2016年，大數據已從前兩年的預期膨脹階段、炒作階段轉入理性發展階段、落地應用階段。2017年，大數據依然處于理性發展期，依然存在諸多挑戰，但前景依然非常樂觀。2017年大數據的發展呈現十大趨勢：

趨勢1：越來越多的企業實現數據孤島的打通，驅動大數據發揮更強的威力

企業啟動大數據最重要的挑戰是數據的碎片化。在很多企業中尤其是大型的企業，數據常常散落在不同部門，而且這些數據存在不同的數據倉庫中，不同部門的數據技術也有可能不通，導致企業內部數據無法打通。若不打通，大數據的價值則難以挖掘。大數據需要不同數據的關聯和整合才能更好的發揮理解客戶和理解業務的優勢。將不同部門的數據打通，并且實現技術和工具共享，才能更好的發揮企業大數據的價值。

剛剛過去的2016年，無論是企業還是政府機構，都在不同程度的展開了大數據的工作，并意識到了內部數據打通，解決內部數據孤島是啟動大數據戰略的重要基礎。但是，大部分企業和機構內部數據打通的工作做的并不到位。2017年，我們有理由相信，更多企業會有更大的決心去推動內部數據打通，并在此基礎上，構建與外部數據打通的基礎，實現內外部數據打通，更好的發揮大數據關聯和整合的業務價值。

趨勢2：大數據在企業管理中落地，大數據和企業精細化經營結合更為緊密

很多企業業務部門不了解大數據，也不了解大數據的應用場景和價值，因此難以提出大數據的準確需求。由于業務部門需求不清晰，大數據部門又為非盈利部門，導致很多企業在搭建大數據部門時猶豫不決，或者處于觀望嘗試的態度，從根本上影響了企業在大數據方向的發展，也阻礙了企業積累和挖掘數據資產。

甚至由于數據沒有應用場景，企業刪除了很多有價值的歷史數據，導致企業數據資產流失。因此，這方面需要大數據從業者和專家一起，推動和分享大數據應用場景，讓更多的業務人員了解大數據的價值。

一種新的技術往往在少數行業應用取得了好的效果，對其他行業就有強烈的示范效應。2016年，大數據在互聯網、電信、金融、零售等行業取得了較好的效果。在2017年的經濟大環境下，更多的企業和機構會更注重精細化經營，大數據作為一種從數據中創造新價值的工具，將會在許多行業的企業得到應用，驅動業績增長。大數據將在幫助企業更好的理解和滿足客戶需求和潛在需求，更好的應用在業務運營智能監控、精細化企業運營、客戶生命周期管理、精細化營銷、經營分析和戰略分析等方面。

趨勢3：大數據已經成為企業或機構的無形資產，將成為企業參與市場競爭的新武器

在移動互聯網和大數據時代，每一個企業日常運營中所產生的大數據都將成為企業最為重要的無形資產。隨著2017年大數據應用的發展，大數據價值得以充分的體現，大數據在企業和社會層面成為重要的戰略資源，數據成為新的戰略制高點，是大家搶奪的新焦點。如何有效的管理企業每日所產生的數據，從海量的數據中挖掘并沉淀有價值的數據，并把這些有價值的數據作為驅動業務增長的重要引擎，均為數據作為無形資產管理的重要任務。

Google、亞馬遜、騰訊、百度、阿里巴巴和360、今日頭條等互聯網企業通過不斷的挖掘和沉淀大數據，利用大數據驅動業務的增長;金融和電信企業也在運用大數據來提升自己的競爭力。這些企業均有一個共同的特點，即成立了大數據部門對企業大數據做重點管理和應用，真正的把大數據作為無形資產管理和應用起來。

我們有理由相信，在2017年越來越多的企業和機構將大數據定位為企業的無形資產，并對大數據無形資產做系統化的管理和應用。大數據作為無形資產將成為提升機構和企業競爭力的有力武器。

趨勢4：大數據能力產品化，驅動越來越多自助服務出現

大數據能力在企業應用時，需要以非常簡單易用的方式來呈現，才能讓更多的數據用戶使用。企業數據用戶(往往是業務、產品、營銷負責人等非大數據專業人士)在實際運用大數據的時候，更關注的是大數據的產品在哪些方面可以直接幫助提升績效，不需要關注大數據產品背后的分析模型等“黑洞”。因此大數據在業務具體的場景運用時，關鍵是把大數據分析能力產品化，構建簡單易用的數據產品。

另外，隨著大數據專家的成本上升，越來越多的企業也會尋求簡單易用成本相對較低的第三方數據產品。國際知名咨詢機構IDC預測，可視化數據發現工具的增長速度將比商業智能(BI)市場的其余工具快2.5倍。到2018年，投入于支持最終用戶自助服務的這種工具將成為所有企業的要求。諸多大數據廠商已經發布了擁有“自助服務”功能的大數據分析工具。

