1.算法（Algorithms）的崛起
大數據已過時，算法正當道。數據已經成為一種商品，每個組織都能夠收集和存儲大量的數據。分析大數據也不再那么引人注目了。每個組織都可以聘用或培訓大數據分析人員來了解數據模式。
2016年，人們更加關注對已接觸數據采取什么行動。算法將大行其道。算法能夠定義行為，它們是非常專業的軟件，能夠很好地執行專業的指令，遠比人類做的要好。例如，當你訪問一個網站時，根據你手上的資料，快速確定最合適的廣告。或者在大量的交易數據中找出異常值來甄別欺詐行為。
這些算法是非常專業的人工智能，不是已經存在多年的普通人工智能所能比的。但是，非常專業的AI已經存在，2016年我們將見證算法商務的崛起。
2.數據湖服務作為一種解決方案（Data-Lake-as-a-Service Solutions）
2015年，我們已認識了數據湖。企業從M2M連接、社交網絡和遠程工作人員積累了越來越多的數據，數據湖將成為他們的重要數據存儲工具。
據Gartner稱，“到2020年，信息將被用于重新創造、數字化、或消除80%的業務流程和產品（相比于10年前——2010年）”。在傳統的存儲解決方案中，數據之間是相互孤立的。數據湖與之正好相反，它允許存在各處的原始的、質樸的信息字節相互整合、分析。數據湖能夠幫助你實現商業的數字化，使之真正成為數據驅動的商業，就像Gartner對2020年的商業預計一樣。
由于數據湖帶來了相當多的挑戰，在2016年，我們將看到數據湖管理的未來：數據湖服務作為一種解決方案，為您的數據湖提供一個完整的管理方案。
數據湖服務將提供主動式存儲方案，通過整理大量的結構化和非結構化數據，大量的應用才能夠用于對其進行加工處理，包括企業數據倉庫或開源技術，如Apache Hadoop或 Spark。一個使用了數據湖服務的企業，每個月僅需要為十億字節支付幾美分。
在2016年，我們將看到越來越多的大數據供應商提供這樣的解決方案：給企業提供一個完整的、易于使用的、可擴展的解決方案，省去企業自建數據湖的麻煩。由于數據湖在大規模數據存儲和分析方面具有巨大優勢，數據湖服務解決方案將被用于許多組織中。尤其是規模較小的組織，例如互聯網領域的初創公司，將從數據湖服務方案中獲得數據湖所有的益處，省去了創建和維護數據湖的所有麻煩。
3.區塊鏈將被各行各業所接受
在過去的幾年中，我們看到區塊鏈主要應用于比特幣，但區塊鏈技術提供了更多的可能性。在2016年，我們將看到很多行業將采用區塊鏈。
一個區塊鏈可以被看作是數字事件的一個公共分類帳或記錄。這個公共分類帳由許多不同當事人共享，計算地理上和計算上的孤立節點，并且只有該系統的大部分成員都同意的情況下，這個記錄才能被更新。只要新信息輸入到分類帳，它就不能被擦除，而且所有人可見。因為區塊鏈的存在，所有輸入到分類賬上的信息都是全透明的。
區塊鏈的一個關鍵優勢是：該系統是完全透明的，任何人都可以在不損害個人隱私的情況下，看到哪些交易輸入到分類賬。您可以在不透露當事人個人隱私的情況下，記錄事件發生的事實，甚至記錄它的正確性。
雖然大多數人將區塊鏈與加密的比特幣聯系在一起，其實它還有更多的可能性。尤其是金融業將迎來的區塊鏈技術的全面開花。世界上許多大銀行正在試用區塊鏈，更或正在對區塊鏈初創公司進行投資。UBS（瑞銀集團）已經創造了一個區塊鏈實驗室，Santander正在研究如何使用區塊鏈管理他們的貸款活動，Goldman Sachs （高盛集團）投資了一個區塊鏈初創公司，并且有一個大財團（R3 ’s global bank partnership），負責調查的區塊鏈的潛力。
然而，在2016年我們將看到，不同行業的多個應用程序使用區塊鏈。基本上任何存在數字化交易的行業都將會受益于區塊鏈技術，從金融業，法律行業，房地產，公證員，賭博，發布到數據存儲。未來一年，更廣泛的采用區塊鏈將迫在眉睫。
4.人力資源分析
對于大多數組織而言，人才是最重要的財富；對于大多數高級管理人員而言，人才是重中之重。根據普華永道的研究，34%的美國首席執行官們“非常關注”組織中關鍵技能的可用性。因此，高級管理人員正在尋找其人力資源的確切數據，所以，2016年我們會看到人力資源分析將邁出一大步。
人力資源分析雖然是人事部門新的業務領域，但為了更好地提高人力資源的投資回報率，該業務增長極為迅速。人力資源分析可以被定義為一項大數據技術，使用人力相關數據片段優化商務產出、解決商務問題。因此，人力資源分析越來越重要。
人力資源分析可以幫助回答一些問題，例如：我們在組織內是否有正確的技能搭配？我們的員工，特別是那些優秀的員工是如何工作的呢？我們能更好地預測企業未來的領導人是誰么？員工的精神狀況怎樣......如此等等。
