⑴ 大數據的預測功能是增值服務的核心
大數據的預測功能是增值服務的核心
從走在大數據發展前沿的互聯網新興行業，到與人類生活息息相關的醫療保健、電力、通信等傳統行業，大數據浪潮無時無刻不在改變著人們的生產和生活方式。大數據時代的到來，給國內外各行各業帶來諸多的變革動力和巨大價值。
最新發布的報告稱，全球大數據市場規模將在未來五年內迎來高達26%的年復合增長率——從今年的148.7億美元增長到2018年的463.4億美元。全球各大公司、企業和研究機構對大數據商業模式進行了廣泛地探索和嘗試，雖然仍舊有許多模式尚不明朗，但是也逐漸形成了一些成熟的商業模式。
兩種存儲模式為主
互聯網上的每一個網頁、每一張圖片、每一封郵件，通信行業每一條短消息、每一通電話，電力行業每一戶用電數據等等，這些足跡都以「數據」的形式被記錄下來，並以幾何量級的速度增長。這就是大數據時代帶給我們最直觀的沖擊。
正因為數據量之大，數據多為非結構化，現有的諸多存儲介質和系統極大地限制著大數據的挖掘和發展。為更好地解決大數據存儲問題，國內外各大企業和研究機構做了許許多多的嘗試和努力，並不斷摸索其商業化前景，目前形成了如下兩種比較成熟的商業模式：
可擴展的存儲解決方案。該存儲解決方案可幫助政府、企業對存儲的內容進行分類和確定優先順序，高效安全地存儲到適當存儲介質中。而以存儲區域網路（SAN）、統一存儲、文件整合/網路連接存儲（NAS）的傳統存儲解決方案，無法提供和擴展處理大數據所需要的靈活性。而以Intel、Oracle、華為、中興等為代表的新一代存儲解決方案提供商提供的適用於大、中小企業級的全系存儲解決方案，通過標准化IT基礎架構、自動化流程和高擴展性，來滿足大數據多種應用需求。
雲存儲。雲存儲是一個以數據存儲和管理為核心的雲計算系統，其結構模型一般由存儲層、基礎管理、應用介面和訪問層四層組成。通過易於使用的API，方便用戶將各種數據放到雲存儲裡面，然後像使用水電一樣按用量進行收費。用戶不用關心數據的存儲介質、網路狀況以及安全性的管理，只需按需向提供方購買空間。
源數據價值水漲船高
在紅紅火火的大數據時代，隨著數據的累積，數據本身的價值也在不斷升值，這種情況很好地反應了事物由量變到質變的規律。例如有一種罕見的疾病，得病率為十萬分之一，如果從小樣本數據來看非常罕見，但是擴大到全世界70億人，那麼數量就非常龐大。以前技術落後，不能將該病情數字化集中研究，所以很難攻克。但是，我們現在把各種各樣的數據案例搜集起來統一分析，我們很快就能攻克很多以前想像不到的科學難題。類似的例子，不勝枚舉。
正是由於可以通過大數據挖掘到很多看不見的價值，源數據本身的價值也水漲船高。一些掌握海量有效數據的公司和企業找到了一條行之有效的商業路徑：對源數據直接或者經過簡單封裝銷售。在互聯網領域，以Facebook、twitter、微博為代表的社交網站擁有大量的用戶和用戶關系數據，這些網站正嘗試以各種方式對該源數據進行商業化銷售，Google、Yahoo!、網路[微博]等搜索公司擁有大量的搜索軌跡數據以及網頁數據，他們可以通過簡單API提供給第三方並從中盈利；在傳統行業中，中國聯通[微博]（3.44, 0.03, 0.88%）、中國電信[微博]等運營商擁有大量的底層用戶資料，可以通過簡單地去隱私化，然後進行銷售盈利。
各大公司或者企業通過提供海量數據服務來支撐公司發展，同時以免費的服務補償用戶，這種成熟的商業模式經受住了時間的考驗。但是對於任何用戶數據的買賣，還需處理好用戶隱私信息，通過去隱私化方式，來保護好用戶隱私。
預測是增值服務的核心
在大數據基礎上進行深度挖掘，所衍生出來的增值服務，是大數據領域最具想像空間的商業模式。大數據增值服務的核心是什麼？預測！大數據引發了商業分析模式轉變，從過去的樣本模式到現在的全數據模式，從過去的小概率到現在的大概率，從而能夠得到比以前更准確的預測。目前形成了如下幾種比較成熟的商業模式。
