Intuit公司負責數據工程的副總裁Bill Loconzolo已兩腳踏入了數據湖。而Smarter Remarketer的首席數據科學家Dean Abbott也徑直走進了云中。當我們說到大數據[注]和分析的前沿時，它既包括數據湖(以原生格式存儲海量數據)，當然也包括云計算[注]。盡管這些技術選項距離成熟還很遠，但我們肯定不能選擇一味的等待和觀望。

“現實情況雖然是，各種大數據工具在不斷涌現，但Hadoop平臺的前途尚未達到讓企業能夠依賴的程度，”Loconzolo說。然而大數據和分析技術演變得如此之快，企業必須做出抉擇，要么涉足其中，要么就得冒落后的風險。“在過去，新興技術可能需要幾年時間才能成熟。而現在，解決方案的迭代和升級只需要幾個月，甚至幾周時間。”那么，在你的觀察名單或者實驗室里，最重要的新興技術和趨勢是什么呢?當我們用這樣的問題去問很多IT高管、咨詢師和行業分析師時，得到了如下的答案。

1、云中的大數據分析

Hadoop框架和一組工具可用于處理非常大的數據集，它最初是為了物理機集群而設計的。但現在情況有了變化。Forrest分析師Brian Hopkins說：“如今已有很多技術可用于處理云中的數據。”實例包括亞馬遜Redshift所托管的BI數據倉庫、谷歌BigQuery數據分析服務、IBM Bluemix云平臺，以及亞馬遜Kinesis數據處理服務等。“大數據的未來狀態將是企業端和云端的某種混合態。”

從事零售業分析與營銷服務的SaaS[注]廠商Smarter Remarketer最近已從其內部的Hadoop和MongoDB數據庫基礎架構轉移到了亞馬遜Redshift云數據倉庫上。該公司主要收集線上和線下的零售銷售數據、消費者統計數據及實時行為數據，然后對其作分析，幫助零售商創建有針對性的消息發送，以便吸引顧客的響應(某些情況下可能是實時的響應)。

Abbortt稱，Redshift對于Smarter Remarketer的數據需求來說，更具成本效益，特別是其針對結構化數據的范圍廣泛的報表功能。作為一種托管服務，Redshift既可擴展，使用起來也相對簡單。“它在虛擬機上的擴展成本要比購買由我們自己管理的物理機便宜不少。”

Intuit也開始謹慎地在向云分析轉移，因為它需要一個安全、穩定和可審計的環境。這家財務軟件公司一方面計劃在自己私有的Intuit分析云中保留一切資源，另一方面“又在與亞馬遜和Cloudera合作，計劃構建一個公私混合的、高度可用而且安全的分析云，”Loconzolo說。對于像Intuit這樣銷售在云中運行的產品廠商來說，向云的遷移是不可避免的。“一旦在企業端分析數據的成本高到無法承受時，就只能把所有的數據遷到云中去。”

2、Hadoop：新的企業數據操作系統

Hopkins認為，各種分布式分析框架，如MapReduce，正在演變為分布式資源管理器，它們會逐漸地將Hadoop轉變為一種通用的數據操作系統。有了Hadoop這樣的分布式文件存儲系統，“你就能執行很多不同的數據操控和分析任務。”

這種變化對企業來說意義何在呢?和SQL一樣，MapReduce、內存計算、流處理、圖形分析和其他類型的工作負載都能夠以適當的性能在Hadoop上運行，越來越多的企業會把Hadoop當作企業數據集中庫來使用。“這樣的能力，即針對Hadoop上的數據執行多種不同類型查詢和操控的能力，將使其成為一種低成本的通用平臺，企業想要分析的任何數據都可以放在其上進行分析。”Hopkins說。

Intuit已經開始在構建自己的Hadoop基礎。“我們的戰略是利用MapReduce和Hadoop，構造Hadoop分布式文件系統，長期目標是讓人和產品之間所有類型的互動得以產生，”Loconzolo說。