在一個過熱的市場，對人才的爭奪戰愈演愈烈，優秀的大數據科學家和數據分析師資源越來越稀缺，越來越貴，因此發現人才不是一件容易的事情。對于一個組織而言，了解員工的驅動因素，并且很好的激勵他們變得越來越重要。因此，在2016年，更多的組織將致力于人力資源分析，這些領域的初創企業數量將迅猛增長。
5.智能政府致力于提高社會和公民體驗
對于那些大的商業組織而言，大數據已經成為通用語言。在適應新趨勢方面，政府是緩慢的，但是在2016年，我們會看到更多的國家、地區和地方政府會采用大數據技術來提高社會和公民的體驗。
政府正在嘗試用大數據技術來提高公民體驗的管理，通過政府分析、把數據驅動決策引入到一線員工的管理，從而創造無摩擦交易，提高政府績效。一個政府，或智慧政府，將會于實現目標做出重要貢獻，在2016年，在全球范圍內將會有越來越多的政府向智能政府方向發展。
我們已經看到一些例子。迪拜當局正努力把政府變成智能政府。他們已經開始踐行提高客戶（例如，公民）體驗，并推動知識經濟的實踐。他們已經為數十個智能政府服務創建了一個單獨的、安全的登錄界面，大量的服務也都支持移動應用程序。
最好的智能政府的例子就是愛沙尼亞。這個僅有130萬公民的波羅的海國家被聯合國提名為“具有十年最優電子政務內容“ 。每一次與外部的或內部的互動都是數據化的，愛沙尼亞政府對于自己的數據具有完全的掌控。此外，議會正在推行無紙化辦公，電子簽署法律文件，全電子化商務，因為所有的服務都是互聯的，所以報稅非常簡單。
盡管愛沙尼亞政府遠遠走在同行的前列，但這個進程遠沒有停止。在荷蘭，國家政府的目標是，截止到2017年，從與政府取得聯系到繳稅，全部實現工數字化。
因此在未來一年，我們將在世界范圍內看到越來越多的政府開發智能方案。我們也將看到更多的政府開放自己的數據集，應用開放的API（應用程序編程接口）使初創公司和企業夠輕松地與政府部門對接。這不僅能加速政府的智能化過程，甚至可能收獲更多。
6.增強大數據安全、防止數據泄露
伴隨著數字化進程，物聯網將物物連接為網絡，大數據的安全變得越來越重要。在過去的幾年里，我們已經遭遇了許多大規模的數據泄露事件，包括Ashley Madison hack（婚外情網站）和TalkTalk公司（英國寬帶服務供應商）的黑客攻擊事件。
基本上，任何組織未來都可能被黑客攻擊，如果沒有被黑客攻擊，說明其根本不重要。因此，任何組織不僅應該把重點放在防止安全漏洞，在遭遇黑客攻擊時，還要實施正確的危機應對計劃。
2016年，我們會看到更多的數據泄露新聞，更多組織犯傻試圖掩蓋，更多由物聯網引起的對實物的攻擊。特別是后者，可能會對數據安全產生深遠影響。畢竟，我們已經看到過黑客遠程操控毀滅了一輛正在高速路上行駛的吉普車。
因此，2016年，我們將看到組織是如何管理他們的數據保證數據安全，包括黑客攻擊前、攻擊中、攻擊后的各種管理措施。組織將增加安全開支，與有道德的黑客合作提高數據安全，改善內部流程使得員工對于黑客更加警惕。畢竟，通常情況下人是公司安全協議中最薄弱的一環。
7.智能機器帶來的霧分析（Fog Analytic s)起步
霧計算正在迅速地獲得大量動力。霧計算是指推進連接到物聯網的終端設備和存儲數據的云計算之間的存儲、傳輸和計算。隨著物聯網的進步，霧計算勢頭越來越猛，因為傳感器變得相當精密，它們現在可以收集大量數據。
想象一下，你有一個網絡，連接各種設備，它們產生了大量的實時數據。在設備和云之間來回傳輸數據變得尤其昂貴，而且花費時間太長。采用霧計算或霧分析。霧分析使得智能機器在當地執行一部分分析，只將分析結果發送到云端。
據Gartner稱，智能機器是新的現實。因此，在未來的一年，我們將看到更多的智能機器有著越來越多的精密傳感器，能收集大量的數據。組織將不得不轉向霧分析，以便數據易于管理，保持洞察力可用并盡可能降低成本。
令人振奮的新一年
在大數據方面，2016年將是令人振奮的一年。智能算法將接替現在由人類來完成的許多業務。我們將看到數據湖服務作為一種服務解決方案出現，幫助企業以最少的工作更多的使用數據。越來越多的行業將開始試用數據區塊鏈技術（blockchain technology）以改變他們的行業。
組織將轉向人力資源分析，以更好地激勵員工，爭奪稀缺人才。政府終將看到大數據的益處，并向智能化方向轉變，但是組織和政府將不得不警惕黑客攻擊，并采取適當措施。最后，由于智能機器將出現在各行各業，霧分析時代正式開啟。
京公網安備 11010502049343號