個性化的精準營銷。一提起「垃圾簡訊」，大家都很厭煩，這是因為本來在營銷方看來是有價值的、「對」的信息，發到了「錯」的用戶手裡。通過對用戶的大量的行為數據進行詳細分析，深度挖掘之後，能夠實現給「對」的用戶發送「對」的信息。比如大型商場可以對會員的購買記錄進行深度分析，發掘用戶和品牌之間的關聯。然後，當某個品牌的忠實用戶收到該品牌打折促銷的簡訊之後，一定不是厭煩，而是欣喜。如優捷信達、中科嘉速等擁有強大數據處理技術的公司在數據挖掘、精準廣告分析等方面擁有豐富的經驗。
企業經營的決策指導。針對大量的用戶數據，運用成熟的數據挖掘技術，分析得到企業運營的各種趨勢，從而給企業的決策提供強有力的指導。例如，汽車銷售公司，可以通過對網路上用戶的大量評論進行分析，得到用戶最關心和最不滿意的功能，然後對自己的下一代產品進行有針對性的改進，以提升消費者的滿意度。
總體來說，從宏觀層面來看，大數據是我們未來社會的新能源；從企業微觀層面來看，大數據分析和運用能力正成為企業的核心競爭力。深入研究和積極探索大數據的商業模式，對企業的未來發展有至關重要的意義。
⑵ 大數據的市場規模有多大
全球狹義（專門用於大數據的軟體、硬體及服務）大數據口徑產值280億美元。專
根據中國信息通信屬研究院發布的《中國大數據市場調查報告》預測，2016年中國主要用於大數據的軟硬體和服務市場規模將達到115.9億元。
未來三年，中國大數據市場規模還將維持40%左右的高速增長。
⑶ 信息與網路安全需要大數據安全分析
信息與網路安全需要大數據安全分析
毫無疑問，我們已經進入了大數據（Big Data）時代。人類的生產生活每天都在產生大量的數據，並且產生的速度越來越快。根據IDC和EMC的聯合調查，到2020年全球數據總量將達到40ZB。2013年，Gartner將大數據列為未來信息架構發展的10大趨勢之首。Gartner預測將在2011年到2016年間累計創造2320億美元的產值。
大數據早就存在，只是一直沒有足夠的基礎實施和技術來對這些數據進行有價值的挖據。隨著存儲成本的不斷下降、以及分析技術的不斷進步，尤其是雲計算的出現，不少公司已經發現了大數據的巨大價值：它們能揭示其他手段所看不到的新變化趨勢，包括需求、供給和顧客習慣等等。比如，銀行可以以此對自己的客戶有更深入的了解，提供更有個性的定製化服務；銀行和保險公司可以發現詐騙和騙保；零售企業更精確探知顧客需求變化，為不同的細分客戶群體提供更有針對性的選擇；制葯企業可以以此為依據開發新葯，詳細追蹤葯物療效，並監測潛在的副作用；安全公司則可以識別更具隱蔽性的攻擊、入侵和違規。
當前網路與信息安全領域，正在面臨著多種挑戰。一方面，企業和組織安全體系架構的日趨復雜，各種類型的安全數據越來越多，傳統的分析能力明顯力不從心；另一方面，新型威脅的興起，內控與合規的深入，傳統的分析方法存在諸多缺陷，越來越需要分析更多的安全信息、並且要更加快速的做出判定和響應。信息安全也面臨大數據帶來的挑戰。安全數據的大數據化
安全數據的大數據化主要體現在以下三個方面：
1） 數據量越來越大：網路已經從千兆邁向了萬兆，網路安全設備要分析的數據包數據量急劇上升。同時，隨著NGFW的出現，安全網關要進行應用層協議的分析，分析的數據量更是大增。與此同時，隨著安全防禦的縱深化，安全監測的內容不斷細化，除了傳統的攻擊監測，還出現了合規監測、應用監測、用戶行為監測、性能檢測、事務監測，等等，這些都意味著要監測和分析比以往更多的數據。此外，隨著APT等新型威脅的興起，全包捕獲技術逐步應用，海量數據處理問題也日益凸顯。
2） 速度越來越快：對於網路設備而言，包處理和轉發的速度需要更快；對於安管平台、事件分析平台而言，數據源的事件發送速率（EPS，Event per Second，事件數每秒）越來越快。