趨勢5：大數據算法越來越智能化，深度學習將更為普及

知名IT研究與顧問咨詢公司Gartner認為，機器學習是2017年的十大戰略技術趨勢之一。在2017年，隨著大數據分析能力不斷增強，越來越多的企業開始投入于機器學習，并從中獲益。企業可以通過機器學習算法識別潛在客戶，或識別即將流失的客戶，或識別營銷推廣中作弊的渠道，或及時發現關鍵KPI下跌的原因等?？傊?，機器學習可以驅動企業運營更加智能化。

我們認為，隨著機器學習的大規模應用和發展，越來越多的企業將使用深度學習算法，使用深度學習算法將會使得預測更為準確。深度學習是機器學習領域中一系列試圖使用多重非線性變換對數據進行多層抽象的算法，互相關聯的多層級為深度學習提供了“深度”，相較于傳統的機器學習算法來說，是一個巨大的進步，尤其是卷積神經網絡等深度學習算法，將會越來越受歡迎。

趨勢6：大數據和人工智能深度融合，成為人工智能發展的重要驅動力

AlphaGo是2016年最令人深刻的人工智能研究成果，AlphaGo引起了大家對人工智能的高度關注。但是，人工智能的發展還停留在弱人工智能階段，目前很難超越人類認知能力，甚至也達不到與人類匹配的認知能力。但我們不可否認人工智能在實踐中的進步，比如語音識別和圖像理解方面的進步。企業可以在合適的場景中運用這些逐漸成熟的語音和圖像識別的技術。

未來人工智能的發展，取決于兩個方面：一方面是深度學習算法技術的成熟和計算效率的提升;另一方面取決于海量數據或大數據的發展。這是因為，深度學習算法要發揮作用必須先接受訓練。比如，機器要學會識別圖片中的狗，必須先被輸入一個包含數量上萬或者數十萬的標記為狗的 “訓練集”，這個訓練集數量越大，狗的種類越全，機器學習的效果越好。

人工智能專家吳恩達曾把人工智能比作火箭，其中深度學習是火箭的發動機，大數據是火箭的燃料，這兩部分必須同時做好，才能順利發射到太空中。因此，對于深度學習和人工智能，需要越來越多的數據。國際上互聯網巨頭除了自身業務可以采集到海量的數據以外，正在用更開放的策略吸引第三方的數據輸入，以充實其大數據，更好的促進人工智能的所依賴的大數據基礎。

趨勢7：大數據促進智慧生活和智慧城市的發展

隨著大數據與智能硬件的結合發展，大數據將進一步改善我們的生活。

在健康方面，我們可以利用智能手環監測，對我們的睡眠模式來進行追蹤，了解睡眠質量;我們可以利用智能血壓計、智能心率儀遠程的監控身在異地的家里老人的健康情況，讓遠在他方的外出工作者更加放心;

在出行方面，我們可以利用智能導航出行GPS數據了解交通狀況，并根據擁堵情況進行路線實時調優;

在居家生活方面，大數據將成為智能家居的核心，智能家電實現了擬人智能，產品通過傳感器和控制芯片來捕捉和處理信息，可以根據住宅空間環境和用戶需求自動設置控制，甚至提出優化生活質量的建議，如可以根據室內溫度自動調整空調的溫度、根據空氣質量來決定是否要打開空氣凈化器等。

同時，隨著大數據和智慧城市的融合，大數據在智慧城市將發揮著越來越重要的作用。由于人口聚集給城市帶來了交通、醫療、建筑等各方面的壓力，需要城市能夠更合理地進行資源布局和調配，而智慧城市正是城市治理轉型的最優解決方案。智慧城市是通過物與物、物與人、人與人的互聯互通能力、全面感知能力和信息利用能力，通過物聯網、移動互聯網、云計算等新一代信息技術，實現城市高效的政府管理、便捷的民生服務、可持續的產業發展。

智慧城市相對于之前數字城市概念，最大的區別在于對感知層獲取的信息進行了智慧的處理。由城市數字化到城市智慧化，關鍵是要實現對數字信息的智慧處理，其核心是引入了大數據處理技術。大數據是智慧城市的核心智慧引擎。智慧安防、智慧交通、智慧醫療、智慧城管等，都是以大數據為基礎的的智慧城市應用領域。

