随着越来越多的设备和各种类型的软件兼容交互，2016年注定是大数据分析崛起的一年。而在企业最大限度地挖掘数据价值时，这里提出几点注意事项供大家思考。
2015年是大数据概念被炒作火爆的一年，并且这种趋势也将在2016年继续蔓延。如同2015年一样，企业将继续垄断人才市场而各个大学也将调整课程体系培养更多的精英，在数据运用上双方都期盼获得更多硬件创新与软件创新的惊喜。
在硬件方面，我们将感受到更多的物联网设备在各行各业的智能化之风。在软件方面，我们将看到更多的解决方案把设计繁杂的分析平台简化应用，来促进企业竞争力。特别是信息整合能力，将帮助企业在跨域运营问题和价值链问题中获得更高的能效。但与之相伴所产生的信息安全问题与隐私问题也需要妥善对待。
正如2015年我们所看到的，我们创新发明的能力总是发展领先于我们合理使用创新发明的能力。企业创新往往会使其被赋予了超越其行政权限的创造性能力。这已经引起了美国联邦贸易委员会(FTC)和白宫审查部门的注意。互联网协会届时也发布了一个白皮书，专门讨论了物联网时代问题和挑战的世界模型。
【著名的Twitter网站已经将自己打造成为一个名副其实的数据广场，数据学家从这里可以轻松的抓取和分析公众数据，但这也逆向的让我们可以推断数据学家的思想。当然很多商业智能从业者和分析专家也都到过并在这里留下过足迹。】
尽管所有的这些技术成果都被概括为大数据物联网的发展应用，但今天所谓的“高阶分析”在明天的标准下可能只是基础原则，甚至是及其幼稚和不完善的。正如人们每天所见的新闻，都是指在证实我们仍然只是处于机械辅助智能设计的初级阶段。到处都是偏离目标的精准营销，毫不相关的忠诚度提升计划，脱离产品支撑的推荐传销，甚至来自一些行业领军人物的关于明天将会怎样的空头许诺。
这些看起来很像是问题的问题，的确让人略感烦恼，甚至被看作是风险投资走向失败的标志，但这也确切意味着创新领域依旧是广阔的蓝海。那些风险资本清楚的知道这些，并依旧押宝在专注于人工智能领域、机械学习领域和大数据领域的初创企业。
在2016年，当企业努力向数据驱动转型时，需要仔细权衡人的因素，流程因素和技术因素。下面将谈及一些2016年需要关注的看点。
人工智能与机器学习的契机
人工智能与机械学习应用将被更多平台与软件包容，这使得商业运作和非信息技术专业人士可以抛开软硬件运行机制的原理探究，而专注于使用他们的好处。当然，这也要感谢那些开发人员和数据学家们对于各种抽象指令的跨平台整合，比如著名的IBM大数据平台:
· IBM-> Watson APIs;
· Microsoft-> Azure machine learning APIs;
· Amazon-> Machine Learning service;
· Google-> TensorFlow Machine Learning Library;
当然人们也期待着更多的初创企业贡献他们的力量，比如H2O公司开源了他们的平台给数据学家和开发者，立刻就获得2000万美元的B轮融资；而像Venture Scanner这样的公司，目前正在跟踪着超过897个以AI技术为代表的公司动向，遍布66个国家，总价值接近40亿美金的可融资对象。
此外，高德纳咨询公司已将考虑在2016年中如何利用高级机器学习来建立竞争优势。
统计数据是新的黑幕
一个利好的消息是：那些比同行更加了解统计学的公司，将能够更好的应对关联数据的不确定性。置信水平和误差范围的估测有助于决策者从若干可能性中做出更合理的评判。而如果你评判事物的思维倾向是依靠一个单一的数字(就好像它代表一个绝对的，不争的事实)，这就意味着是时候该重新考察自己的评判性思维能力了。
公司并不需要每个人都成为（或甚至有资质成为）统计员。但是大学正在帮助毕业生，在校生，走读生成为懂得关联数据实际应用的精明人士。作为其中的一部分，他们被教导要批判的思考和质疑关联数据意味着什么的深层含义，而非表面所见的数学含义。
想要得到正确的数据并不容易，因此许多公司参战到数据治理的斗争之中。根据甫瀚咨询最近的一项调查显示，三分之一的企业仍然缺乏信息安全政策，数据加密政策和数据分类政策。
然而，由于数据具有的战略作用并因此引发的安全风险和隐私风险，使得企业必须更加重视数据治理。在数据分享中，企业需要确保安全的使用信息。
物联网资源的相关展望
从天气对工业设备的影响到个人购物消费行为，物联网紧密链接了多维信息，美国计算机科学公司（CSC）将2016年称之为“语境数据年”。因为物联网大大提高了数据的关联关系，使得公司可以跨域获得更多的拥戴者。然而当数据关联意识在零售行业，汽车行业，在线行业等等日常生活中变成一种潜规则时；如何垄断行业人才确保获得正确的数据关联并不容易。消费者会期待跨渠道，跨设备，跨认知经验的处在同一基准线。而在2016年如何正确的解析语境数据却依旧是一个重大的挑战。
物联网隐私泄露 强调需求安全
更多设备产生更多类型的个人信息。在创新领域的竞赛，一些物联网设备制造商均未能建立安全的，消费者期望水平的成果。例如，在2015年，一些家长因为它们的婴儿监视器被黑客侵入而愤怒；切诺基吉普车车载系统因黑客侵入被迫使得指定车型被督促进行安全升级。
被联邦贸易委员会（FTC）关注，促使许多物联网设备制造商在产品内嵌入安全模块。那些屈指可数的漏洞将会在2016年成为高调得令人震惊的头条新闻。而物联网设备安全将成为一些制造商的品牌差异，其中优势化的种子厂商将在2016年成井喷式爆发。
数据价值的可持续发展
更多的软件产品将会集成一些分析功能。其中很多产品相互之间还将会是通过APIs来导入，导出或共享发送商业红利和个人红利；例如，软件应用行为检测（ApplicationPerformanceMonitoring）帮助DevOps团队在软件复杂度迭代和平台迁移中使得客户获得了更好的应用体验；而其中一些的APM还会链接社交网络和企业软件，使得公司可以更好的评测其商业价值和软件业务的影响。简言之，不管是否是为了让大家更好的理解阿尔茨海默病或是以提高效率为目标，以前用于特定的，基于角色目的，不同的数据集将以一个全新的方式和全新的概念整合。
联系我们请点击：
数邦客