3） 種類越來越多：除了數據包、日誌、資產數據，安全要素信息還加入了漏洞信息、配置信息、身份與訪問信息、用戶行為信息、應用信息、業務信息、外部情報信息等。
安全數據的大數據化，自然引發人們思考如何將大數據技術應用於安全領域。
傳統的安全分析面臨挑戰
安全數據的數量、速度、種類的迅速膨脹，不僅帶來了海量異構數據的融合、存儲和管理的問題，甚至動搖了傳統的安全分析方法。
當前絕大多數安全分析工具和方法都是針對小數據量設計的，在面對大數據量時難以為繼。新的攻擊手段層出不窮，需要檢測的數據越來越多，現有的分析技術不堪重負。面對天量的安全要素信息，我們如何才能更加迅捷地感知網路安全態勢？
傳統的分析方法大都採用基於規則和特徵的分析引擎，必須要有規則庫和特徵庫才能工作，而規則和特徵只能對已知的攻擊和威脅進行描述，無法識別未知的攻擊，或者是尚未被描述成規則的攻擊和威脅。面對未知攻擊和復雜攻擊如APT等，需要更有效的分析方法和技術！如何做到知所未知？
面對天量安全數據，傳統的集中化安全分析平台（譬如SIEM，安全管理平台等）也遭遇到了諸多瓶頸，主要表現在以下幾方面：
——高速海量安全數據的採集和存儲變得困難
——異構數據的存儲和管理變得困難
——威脅數據源較小，導致系統判斷能力有限
——對歷史數據的檢測能力很弱
——安全事件的調查效率太低
——安全系統相互獨立，無有效手段協同工作
——分析的方法較少
——對於趨勢性的東西預測較難，對早期預警的能力比較差
——系統交互能力有限，數據展示效果有待提高
從上世紀80年代入侵檢測技術的誕生和確立以來，安全分析已經發展了很長的時間。當前，信息與網路安全分析存在兩個基本的發展趨勢：情境感知的安全分析與智能化的安全分析。
Gartner在2010年的一份報告中指出，「未來的信息安全將是情境感知的和自適應的」。所謂情境感知，就是利用更多的相關性要素信息的綜合研判來提升安全決策的能力，包括資產感知、位置感知、拓撲感知、應用感知、身份感知、內容感知，等等。情境感知極大地擴展了安全分析的縱深，納入了更多的安全要素信息，拉升了分析的空間和時間范圍，也必然對傳統的安全分析方法提出了挑戰。
同樣是在2010年，Gartner的另一份報告指出，要「為企業安全智能的興起做好准備」。在這份報告中，Gartner提出了安全智能的概念，強調必須將過去分散的安全信息進行集成與關聯，獨立的分析方法和工具進行整合形成交互，從而實現智能化的安全分析與決策。而信息的集成、技術的整合必然導致安全要素信息的迅猛增長，智能的分析必然要求將機器學習、數據挖據等技術應用於安全分析，並且要更快更好地的進行安全決策。
信息與網路安全需要大數據安全分析
安全數據的大數據化，以及傳統安全分析所面臨的挑戰和發展趨勢，都指向了同一個技術——大數據分析。正如Gartner在2011年明確指出，「信息安全正在變成一個大數據分析問題」。
於是，業界出現了將大數據分析技術應用於信息安全的技術——大數據安全分析（Big Data Security Analysis，簡稱BDSA），也有人稱做針對安全的大數據分析（Big Data Analysis for Security）。
藉助大數據安全分析技術，能夠更好地解決天量安全要素信息的採集、存儲的問題，藉助基於大數據分析技術的機器學習和數據挖據演算法，能夠更加智能地洞悉信息與網路安全的態勢，更加主動、彈性地去應對新型復雜的威脅和未知多變的風險。
⑷ 淺析未來大數據的發展趨勢
淺析未來大數據的發展趨勢
隨著我國進入大數據時代，很多人對於大數據的發展趨勢還處於懵懂的狀態，充分提升大數據的應用對於我國各個行業，都會有非常重要和有效的指導性作用。那麼，大數據的發展趨勢到底是怎樣的呢?下面，就讓我們一起來了解一下吧。
第一、突破科學理論
