回顾2017年，我国大数据产业保持高速发展态势，各级政府和企业大力推进，技术创新取得明显突破，大数据应用推进势头良好，产业体系初具雏形，支撑能力日益增强。展望2018年，大数据产业发展将迎来“黄金时代”，产业集聚将进一步特色化发展，创新驱动仍将是产业发展主基调，大数据融合应用进程加速，为做大做强数字经济、带动传统产业转型升级提供新动力。

企业决策正在经历的转变将延续到2018年。在2017年，处理大数据的目标使效率越来越高，成本不断减少，从而造就了基于大数据的商业智能，对中小企业甚至初创公司来说更为重要。这一趋势将延续到2018年及以后，处理大数据的成本将继续降低，但以下情况除外：

• 使用云端商业智能的费用将提高。

• 数据分析将提供更好的数据可视化模型和自助式软件。

• 向新市场和新地区扩张的决策将基于大数据。

• 创造利基

2018年，更多的人将熟悉云应用，专业化和利基工作将得到发展，就像在所有其他行业里一样，从而带来额外的研究选择和更多的业内竞争。拥有零售、区域性增长等专长的数据科学家将逐渐成为常态。

• 混合云

虽然云提供了便利的大数据存储和处理解决方案，但愿意把“所有”数据都放到云端的企业少之又少。2018年，混合云的使用应该会大幅增长，因为混合云兼具二者的优点，本地数据管理可以与云的便利性结合起来。

• 其他部门也将使用云

通常来说，IT部门是其他部门使用云的“中间人”。然而，云技术的使用已经变得非常简单。现在，销售和营销、人力资源等其他部门也能直接使用云。随着更多的人可以访问敏感信息，安全将成为一个重要问题。

• 数据分析将包含可视化模型

2017年，对2800名商业智能专家的一项调查预测，数据可视化和数据发现将成为一股重要趋势。数据发现的范畴已经扩大，不仅包括对数据分析和关系的理解，还包括呈现数据的方式，以挖掘更深层次的商业洞见。其结果就是，作为一种把数据变成可用洞见的方法，可视化模型越来越受欢迎。日益改善和演变的可视化模型已经成为从大数据中获取洞见的必要组成部分。

人脑能高效地处理视觉图像。在这个过程中，大脑使用了潜意识，让决策者可以通过迅速扫描图像来处理信息。可视化图表利用了大脑的图像识别能力，出色的可视化模型将成为处理庞大数据集的更好选择，也是2018年重要的大数据趋势之一。

• 预测分析

很多企业利用“历史上的”大数据分析来预测未来的行为。然而，在进行此类预测时，对当前最新数据的分析更有价值。俗话说，“过去的成绩不能保证以后的成功”，这也适用于商业智能领域。预测分析为用户提供了一个优势，能够实时“了解客户”，具有不可思议的创收潜力。（规范性分析还处于初期阶段，今后几年内可能还不会成为一股强劲的趋势。）

物联网将继续扩张。如何利用来自物联网设备的信息，则完全是另一个问题。

• 改善零售

2018年，消费者和企业主将受益于越来越多的传感器和来自各种消费类设备的数据。物联网能收集信息，使企业可以更有效地把产品推销给潜在客户。懂技术的公司已经开始投资基于传感器的数据分析，这将使他们可以追踪其商店内人流量最大的区域。

• 重塑医疗

现在，大数据被用来制定医疗方案，但或许也将重塑人们就医和支付医疗费用的方式。新的可穿戴技术能追踪用户的健康状况，使医院和诊所得以改善医疗质量。联网设备可以提醒患者服药、锻炼和注意血压的剧烈变化。

• 改变网络安全挑战

新的网络安全挑战将在2018年成为一个棘手的问题。可以预见，心怀叵测的黑客将想方设法入侵物联网。2016年10月，黑客利用物联网发动攻击，使网络大面积瘫痪。

随着物联网继续扩张，全球网络基础设施的薄弱环节也将继续增多。人工智能和机器学习提供了解决之道，它们将变得越来越普及。由于设备彼此之间的联系更加紧密，安全专家必须学会利用人工智能和机器学习程序。