3、大數據湖

傳統的數據庫理論會告訴你，在進入任何數據之前，首先得設計好數據集。而數據湖，也稱企業數據湖或企業數據集中庫，可能會徹底改變傳統模式，普華永道美國咨詢業務負責人兼首席技術專家Chris Curran說。“也就是說，我們會將各種數據資源傾倒進一個大的Hadoop倉庫中去，而不會事先設計什幺數據模型。”相反地，我們會提供各種工具，再配上對數據湖中現存數據的頂層定義，供人們去分析數據。“這樣，人們就可隨著對數據湖的逐步深入而構建起自己的數據視圖。這正是構建一個大規模數據庫的增量化的、有機的模型。”Curran說。不過，這種方法也存在不足，那就是對數據分析人員的技術要求較高。

Loconzolo說，作為Intuit分析云的一個組成部分，Intuit也有一個數據湖，包括用戶的點擊流數據、企業數據和第三方數據，但重點是圍繞數據湖對工具進行所謂的“民主化”，讓商業人士都能有效地使用它。Loconzolo說，在Hadoop里構建一個數據湖，他的一個擔心是Hadoop平臺并未真正實現企業就緒。“我們希望它具備數十年來傳統企業數據庫所具備的所有功能——監控訪問控制、數據加密、保護數據，并可跟蹤數據從源到目標的傳遞路徑。”

4、更有預測性的分析

有了大數據[注]，分析師們不僅有了更多的數據可用，而且具備了處理大量多屬性記錄的能力，Hopkins說。傳統的機器學習使用的是對全體數據集某個樣本所作的統計分析。“而現在，我們已經可以處理海量的記錄，以及對每條記錄的海量屬性進行處理，”從而提高了預測能力，他說。

大數據與計算能力相互結合，還能讓分析師們去研究新的行為數據，例如消費者所訪問的網站或位置信息等。Hopkins稱之為“稀疏數據”，因為要想找出真正有興趣的東西，就必須在大量看似無關緊要的數據里去淘金。“針對這種類型的數據，試圖采用傳統的機器學習算法，這在計算上就是行不通的?，F在，我們可以把更便宜的計算能力賦予Hadoop平臺。你只需要去解決問題，而完全不必再去考慮速度和內存是否會有問題了。”Abbott說。“如今，遇到問題時，我們可以利用強大的計算資源，找出哪些變量可以進行最佳分析。這確實是一個游戲規則改變者。”

“如何用Hadoop核心來實現實時分析以及預測建模，這才是我們真正感興趣的所在，”Loconzolo說。但在這方面來說，速度一直是個問題。相較于一些已成熟的技術，采用Hadoop來獲得問題答案的時間要長出20倍左右。所以Intuit開始測試大規模數據處理引擎Apache Spark，及其相關的SQL查詢工具Spark SQL。“Spark具備快速的交互式查詢、圖表服務和流處理能力。它一面將數據保留在Hadoop中，又能提供足夠的性能來縮小速度上的差距。”Loconzolo說。

5、SQL on Hadoop：更快、更好

假如你擅長編程，而且精通數學，就可以很容易地將數據放入Hadoop，并對其進行分析。這既是美好前景，但也是問題所在，Gartner分析師Mark Beyer說。“我得需要有個人幫我將數據納入某種格式和我所熟悉的某種語言中，才能進行分析。”這也是SQL on Hadoop能夠流行開來的緣故，因為對于早就了解SQL技巧的商業用戶來說(+本站微信networkworldweixin)，使用可支持類SQL查詢語言的工具對數據進行操控并不困難。SQL on Hadoop“為Hadoop在企業中的應用打開了大門”，Hopkins說，因為企業無須再花高薪聘請能用Java、JavaScript和Python編寫數據腳本的數據科學家和業務分析師了。