大數據的發展十分快速，對於目前已經飛速發展並且極具影響力的互聯網一樣，對於社會的各個行業來說都是一個新的技術革命，其相關技術的普及，對於科學技術上的突破都是非常顯而易見的。
第二、成立數據聯盟和數據科學
在不久的未來，大數據將會成為一個專門的學科，會被更多的人所熟知和了解，並且，大數據相關職業也會逐漸普及，由於大數據的普遍使用，也會催生出更多的行業崗位，數據共享會在企業層面進行擴展，從而成為產業的核心。
第三、數據形成資源化
所謂資源化，就是社會和企業對於已經成為戰略資源的大數據內容，給予了更多的關注的認識，從而使大數據成為了大家所關注和搶奪的焦點，所以，企業將會對大數據資源進行戰略計劃的制定，從而獲得市場的主導。
第四、深度結合雲計算
雲計算的存在為大數據的處理提供了強有效的支撐作用，大數據的運作與運處理是不可分割的，從2013年開始，雲計算技術和大數據處理技術就已經有效的結合，其關系也非常密切，而隨著大數據時代的不斷發展，兩者的關系也會更加的密切和契合。
第五、數據管理成為企業的核心競爭力
企業對大數據處理有了更為明確的定義並且持續發展，從而能夠影響企業的發展和決策。並且，大數據進行的數據處理活動，對於企業的經營業務和管理效率也都會產生直接的影響。
大數據作為現今時代不可忽視的一種數據分析處理技術，是企業能夠對自身充分認識和指導發展的有效手段，其發展趨勢也是不可小覷的。
以上是小編為大家分享的關於淺析未來大數據的發展趨勢的相關內容，更多信息可以關注環球青藤分享更多干貨
⑸ 大數據行業怎麼樣
大數據挺好的，也是個大趨勢，但目前來說學了後基本都是在一線崗位多，二線城市基本上很少，所以看個人需求去學
⑹ 大數據市場有多大 怎麼利用大數據賺錢
大數據市場有多大 怎麼利用大數據賺錢
「大數據的市場規模沒有天花板。」國務院發展研究中心信息中心研究處處長李廣乾認為。不過細想，這正是目前各大企業和資本瘋狂追逐大數據產業的重要原因。
「單獨討論大數據意義不大，它是依附於具體業務，和各個行業密切相關的。」李廣乾認為，大數據產業規模和兩大因素相關：一是經濟發展水平，需要大數據的業務越多，市場體量就越大;二是信息化發展水平，能夠產生數據的終端越多，數據就會越聚越多，而數據的生產是沒有上限的。目前，大數據的金礦還僅是開挖了「冰山一角」。全球來看，Gartner2016年最新的技術成熟度曲線顯示，大數據作為新興領域，已經進入應用發展階段，基礎設施建設帶來的規模性高速增長出現逐步放緩的趨勢，技術創新和商業模式創新推動各行業應用逐步成熟，應用創造的價值在市場規模中的比重日益增大，並成為新的增長動力。從總體規模看，2016年，全球大數據市場規模實現16.5%的增長，預計將連續3年保持增速在15%左右。同時，大數據成為全球IT支出新的增長點，2016年，有近40%的企業正在實施和擴大大數據技術的應用，另有30%計劃在未來12個月內應用大數據。「說大數據產業是一張畫得很大的餅顯然是片面的。」工信部賽迪研究院軟體所所長潘文預測，包括大數據硬體、大數據軟體、大數據服務等在內的大數據核心產業環節，2016年達到3100億元，將在2020年超過1萬億元;大數據關聯產業規模2016年超過5萬億元，將在2020年超過10萬億元;大數據融合產業規模2016年達到3.5萬億元，將在2020年超過20萬億元。「從大數據核心產業結構看，基於大數據的服務是大數據核心產業的主體，其規模約佔大數據核心產業規模的90%，未來，服務也將是大數據產業的最核心部分。」潘文說。做數據「搬運工」目前國內大數據公司分為兩類：一類是已有獲取大數據能力的公司，如網路、騰訊、阿里巴巴等互聯網巨頭及華為、浪潮、中興等企業，涵蓋了數據採集、數據存儲、數據分析、數據可視化及數據安全等領域;另一類則是初創大數據公司，依靠大數據工具，針對市場需求，為市場帶來創新方案並推動技術發展。不同的大數據公司，盈利模式也不相同。