CCF大数据专家委员会：2016年大数据发展趋势预测解读与行动建议

2016-02-19 13:59:48 来源：36大数据抢沙发

2016-02-19 13:59:48 来源：36大数据

摘要：2015中国大数据技术大会(BDTC)于2015年12月10日在北京召开，会上中国计算机学会(CCF)大数据专家委员会(task force on big data，TFBD，以下简称大专委)发布了中国大数据技术与产业发展报告(2015)，并对2016年大数据发展趋势进行了展望。
关键词：大数据

　　2.4 趋势四：新热点融入大数据多样化处理模式

大数据的处理模式更加多样化，Hadoop不再成为构建大数据平台的必然选择。在应用模式上，大数据处理模式持续丰富，批量处理、流式计算、交互式计算等技术面向不同的需求场景，将持续丰富和发展;在实现技术上，内存计算将继续成为提高大数据处理性能的主要手段，相对传统的硬盘处理方式，在性能上有了显着提升。特别是开源项目Spark，目前已经被大规模应用于实际业务环境中，并发展成为大数据领域最大的开源社区。Spark拥有流计算、交互查询、机器学习、图计算等多种计算框架，支持Java、Scala、Python、R等语言接口，使得数据使用效率大大提高，吸引了众多开发者和应用厂商的关注。值得说明的是，Spark系统可以基于Hadoop平台构建，也可以不依赖Hadoop平台独立运行。

　　很多新的技术热点持续地融入大数据的多样化模式中，目前不会有一个一统天下的唯一模式。从2015年中国大数据技术大会众多技术论坛的安排也可以看到这样的多样化态势。技术各有千秋，形成一个更加多样、平衡的发展路径，也满足大数据的多样化需求。大专委的专家们认为，这样的态势还会持续下去。

　　建议将自己机构的大数据研究和开发，有意识地链接和融入大数据技术生态中，或者利用技术生态的成果，或者回馈技术生态。

　　2.5 趋势五：大数据提升社会治理和民生领域应用

基于大数据的社会治理成为业界关注热点，涉及智慧城市、应急、税收、反恐、农业等多个民生领域。

　　大数据从来都是应用驱动，技术发力。在最易获得大数据应用成果的互联网环境之后，大数据走进国计民生成为必然。而在2016年，与民生有关的应用将成为热点。国计与民生并不互斥，涉及民生的国计将是快速发展热点中的热点。比如，反恐、医疗健康等都与老百姓密切相关，同时也是国家大计。

　　由于更易获得关注并对接真实需求，建议优先投入社会治理和民生方面的大数据工作。

　　2.6 趋势六：《促进大数据发展行动纲要》驱动产业生态

国务院在2015年8月31日印发了《促进大数据发展行动纲要》。纲要明确指出了大数据的重要意义，大数据成为推动经济转型发展的新动力、重塑国家竞争优势的新机遇、提升政府治理能力的新途径。纲要还清晰地提出了大数据发展的主要任务：加快政府数据开放共享，推动资源整合，提升治理能力;推动产业创新发展，培育新兴业态，助力经济转型;强化安全保障，提高管理水平，促进健康发展。纲要还提出了组织、法规、市场、标准、财政、人才、国际交流等几方面的政策机制要求。

　　纲要将对大数据的发展起到重大的推动作用，成为一个产业快速发展的催化剂和政策标杆。而各个地方政府一定会出台类似配套的政策。在中央和地方的政策推动下，政府的大数据专项扶植政策和一些相关政策(如大众创业、万众创新的双创政策)集中出台。

　　政府牵引产业生态，带动数据共享交换。政府带动的数据共享将成为数据流转的源动力，让数据开放共享、交换交易成为产业生态的新态势，政策让数据流转动起来。国有和民间资本的集中注入，大数据相关的基础设施建设的采购和投入，使政策和市场双重发力，让资金流转动起来。政府牵引的产业生态发展成为大数据发展历程在2016年的突出特点。

　　建议应及时关注和跟踪大数据相关的政策。有实力的机构应投入一定的北向1资源，主动影响和引导各级政府的政策和落实细则。

　　2.7 趋势七：深度分析推动大数据智能应用

在学术技术方面，深度分析会继续成为一个代表，推动整个大数据智能的应用。这里谈到的智能，尤其强调是涉及人的相关能力延伸，比如决策预测、精准推荐等。这些涉及人的思维、影响、理解的延展，都将成为大数据深度分析的关键应用方向。

　　相比于传统机器学习算法，深度学习提出了一种让计算机自动学习产生特征的方法，并将特征学习融入建立模型的过程中，从而减少了人为设计特征引发的不完备。深度学习借助深层次神经网络模型，能够更加智能地提取数据不同层次的特征，对数据进行更加准确、有效的表达。而且训练样本数量越大，深度学习算法相对传统机器学习算法就越有优势。

　　目前，深度学习已经在容易积累训练样本数据的领域，如图像分类、语音识别、问答系统等应用中获得了重大突破，并取得了成功的商业应用。预测随着越来越多的行业和领域逐步完善数据的采集和存储，深度学习的应用会更加广泛。当然，在分析领域，也并不会是深度学习一统天下的局面。由于大数据应用的复杂性，多种方法的融合将是一个持续的常态。

　　建议保持对于智能技术发展的持续关注。在各自的分析领域(如在策划阶段、技术层面、实践环节等)尝试一下深度学习还是值得的。
第四十一届CIO班招生
 国际CIO认证培训
 首席数据官（CDO）认证培训

责编：pingxiaoli

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。