1. 人工智能（AI）重新流行
在上世紀(jì)60年代，Ray Solomonoff奠定了人工智能的數(shù)學(xué)理論基礎(chǔ)，介紹了歸納推理和預(yù)測(cè)的通用貝葉斯方法。1980年，美國(guó)人工智能協(xié)會(huì)第一次全國(guó)會(huì)議（AAAI）于斯坦福舉行，標(biāo)志了理論在軟件開(kāi)發(fā)中的應(yīng)用。AI現(xiàn)在又回到主流的討論中，引發(fā)了機(jī)器智能、機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、認(rèn)知計(jì)算等一系列流行語(yǔ)。為什么AI有年輕化的趨勢(shì)？這里面有個(gè)三V想法：速度，變化和體量。可以利用現(xiàn)代和傳統(tǒng)的處理模型來(lái)支持三V的平臺(tái)可以橫向擴(kuò)展，提供高達(dá)傳統(tǒng)平臺(tái)10-20倍的成本效率。谷歌已經(jīng)記錄了，簡(jiǎn)單的算法對(duì)大型數(shù)據(jù)集頻繁執(zhí)行，比其他方法使用較小的數(shù)據(jù)集產(chǎn)生的結(jié)果更好。我們將看到，將人工智能到用于高容量重復(fù)任務(wù)時(shí)具有最高價(jià)值，在這樣的任務(wù)中，一致性比以主觀誤差和人力成本為代價(jià)來(lái)獲得人類(lèi)直觀的監(jiān)督來(lái)說(shuō)，更加有效。
2. 大數(shù)據(jù)帶來(lái)管理優(yōu)勢(shì)或競(jìng)爭(zhēng)優(yōu)勢(shì)
在2017年，管理與數(shù)據(jù)價(jià)值的拔河將是核心焦點(diǎn)。企業(yè)具有關(guān)于他們的客戶和合作伙伴的大量信息。領(lǐng)先的組織將在正規(guī)化和非正規(guī)化的案例之間管理他們的數(shù)據(jù)。正規(guī)化的用例數(shù)據(jù)需要管理數(shù)據(jù)質(zhì)量和血統(tǒng)，從而一個(gè)監(jiān)管機(jī)構(gòu)可以報(bào)告和跟蹤源數(shù)據(jù)的轉(zhuǎn)換。這是強(qiáng)制的和有必要的，但對(duì)于非正規(guī)化的用例較為受限，這樣的用例包括客戶360，或者，在更高的基數(shù)、實(shí)時(shí)和混合的結(jié)構(gòu)化和非結(jié)構(gòu)化能產(chǎn)生更有效結(jié)果的場(chǎng)景下，提供服務(wù)。
3. 公司專(zhuān)注于業(yè)務(wù)驅(qū)動(dòng)的應(yīng)用程序，以避免數(shù)據(jù)湖泊成為沼澤
在2017年，組織將從“建立它，它們就會(huì)來(lái)”的數(shù)據(jù)湖的方法，遷移到業(yè)務(wù)驅(qū)動(dòng)的數(shù)據(jù)方法。今天的世界需要分析和操作能力，以實(shí)時(shí)在個(gè)例層面解決客戶問(wèn)題，處理索賠和設(shè)備接口。例如，任何
電子商務(wù)網(wǎng)站必須提供個(gè)性化的建議和實(shí)時(shí)價(jià)格查詢。通過(guò)將分析與運(yùn)營(yíng)系統(tǒng)相結(jié)合，醫(yī)療機(jī)構(gòu)必須處理有效的索賠和防止欺詐索賠。媒體公司目前通過(guò)設(shè)置機(jī)頂盒提供個(gè)性化內(nèi)容。汽車(chē)制造商和拼車(chē)公司針對(duì)汽車(chē)和司機(jī)進(jìn)行規(guī)模化的互操作。交付這些用例需要一個(gè)敏捷的平臺(tái)，平臺(tái)可以提供分析和業(yè)務(wù)處理的能力，以從額外的用例（從后端分析到前臺(tái)業(yè)務(wù)）中增加價(jià)值。在2017年，組織將積極推進(jìn)超越“問(wèn)問(wèn)題”的方法和架構(gòu)，以推動(dòng)初始和長(zhǎng)期的商業(yè)價(jià)值。
