摘要： 筆記本電腦、智能手機、傳感器，都為物聯網帶來了大量數據。這是獲得競爭優勢（或者保持競爭力）的重大機遇，前提是企業足夠靈活，可以管理好數據並把數據變成有用的商業智能。 人腦能高效地處理視覺圖像。在這個過程中，大腦使用了潛意識，讓決策者可以通過迅速掃描圖像來處理信息。可視化圖表利用了大腦的圖像識別能力，出色的可視化模型將成為處理龐大數據集的更好選擇，也是2018年重要的大數據趨勢之一。
導讀：
筆記本電腦、智能手機、傳感器，都為物聯網帶來了大量數據。這是獲得競爭優勢（或者保持競爭力）的重大機遇，前提是企業足夠靈活，可以管理好數據並把數據變成有用的商業智能。
人腦能高效地處理視覺圖像。在這個過程中，大腦使用了潛意識，讓決策者可以通過迅速掃描圖像來處理信息。可視化圖表利用了大腦的圖像識別能力，出色的可視化模型將成為處理龐大數據集的更好選擇，也是2018年重要的大數據趨勢之一。
亞馬遜也使用了人工智能。亞馬遜的推薦引擎利用人工智能來預測用戶的興趣，準確率約為5%至10%。為了提高預測準確率，亞馬遜與微軟合作，共同推出了一個新平台，把機器學習用於人工智能訓練。這個新平台名為Gluon，可供各種技能水平的人工智能開發人員使用。據稱，Gluon平台可以讓人工智能開發人員更容易設計和開發人工神經網絡。
原文翻譯：
物聯網（IoT）的擴張已經把數不勝數的大數據新來源添加進了數據管理的版圖，它將成為2018年及若干年之後主要的大數據趨勢之一。筆記本電腦、智能手機、傳感器，都為物聯網帶來了大量數據。
這是獲得競爭優勢（或者保持競爭力）的重大機遇，前提是企業足夠靈活，可以管理好數據並把數據變成有用的商業智能。隨著大數據的增長，企業試圖跟上它的腳步，努力把數據變成可用的洞見。商業智能是保持競爭力的關鍵，而數據分析提供了所需的最新信息。在2017年，一些企業大力發展他們的大數據可視化服務和軟件。這使研究人員可以更有效地收集和協調關於大眾的信息，改善客戶體驗，也使領導者可以簡化決策過程。
在2018年，提供雲服務的企業數量將繼續增長，導致競爭性定價，使小企業也能使用大數據資源。
2018年的商業智能
企業決策正在經歷的轉變將延續到2018年。在2017年，處理大數據的目標使效率越來越高，成本不斷減少，從而造就了基於大數據的商業智能，對中小企業甚至初創公司來說更為重要。這一趨勢將延續到2018年及以後，處理大數據的成本將繼續降低，但以下情況除外：
- 使用雲端商業智能的費用將提高。
- 數據分析將提供更好的數據可視化模型和自助式軟件。
- 新市場和新地區擴張的決策將基於大數據。
- 2018年的雲趨勢
創造利基
2018年，更多的人將熟悉雲應用，專業化和利基工作將得到發展，就像在所有其他行業裡一樣，從而帶來額外的研究選擇和更多的業內競爭。擁有零售、區域性增長等專長的數據科學家將逐漸成為常態。
混合雲
雖然雲提供了便利的大數據存儲和處理解決方案，但願意把“所有”數據都放到雲端的企業少之又少。2018年，混合雲的使用應該會大幅增長，因為混合雲兼具二者的優點，本地數據管理可以與雲的便利性結合起來。
其他部門也將使用雲
通常來說，IT部門是其他部門使用雲的“中間人”。然而，雲技術的使用已經變得非常簡單。現在，銷售和營銷、人力資源等其他部門也能直接使用雲。隨著更多的人可以訪問敏感信息，安全將成為一個重要問題。
2018年的數據分析
數據分析將包含可視化模型
2017年，對2800名商業智能專家的一項調查預測，數據可視化和數據發現將成為一股重要趨勢。數據發現的範疇已經擴大，不僅包括對數據分析和關係的理解，還包括呈現數據的方式，以挖掘更深層次的商業洞見。其結果就是，作為一種把數據變成可用洞見的方法，可視化模型越來越受歡迎。日益改善和演變的可視化模型已經成為從大數據中獲取洞見的必要組成部分。
人腦能高效地處理視覺圖像。在這個過程中，大腦使用了潛意識，讓決策者可以通過迅速掃描圖像來處理信息。可視化圖表利用了大腦的圖像識別能力，出色的可視化模型將成為處理龐大數據集的更好選擇，也是2018年重要的大數據趨勢之一。
預測分析
很多企業利用“歷史上的”大數據分析來預測未來的行為。然而，在進行此類預測時，對當前最新數據的分析更有價值。俗話說，“過去的成績不能保證以後的成功”，這也適用於商業智能領域。預測分析為用戶提供了一個優勢，能夠實時“了解客戶”，具有不可思議的創收潛力。（規範性分析還處於初期階段，今後幾年內可能還不會成為一股強勁的趨勢。）
2018年的物聯網
物聯網將繼續擴張。如何利用來自物聯網設備的信息，則完全是另一個問題。