趨勢8:工業大數據成為工業互聯網發展的重要引擎

工業大數據是指在工業領域信息化應用中所產生的大數據。隨著工業信息化的進一步發展，工業企業也進入了互聯網工業新的發展階段。信息技術和大數據分析技術滲透到了工業企業產業鏈的各個環節，條形碼、二維碼、RFID、工業傳感器等技術在工業企業得到廣泛應用，工業企業所擁有的數據也日益豐富，從而進一步形成了工業大數據。工業設備所產生、采集和處理的數據量非常大，而且非結構化數據也非常多。因此，工業大數據的處理和有效挖掘也成為重要的課題。工業大數據應用將成為工業企業創新和發展的重要引擎。

工業大數據在工業企業有諸多方面的應用：

(1)在產品創新方面，企業可以對客戶使用產品過程中的行為進行數據上報及分析，以了解客戶需求和行為，從而啟發創新;

(2)在產品故障診斷與預測方面，企業可以對產品運行過程中的各種關鍵運行參數實時分析，以實現故障診斷和預測，如GE在航空發動機實現物聯網連接，通過傳感器把發動機運行時的各種關鍵參數實施回傳到云端進行實時分析;

(3)在工業生產流程優化方面，利用大數據可以掌握某個流程是否偏離標準，快速發出報警及時調優;或監控生產過程中的能耗異常環節，從而進行能耗的優化;

(4)在工業生產故障分析及預測方面，通過智能傳感器等數據傳輸設備，把工業生產流程中關鍵設備的實時參數狀態回傳到云端并進行實時分析，實時掌握異常情況，并作出預警和預測，提前進行檢測;

(5)在供應鏈優化方面，對市場數據、客戶數據、企業內部數據、供應商數據等相關供應鏈數據進行集成和關聯分析，以實現倉儲和配送的優化，提升生產和銷售的效率。

趨勢9：隨著大數據的全方位發展，大數據安全機遇和挑戰并存

隨著大數據的發展和落地，大數據的安全穩定也將會逐漸被重視。對于擁有大數據廠商來說，最大的挑戰就是數據安全;對于安全廠商來說，最大的機遇也是數據安全。網絡和數字化生活也使得犯罪的分子更容易獲取關于他人的信息，也有更多的騙術和犯罪手段出現，所以，在大數據時代，無論對于數據本身的保護，還是對于由數據而演變的一些信息的安全，對大數據分析有較高要求的企業將至關重要。

大數據安全是跟大數據業務相對應的，與傳統安全相比，大數據安全的最大區別是安全廠商在思考安全問題的時候首先要進行業務分析，并且找出針對大數據的業務的威脅 ，然后提出有針對性的解決方案。比如，對于數據存儲這個場景，目前很多企業采用開源軟件如Hadoop技術來解決大數據問題，由于其開源性，但是其安全問題也是突出的。因此，市場需要更多專業的安全廠商針對不同的大數據安全問題來提供專業的服務。

另外，在大數據應用日益重要的今天，數據資源的開放共享已經成為在數據大戰中保持優勢的關鍵。商業數據、政府機構數據和個人數據的共享應用，不僅能促進相關產業的發展，也能給我們的生活帶來巨大的便利。但是，制約我國數據資源開放和共享的一個重要因素是政策法規有待進一步完善，開放與隱私保護如何平衡。如何在推動數據全面開放、應用和共享的同時有效地保護公民、企業隱私，逐步加強隱私立法，將是大數據時代的一個重大挑戰。

趨勢10：大數據人才需求增多，越來越多的機構參與到大數據人才培育中

一個新行業的出現，必將在工作職位方面有新的需求，大數據的出現也將推出一批新的就業崗位，例如，大數據分析師、數據管理專家、大數據算法工程師、數據產品經理等等。具有豐富經驗的數據分析人才將成為稀缺的資源，數據驅動型工作將呈現爆炸式的增長。

而由于有強烈的市場需求，高校也將逐步開設大數據相關的專業，以培養相應的專業人才。企業也將和高校緊密合作，協助高校聯合培養大數據人才。如IBM 全面推進與高校在大數據領域的合作，引入強大的研發團隊和業務伙伴，推動“大數據平臺”和“大數據分析”的面向行業產學研創新合作以及系統化知識體系建設和高價值人才培養。

大數據建設的每個環節都需要依靠專業人員完成，因此，必須培養和造就一支掌握大數據技術、懂管理、有大數據應用經驗的大數據建設專業隊伍。目前大數據相關人才的欠缺將阻礙大數據市場發展。大數據的相關職位需要的是復合型人才，能夠對數學、統計學、數據分析、機器學習和自然語言處理等多方面知識綜合掌控。

未來，大數據將會出現約超過百萬的人才缺口，在各個行業大數據中高端人才都會成為最炙手可熱的人才，涵蓋了大數據的數據開發工程師、大數據分析師、數據架構師、大數據后臺開發工程師、算法工程師等多個方向，因此需要高校和企業共同努力去培養和挖掘。