2019 年, 新的大数据概念及技术将陆续浮出市面, 老旧技术会逐步消失, 或者出现旧术新用的情况. 物联网的持续壮大为大数据提供了鲜活资源, 新技术不仅可以改变商业情报的收集方式, 同样也会改变商业运作的模式......
数据的可访问性衍生出新一代技术, 并将商务重头转向数据驱动的决策制定. 现下, 大数据分析已成为收集商业情报的组成部分. 许多企业, 尤其是线上企业, 都认为大数据是主流标配. 这些企业马不停蹄地研究新工具, 新模型, 以提高他们的大数据利用率.
2019 年, 一些工具和趋势将脱颖而出, 更受青睐. 新的大数据概念及技术将陆续浮出市面, 老旧技术会逐步消失, 或者出现旧术新用的情况. 物联网的持续壮大为大数据提供了新的资源, 新技术不仅改变了商业情报的收集方式, 同样也改变了商业运作模式.
将物联网 (IoT) 串联至机器学习
当前, 相关研究正努力让物联网和流分析, 机器学习结合起来. 2019 年, 我们可以对这一主题的重大研究翘首以盼, 一两家初创企业有望从事相关服务或软件营销.
通常, 机器学习使用 "存储" 数据在 "受控" 的学习环境中进行训练. 在新的模型中, 物联网中的流数据提供有用信息, 在一个不那么 "受控" 的环境中实时支持机器学习. 这个过程的主要目的是重点关注人机交流, 让机器面对各种情况可以作出更灵活更适当的反应.
从一种使用受控环境加有限训练数据的训练模型到一个更加开放的训练系统, 需要更复杂的算法. 机器学习继而训练系统以合理的精度预测结果, 随着初级模型的调整和演进, 边缘计算或云计算中的模型将根据需要进行协调以匹配这些变化. MapR(知名大数据企业)的首席应用程序设计师 Ted Dunning 说:
"我们将看到越来越多的企业以数据流的方式来处理计算, 而不是仅仅处理数据并将其存入数据库. 这些数据流捕获关键业务事件并反映业务结构, 要构建这些大型的, 基于流的系统, 统一的数据结构是基础."
来源: http://www.jianshu.com/p/cd9b3d07993e