改善零售
2018年，消費者和企業主將受益於越來越多的傳感器和來自各種消費類設備的數據。物聯網能收集信息，使企業可以更有效地把產品推銷給潛在客戶。懂技術的公司已經開始投資基於傳感器的數據分析，這將使他們可以追踪其商店內人流量最大的區域。
重塑醫療
現在，大數據被用來製定醫療方案，但或許也將重塑人們就醫和支付醫療費用的方式。新的可穿戴技術能追踪用戶的健康狀況，使醫院和診所得以改善醫療質量。聯網設備可以提醒患者服藥、鍛煉和注意血壓的劇烈變化。
改變網絡安全挑戰
新的網絡安全挑戰將在2018年成為一個棘手的問題。可以預見，心懷叵測的黑客將想方設法入侵物聯網。2016年10月，黑客利用物聯網發動攻擊，使網絡大面積癱瘓。
隨著物聯網繼續擴張，全球網絡基礎設施的薄弱環節也將繼續增多。人工智能和機器學習提供了解決之道，它們將變得越來越普及。由於設備彼此之間的聯繫更加緊密，安全專家必須學會利用人工智能和機器學習程序。
2018年的機器學習
機器學習是計算機的訓練過程，現在被企業用於各種各樣的商業行為，比如實時廣告、模式識別、欺詐識別和醫療。但在2018年，機器學習將變得更聰明、更快速、更有效。
Advertisement公司的商務拓展總監羅納德·範龍（Ronald Van Loon）說：
“機器學習技術正在迅速發展，你的數字業務需要轉向自動化。機器學習算法從大量的結構化數據和文本、圖像、視頻、語音、肢體語言、面部表情等非結構化數據中學習，可用於從醫療系統、電子遊戲到自動駕駛汽車的所有領域，擁有無限廣闊的應用前景，為機器打開了一個新的維度。”
教育
近期已經出現了利用機器學習來改善教學的事例。例如，加利福尼亞州立大學要求教職員工尋找和使用免費或低成本的教學材料。為了簡化這一過程（用免費或低成本的教學材料取代以前的課程材料非常耗時），Intellus Learning提供了一個解決方案：把4500多萬個在線資源編入索引，並教會（利用機器學習技術）程序/算法作出推薦。老師可以把免費或低成本的材料上傳至課程材料管理系統，供學生使用。
醫療
識別不同疾病，並做出正確診斷，這是機器學習研究的一個目標。醫療行業一直在開發能識別和診斷疾病的計算機和算法。在德克薩斯大學奧斯汀分校，研究人員發明了把多個腫瘤生長模型結合起來的全自動方法。機器學習算法能自動識別大腦腫瘤。機器學習已經被用於各種醫療行為，包括：
- 行為矯治
- 流行病爆發預測
- 藥物研發
- 放射檢查
- 電子病歷
- 診斷和疾病識別
2018年的人工智能
人工智能研究目前致力於開發使人機交互更加自然的算法以及訓練這些算法的方法。目標是用自然的人類語言來回答複雜的提問。人工智能和機器學習使通常需要人類決斷的工作有了自動化的可能，這些工作包括如下技能：
- 閱讀手寫材料
- 識別面部表情
- 學習
- 認知能力，比如規劃和利用部分信息進行推理
Gartner Research公司副總裁大衛·瑟爾利（David Cearly）說：
“人工智能技術正在迅速發展，企業將需要對技能、流程和工具進行大力投資，以便成功地利用這些技術，構建人工智能強化系統。投資領域包括數據準備、數據整合、算法和訓練方法選擇，以及模型建立。包括數據科學家、開發人員和業務流程所有者在內的多方必須展開合作。”
Gluon平台
亞馬遜也使用了人工智能。亞馬遜的推薦引擎利用人工智能來預測用戶的興趣，準確率約為5%至10%。為了提高預測準確率，亞馬遜與微軟合作，共同推出了一個新平台，把機器學習用於人工智能訓練。這個新平台名為Gluon，可供各種技能水平的人工智能開發人員使用。據稱，Gluon平台可以讓人工智能開發人員更容易設計和開發人工神經網絡。
Gluon平台將落戶亞馬遜AWS服務。Gluon界面是“開源且易於使用的”。
人工智能和網絡安全
《哈佛商業評論》寫道：
“諷刺的是，面對利用人工智能進行的黑客攻擊，我們的最佳防禦策略也是利用人工智能。人工智能可用來防禦和攻擊網絡設施，還可以擴大黑客的攻擊面，也就是讓黑客擁有更多的攻擊手段。企業領導得到的建議，是要了解人工智能安全研究的最新進展。”
隨著企業認識到開發網絡安全程序的重要性，人工智能將變得更加流行。精心構建的人工智能防禦系統能從多年來發生的黑客攻擊事件中，學會各種攻擊和防禦策略。它能設定正常用戶行為的基準，然後搜索異常行為，速度比人類要快得多。這比維持一支專門處理日常網絡攻擊的安全團隊要省錢得多。人工智能也可以用來製定防禦策略。在2018年，人工智能與網絡安全的關係將變得更加緊密。
轉貼自： 36大數據
留下你的回應
以訪客張貼回應