這些工具都不是什么新東西。Apache Hive就可為Hadoop提供一種結構化的、類似SQL的查詢語言。還有一些商用工具，如來自Cloudera、Pivotal軟件、IBM和其他一些廠商的產品，不但可提供更好的性能，而且還能讓查詢進行的更快速。這些工具讓Hadoop能更好地適用于“迭代分析”，也就是在詢問了一個問題并得到答案后，可以在此基礎上查詢新的問題。這樣的工作傳統上是需要構建數據倉庫才能進行的，Hopkins說，SQL on Hadoop無意取代數據倉庫，至少短期內不會，“但它可為某些類型的分析提供成本更低廉的軟件和分析器具。”

6、更多、更好的NoSQL

可取代傳統基于SQL關系數據庫的技術叫做NoSQL數據庫，它正迅速普及，用于一些特定的分析應用中，而其發展動力也在持續增強。Curran估計，目前市面上已出現了15到20個開源的NoSQL數據庫，每個NoSQL數據庫都各有特色。例如ArangoDB就是具有圖形功能的NoSQL產品，相比于傳統的關系數據庫，它可提供一種更快速、更直接的方式來分析客戶或銷售人員的關系網絡。

開源的SQL數據庫“早就有了，但它們并未流行開來，因為需要專業的分析人員，”Curran說。普華永道的一個客戶在商店的貨架上放置了很多傳感器，用于監控貨架上的產品多長時間會被消費者拿到手里，消費者在某個貨架前會停留多長時間，等等。“這些傳感器會產生大量的呈指數級增加的數據。一個NoSQL鍵值組合數據庫則可專門用于處理這樣的情形，而且性能高，還是輕量級的。”

7、深度學習

所謂深度學習是基于神經網絡的一組機器學習技術，雖然尚未成熟，但已表現出解決各類商業問題的潛能，Hopkins說。“深度學習……能讓電腦在大量非結構化和二進制數據中識別出感興趣的東西，無須專門的模型或程序指令便可推演出各種邏輯關系來。”

例如，一個深度學習算法可以檢查從維基百科上所學來的數據，自己判斷出加利福尼亞和德克薩斯是美國的行政州。“而不必對它進行模式化才能了解國家和州的概念，舊的機器學習和新興的深度學習方法之間存在著巨大的區別，”Hopkins說。

“大數據將采用先進的分析技術如深度學習等，處理大量類型不同的非結構化數據，以便幫助我們開始更好地了解數據的意義，”Hopkins說。深度學習可以識別各種不同的數據類型，例如視頻中的各種形狀、色彩和物體，就連其中有一只貓都能識別出來，這正是谷歌在2012年開發的神經網絡可以做到的事情。“這種認知參與、先進分析的理念將成為未來的一大重要趨勢。”

8、內存分析

使用內存數據庫來提速分析處理流程，已越來越流行，而且收益很大。Beyer認為，事實上，很多企業已經在采用混合事務/分析處理(HTAP)，該技術允許事務和分析處理駐留在同一個內存數據庫中。

盡管采用HTAP可加快分析速度，但所有的分析必須駐留在同一個數據庫內。Beyer認為，今天大多數的分析研發都是為了解決這個問題，力圖將來自很多不同系統的事務分析匯總到一個數據庫中。

最好能提前一步

圍繞大數據和分析有如此之多的新興趨勢，那么IT組織就需要創造條件，允許分析師和數據科學家去做各種試驗。Curran說：“企業需要的則是一種可用于評估、研發原型產品，并最終可將這些技術中的一些技術集成到業務中去的方法。”

“IT管理者和實施者不能以尚未成熟為借口，拒絕進行試驗，”Beyer說。剛開始，可以由少數人，主要是有專長的分析師和數據科學家進行試驗，然后再由一些高水平的用戶和IT部門共同決定何時可以把新的資源交付給組織的其他部門使用。IT部門不必限制分析師們投入全副精力去做試驗，相反地，他們應與分析師們合作，“只需給這些新的高性能工具安裝一個可變速的閥門就行了。”