2019年实现分析和数据仓库现代化的三大趋势
今年数据分析的优先事项发生了变化。增长因素和业务优先级不断变化。不要眨眼，否则您可能会错过领先的组织正在进行的现代化分析和数据仓库环境。我花了一个月整理了一份最适合2018年学习的大数据学习干货，从最基础的大数据集群搭建，大搜数据组件和项目实战，加群QQ群：894951460注明简书既可免费获取。
商业智能（BI）是由Dresner Advisory Services首席研究官Howard Dresner于1989年创造的一个总称，指的是最终用户访问和分析企业数据的能力。根据Dresner的说法，在2018年12月的网络研讨会上，2018年进行的新的初步研究显示了三个主要趋势，这些研究将影响2019年分析和数据仓库市场的增长：
- 大数据技术和体系结构现在是商业智能（BI）传统数据库选项的主流替代品。
- 自然语言分析和流数据分析是影响市场的新兴技术。
- 云计算已经超越了临界点，大多数组织都乐于将关键数据和应用程序迁移到公共云。
大数据技术和架构
Dresner最终用户研究表明，大数据使用案例的采用率已大幅提升，并已成为支持分析的主流方法。2015年，只有17％的受访组织拥有大数据实施。仅仅三年之后，这个数字在2018年增加了两倍多，达到59％。
大数据采用率条形图
最常见的大数据用例是数据仓库优化。大数据架构用于增强不同的应用程序，与数据仓库一起或以离散方式运行。大数据实现甚至可以完全用数据湖替换数据仓库。
大数据用例图
其他常见用例包括客户/社交分析，预测性维护，点击流分析，欺诈检测和物联网。
Dresner说，组织开始在整个企业中分发大数据用例，只要它们有意义。在数据类型和组织想要访问的数据源方面，生态系统内存在巨大的多样性。在所有这些用例中，组织正在处理大量数据，通常是运动中的数据，这使得它们非常适合大数据架构。
自然语言分析和流媒体数据分析
鉴于像谷歌这样的搜索引擎以及像Alexa和Google Home这样的语音响应系统无处不在，你会认为自然语言，基于搜索的分析和商业智能已经成为组织中的常态。
Dresner的研究表明，自然语言分析和流数据分析的新兴技术在过去一年中的重要性日益凸显。
2017-2018年技术优先事项的变化图
自然语言分析（包括自然语言查询和自然语言生成）是将语言或书面语言查询转换为机器可以理解的内容然后查询数据库以获得结果和分析的能力。根据Dresner的调查，尽管自然语言分析是一种新兴技术，但从2017年到2018年，自然语言分析的优先级增加了23％。
流媒体数据分析，即分析大量运动数据的能力，在过去一年中获得了更大的吸引力。超过75％的受访者表示流媒体数据分析对他们的业务非常重要。
自然语言分析对比图
虽然自然语言分析和流媒体数据分析的优先级仍然相对较低，但这些新兴技术在过去一年中的重要性显着下降。只要您有合适的用例，两者都可以在市场上占据先发优势。这意味着您需要教育自己了解这些技术的适用范围，它们如何支持您的业务以及用户可能是谁。
只要您确定适当的用例和用户选区，就有真正的市场机会。
云计算
云计算已经成为一个成熟的市场，Dresner已经追踪了七年多。BI需要大量数据，使公共云成为具有吸引力且经济高效的解决方案。如今，超过50％的受访组织目前正在使用或计划将公共云用于BI。
2012-2018年公共云BI计划
通过教育和市场观察，组织现在将公共云视为实施其应用程序的相对安全的地方。
现代化分析和数据仓库
Arcadia Data和Cloudera客户反映了（并且真正推动）市场上的相同趋势。在处理大型，快速和复杂的数据时，您需要能够实时可视化分析和BI。数据仓库用于支持新业务流程和模型的方式发生了重大转变。现代数据仓库在分析和BI中发挥着基础性作用。查看点播网络研讨会，深入了解研究见解，并了解更多有关Arcadia Data和Cloudera如何提供下一代现代数据仓库和分析的信息。