如果把大數據產業比作房地產開發，那麼海量數據就是地產開發時的土地資源，數據挖掘開發就是地產搭建蓋樓。大數據主要的盈利模式也是圍繞這兩方面展開，一是通過直接「搬運」數據賺錢，二是通過數據加工分析盈利。「我們就像一個自來水廠一樣，用戶要你提供干凈的自來水，對方可能是酒廠、飯店、飲料廠，他把你的水做成飲料或酒。」聚合數據就是一家主要依靠為客戶提供數據盈利的公司，公司創始人左磊對其商業模式作了一個形象的比喻。在開發APP應用過程中，左磊發現客戶對於數據的需求非常大，但他們本身卻沒有能力去做這些事情。聚合數據的主營業務，就是整合市面上有價值的數據源，從車輛違章信息、航班火車查詢、全國加油站實時油價，到在線試題、電影、股票，做成標准化的API(應用程序編程介面)，開放給開發者、企業及微信公眾號用戶等使用，為他們免除數據收集、維護等環節。簡言之，聚合數據是一家數據源公司，充當的是數據「搬運工」的角色。在變現模式上，針對一些本身成本不高的服務，聚合數據會對用戶實行免費，而對一些成本相對高的服務，會按照每個介面或服務的成本收取不同的費用。2016年，聚合數據光API介面一項營收就超過1000萬元。聚合數據的盈利模式是數據買賣市場一個有代表性的類型。另一個代表性類型是，國內乃至全球第一家大數據交易所——貴陽大數據交易所，自2015年4月正式掛牌運營以來，僅用兩年多時間，就實現了可交易數據總量超過150PB，內容涵蓋政府、金融、交通等30大類領域，並於今年上半年實現正現金流，預計今年底累計交易流水將突破2億元人民幣。數據的「消化」和「利用」如果說搬運數據是秀肌肉的「體力活」，那麼分析數據並提供解決方案就是拼智商的「腦力活」，相當於把收集來的數據「消化」「利用」好。直接售賣數據是比較底層的盈利方式，而對數據進行處理加工則在商業模式上具備更多的想像空間。數據分析可大致分為直接提供數據分析工具和輸出解決方案兩種模式。潘文說，數據分析工具通常可以實現情報挖掘、輿情分析、銷售追蹤、精準營銷、個性化推薦、網站/APP分析等功能，收費方式採取按需購買，部分功能服務免費，部分功能服務收費。阿里雲的「數加」平台就是典型的數據工具盈利模式。阿里雲大數據事業部總監徐常亮表示，阿里雲「數加」平台，承載著阿里巴巴集團、螞蟻金服的數據，可提供一站式的數據計算、加工、處理等服務，用戶不用自建計算平台。此外，基於「數加」平台，阿里雲還提供數十款應用工具，覆蓋數據採集、計算引擎、數據加工、數據分析、機器學習、數據應用等數據生產全鏈條。計算引擎之上，「數加」平台提供了最豐富的雲端數據開發套件，包括數據集成、數據開發、調度系統、數據管理、運維視屏、數據質量、任務監控。在數據分析方面，通過移動數據分析產品，開發者可快速搭建日誌採集、分析系統;通過「數加」平台BI報表產品，3分鍾即可完成海量數據的分析報告。在機器學習方面，「數加」平台發布的機器學習工具，可基於海量數據實現對用戶行為、行業走勢、天氣、交通等的預測。大數據公司百分點的展廳內有一面弧形牆，可以24小時實時更新數據資料和圖譜。這面牆上有全網當日產品銷售統計和熱銷產品榜單，每一個產品都有詳情介紹。百分點研發總監蘇海波介紹，5.5億用戶的「畫像」匯總於此，包括購物偏好、網購金額變化趨勢、閱讀興趣等。用戶的任何網上行為都會成為大數據的一部分，經過篩選加入到用戶的數據中。通過與百分點合作，商戶可以根據用戶消費偏好，定向推送商品;旅行社可以定向推送旅遊行程信息和報價;新聞資訊APP則可以推送用戶感興趣的信息。在輸出解決方案上，大數據還可以應用到醫療、教育、零售、通信等傳統行業。通過大數據產生更多收益，節約成本，優化原有行業，衍生出新的商業模式。
⑺ 大數據的發展趨勢
如今，大數據的發展趨勢正在迅速轉變，但專家預計機器學習、預測分析、物聯網、邊緣計算將在未來幾年對大數據項目產生重大影響.