机器学习是计算机的训练过程，现在被企业用于各种各样的商业行为，比如实时广告、模式识别、欺诈识别和医疗。但在2018年，机器学习将变得更聪明、更快速、更有效。

Advertisement公司的商务拓展总监罗纳德·范龙（Ronald Van Loon）说：

“机器学习技术正在迅速发展，你的数字业务需要转向自动化。机器学习算法从大量的结构化数据和文本、图像、视频、语音、肢体语言、面部表情等非结构化数据中学习，可用于从医疗系统、电子游戏到自动驾驶汽车的所有领域，拥有无限广阔的应用前景，为机器打开了一个新的维度。”

• 教育

近期已经出现了利用机器学习来改善教学的事例。例如，加利福尼亚州立大学要求教职员工寻找和使用免费或低成本的教学材料。为了简化这一过程（用免费或低成本的教学材料取代以前的课程材料非常耗时），Intellus Learning提供了一个解决方案：把4500多万个在线资源编入索引，并教会（利用机器学习技术）程序/算法作出推荐。老师可以把免费或低成本的材料上传至课程材料管理系统，供学生使用。

• 医疗

识别不同疾病，并做出正确诊断，这是机器学习研究的一个目标。医疗行业一直在开发能识别和诊断疾病的计算机和算法。在德克萨斯大学奥斯汀分校，研究人员发明了把多个肿瘤生长模型结合起来的全自动方法。机器学习算法能自动识别大脑肿瘤。机器学习已经被用于各种医疗行为，包括：

• 行为矫治

• 流行病爆发预测

• 药物研发

• 放射检查

• 电子病历

• 诊断和疾病识别

人工智能研究目前致力于开发使人机交互更加自然的算法以及训练这些算法的方法。目标是用自然的人类语言来回答复杂的提问。人工智能和机器学习使通常需要人类决断的工作有了自动化的可能，这些工作包括如下技能：

• 阅读手写材料

• 识别面部表情

• 学习

• 认知能力，比如规划和利用部分信息进行推理

Gartner Research公司副总裁大卫·瑟尔利（David Cearly）说：

“人工智能技术正在迅速发展，企业将需要对技能、流程和工具进行大力投资，以便成功地利用这些技术，构建人工智能强化系统。投资领域包括数据准备、数据整合、算法和训练方法选择，以及模型建立。包括数据科学家、开发人员和业务流程所有者在内的多方必须展开合作。”

• Gluon平台

亚马逊也使用了人工智能。亚马逊的推荐引擎利用人工智能来预测用户的兴趣，准确率约为5%至10%。为了提高预测准确率，亚马逊与微软合作，共同推出了一个新平台，把机器学习用于人工智能训练。这个新平台名为Gluon，可供各种技能水平的人工智能开发人员使用。据称，Gluon平台可以让人工智能开发人员更容易设计和开发人工神经网络。

Gluon平台将落户亚马逊AWS服务。Gluon界面是“开源且易于使用的”。

• 人工智能和网络安全

《哈佛商业评论》写道：

“讽刺的是，面对利用人工智能进行的黑客攻击，我们的最佳防御策略也是利用人工智能。人工智能可用来防御和攻击网络设施，还可以扩大黑客的攻击面，也就是让黑客拥有更多的攻击手段。企业领导得到的建议，是要了解人工智能安全研究的最新进展。”

随着企业认识到开发网络安全程序的重要性，人工智能将变得更加流行。精心构建的人工智能防御系统能从多年来发生的黑客攻击事件中，学会各种攻击和防御策略。它能设定正常用户行为的基准，然后搜索异常行为，速度比人类要快得多。这比维持一支专门处理日常网络攻击的安全团队要省钱得多。人工智能也可以用来制定防御策略。在2018年，人工智能与网络安全的关系将变得更加紧密。

本文来源：钱塘大数据