司的总市值为7.1万亿美元,

 

责任编辑:姜华 来源: 企业网D1Net

同话题下的热门内容

盘点八个数据分析相关的Python库(实例+代码)2022年你应该知道的十大Python库巨细!一文告诉你数据分析不得不知的秘密!聊聊我常用的五款动态数据可视化工具Neo4j 针对2022图数据平台发展的十大预测数据治理,是不是一道“送命”题?十个大数据挑战以及应对方法2022年春运今日正式开启 大数据分析出这些新变化

编辑推荐

使用Pandas&NumPy进行数据清洗的6大常用方法【漫谈数据仓库】 如何优雅地设计数据分层从无到有、从小到大,今日头条大数据平台实践经历的那些坑快消品图像识别丨无人店背后的商品识别技术大数据处理引擎Spark与Flink大比拼
我收藏的内容
点赞
收藏

51CTO技术栈视频号