大數據不再是流行術語.調查機構Forrester公司的研究人員發現，2016年，近40%的企業正在實施和擴大數據技術的應用，30%的企業計劃在未槐穗來一年內採用大數據.同樣，NewVantagePartners的《2016年大數據執行調查》發現，62.5%的企業現在至少有一個大數據項目投入使用，只有5.4%的企業沒有規劃或者沒有實施大數據項目.
研究人員表示，大數據技術的採用不會立即放緩.根據調查機構IDC公司的預測，大數據和業務分析市場從2018年的1301億美元增加到2020年的2030億美元以畢汪上.
數據的可用性、新一代技術和對數據驅動決策的文化轉型將繼續推動企業對大數據和分手明仔析技術和服務的需求.IDC公司剖析信息管理集團副總裁Dan、Vesset表達，2015年全球性大數據市場收達到1220億美元，2016年市場收入增長11.3%，預計到2020年大數據市場收入復合年均增長11.7%.
雖然大數據市場會增長，但企業對如何使用大數據並不是很清楚.新的大數據技術進入市場，舊技術的使用也在增加.
大數據發展趨勢
真正掌握大數據的趨勢，就像每天都在監控風向的變化一樣，只要感受到風向，就會發生變化.但是，以下趨勢明顯推動了大數據的發展.
1.大數據和開源
ApacheHadoop、Spark等開源應用程序已經成為大數據技術空間的主流，這種趨勢似乎可能會持續下去.一項調查顯示，近60%的企業預計將在今年年底前使用Hadoop集群投入生產.根據調查機構Forrester公司的報告，Hadoop的使用量每年增加32%.
⑻ 大數據初創企業面臨的五大挑戰
大數據初創企業面臨的五大挑戰
近幾年，數據逐漸成為驅動業務的主要推動力。 更重要的是,大數據是可以幫助企業改善策略,提高運營效率和加速增長。
75% 的龍頭企業說,他們已經或計劃在未來幾年在大數據基礎設施方面布局。大量的新的和令人興奮的大數據初創公司出現來滿足企業客戶日益增長的需求。
雖然大數據吸引力巨大，但是考慮到66% 的創業公司一般會在12個月失敗，大數據初創公司們仍然面臨著很多挑戰。
挑戰一 缺乏人才
大數據市場在不斷增長，60%的領導者認為他們今年在大數據運營上會花費更多，只有5%預測預算會減少，最大的問題在於,這種增長將超過其實現它所需的人才和規模應用。
據麥肯錫的報告稱，美國的大數據人才需求在2018年將達到 170萬，大約在同一時間,美國數據市場價值將達到 415億美元。隨著行業的發展，人才技能差距將拉大。沒有簡單的解決方案,是唯一真正的修復是隨著時間的推移,人才自然會增加以滿足市場需求。
(這里還有一點諷刺,因為許多大數據初創企業試圖通過自己的軟體來解決市場上人才缺乏的問題，但他們同樣面臨招不到人。)
挑戰二 人才成本高
71% 企業和IT組織認為自己在利用數據方面剛達到平均水平或滯後。顯然需要提高整體人才能力和教育現有的勞動力。目前在員工的培訓上，為了跟上新開發產品需要大量成本。
這樣的培訓運營費用在2013年全球達到1300億，考慮到數據業務的快節奏的性質和隨後的需要更多的人員和持續培訓,這些成本只會持續上升。
挑戰三 解決理想與現實的沖突
在最近《華爾街日報》上 一篇有關Hadoop 的文章上黛博拉·蓋奇說，：一些評論把大數據捧地過於高了，對大數據的」炒作」使許多組織盲目的為採用而採用:他們急切地擁抱工具,但往往不關注他們的需求,只是因為這些工具似乎是最受歡迎的(Hadoop是一個例子)。
進一步復雜化的是,大數據平台本質上是厚數據。這使得供應商很難去表達它的功能和優點，甚至更難讓客戶們去理解。這就是為什麼, 據Gartner 說,到2017年,60%的大數據項目將無法超越試點和實驗,並將被放棄。 讓大數據項目更加落地是未來的重點。