4. 數(shù)據(jù)敏捷性區(qū)分贏家和輸家
當(dāng)DevOps提供持續(xù)交付時(shí)，軟件開(kāi)發(fā)已經(jīng)變得敏捷。在2017年，處理和分析模型將會(huì)繼續(xù)發(fā)展，提供與組織實(shí)現(xiàn)數(shù)據(jù)敏捷類(lèi)似級(jí)別的敏捷。在上下文中理解數(shù)據(jù)并采取相應(yīng)業(yè)務(wù)行動(dòng)的能力，是競(jìng)爭(zhēng)優(yōu)勢(shì)的來(lái)源，而不是簡(jiǎn)單地?fù)碛幸粋€(gè)大數(shù)據(jù)湖。敏捷處理模型的出現(xiàn)將使相同的數(shù)據(jù)實(shí)例支持批處理分析、交互分析、全局消息、數(shù)據(jù)庫(kù)和基于文件的模型。當(dāng)一個(gè)單一的數(shù)據(jù)實(shí)例可以支持更廣泛的工具集時(shí)，更靈活的分析模型也將被啟用。最終的結(jié)果是一個(gè)靈活的開(kāi)發(fā)和應(yīng)用平臺(tái)，支持最廣泛的處理和分析模型。
5. 區(qū)塊鏈轉(zhuǎn)變精選的金融服務(wù)應(yīng)用
在2017年，將在金融服務(wù)中有精選的、轉(zhuǎn)型的用例，這些用例的出現(xiàn)將對(duì)數(shù)據(jù)存儲(chǔ)和交易處理的方式具有廣泛的影響。區(qū)塊鏈提供了一個(gè)全球性的分布式總賬，這將改變數(shù)據(jù)的存儲(chǔ)和交易處理的方式。區(qū)塊鏈運(yùn)行在分布在世界各地的計(jì)算機(jī)上，鏈可以被全世界任何人看到。交易被存儲(chǔ)在塊中，每個(gè)塊均指向前一個(gè)塊，每個(gè)塊都打上了時(shí)間戳，并以一種不可改變方式存儲(chǔ)數(shù)據(jù)。黑客無(wú)法破解的區(qū)塊鏈，因?yàn)檎麄€(gè)世界都能看到整個(gè)的區(qū)塊鏈。區(qū)塊鏈為消費(fèi)者提供明顯的效率。例如，客戶不需要等待SWIFT交易，或擔(dān)心中央數(shù)據(jù)中心泄漏的影響。對(duì)于企業(yè)來(lái)說(shuō)，區(qū)塊鏈能幫助節(jié)約成本，并提供了創(chuàng)造競(jìng)爭(zhēng)優(yōu)勢(shì)的機(jī)會(huì)。
6. 機(jī)器學(xué)習(xí)最大化微服務(wù)（Microservice）的影響
今年我們將看到機(jī)器學(xué)習(xí)和微服務(wù)整合的更多案例。此前，微服務(wù)的部署都集中在輕量級(jí)的服務(wù)上，那些整合了機(jī)器學(xué)習(xí)的微服務(wù)通常被局限在應(yīng)用于數(shù)據(jù)流瓶頸的“快速”數(shù)據(jù)集成。在2017年，我們會(huì)看到開(kāi)發(fā)將轉(zhuǎn)變?yōu)橛袪顟B(tài)應(yīng)用程序，這些程序?qū)⑹褂么髷?shù)據(jù)，以及使用基于大量的歷史數(shù)據(jù)更好地理解新到達(dá)的數(shù)據(jù)流的機(jī)器學(xué)習(xí)方法。
“我們的預(yù)測(cè)深受領(lǐng)先的客戶的影響，這些客戶通過(guò)將分析整合進(jìn)運(yùn)營(yíng)的用例而獲得顯著的商業(yè)價(jià)值，”Schroeder說(shuō) 。“我們的客戶對(duì)MapR融合數(shù)據(jù)平臺(tái)的使用，為DevOps提供了敏捷性，在DevOps中他們可以廣泛使用從Hadoop到Spark、SQL、NoSQL、文件和信息流等加工模型——任何當(dāng)前和未來(lái)的，在私有云、公有云和混合云部署中的需求。"