挑戰四 融資障礙
大數據在風投界獲得了極大的關注和驚人的資金, Hortonworks和 Dataminr的 融資近1億美元就是很好的證明。 但在許多方面,爭奪現金變得不利於新公司。
由於行業的發展，風投們會更親睞具有挑戰性的企業家，很多公司喜歡Palantir,MongoDB和Mu Sigma (至少有2億美元投資)。 因為資金增加了,在某種程度上我們可以預期投資者變得更加初步承諾投資,而不是投資於更成熟的新銳品牌。
挑戰五 更殘酷的競爭
全球大數據預計在2015年產值達到 1250億美元,創業並不孤單; 他們面臨SAP微軟和IBM這樣的數十億美元的大公司的殘酷競爭。
這些巨人可以釋放功能更新產品,收購同類公司。他們的資金是無限的,而初創企業必須更加精細化他們的產品只是為了維持他們的現金消耗速率。
實際上,這是一件好事。初創公司成功的最佳方式和關注一個點和把它做好，大公司總是在尋找方法來獲得競爭優勢。 如果你在存儲、分析等方面有極大的優勢，被收購也是個不錯的選擇。
以上是小編為大家分享的關於大數據初創企業面臨的五大挑戰的相關內容，更多信息可以關注環球青藤分享更多干貨
⑼ 大數據未來將是怎樣的發展趨勢
我們先來看一下大數據的定義：
大數據（big data）是指無法在一定時間范圍內用常規軟體工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。大數據到底是什麼，如果簡單來理解大數據就是 4V 的特徵：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（價值），即 數據體量巨大、數據類型繁多、價值密度低、處理速度快。
大數據的應用
洛杉磯警察局和加利福尼亞大學合作利用大數據預測犯罪的發生。
google流感趨勢(Google Flu Trends)利用搜索關鍵詞預測禽流感的散布。
統計學家內特.西爾弗(Nate Silver)利用大數據預測2012美國選舉結果。
……
還有一個經典小故事，它的背後原理也是大數據的應用！
20世紀90年代，美國沃爾瑪超市管理人員分析銷售數據時，發現了一個令人難以理解的現象：在某些特定的情況下，「啤酒」與「尿布」兩件看上去毫無關系的商品，會經常出現在同一個購物籃中，且大多出現在年輕的父親身上。
分析背後原因是，在美國有嬰兒的家庭中，一般是母親在家中照看嬰兒，年輕的父親去超市買尿布。
父親在購買尿布的同時，往往會順便為自己購買啤酒。
由此，沃爾瑪就在賣場嘗試將啤酒與尿布擺放在相同區域，讓年輕的父親可以同時找到這兩件商品，並很快地完成購物，從而極大提升商品銷售收入。
大數據與我們息息相關
我們一定聽過AlphaGo對戰柯潔，機器人通過海量的圍棋數據進行學習從而戰勝了圍棋高手柯潔。
但大數據更是與我們每個人的生活息息相關，來看看大數據為我們的生活帶來了什麼？
看視頻的時候優先推選我們感興趣的視頻
買衣服的時候優先推選我們可能喜歡的衣服
同理，還有音樂APP，團購軟體，旅遊平台等這些都是大數據帶給我們的改變
現在生活中幾乎所有的便利都是大數據帶給我們的改變！
大數據的前景
大數據成為時代發展一個必然的產物，並且大數據正在加速滲透到我們的日常生活中，為我們提供便利。
大數據，這個行業的前景讓人實名心動♡♡♡
大數據行業人才缺口大，市場火爆，據悉，大數據行業目前國內的人才需求量達百萬+
大數據行業人才薪資普遍偏高，據數據，2019年一線城市大數據開發人才月薪15-20k
未來的大數據將滲透到我們生活的方方面面，將在醫療、教育、服務、金融、政府、交通等行業廣泛應用