大資料是我的研究方向之一，所以我來回答一下這個問題。

大資料作為第三次資訊化浪潮的代表技術，將給整個資訊化領域帶來新的價值空間，同時由於大資料能夠透過資料的價值化來賦能傳統行業，所以大資料作為產業網際網路的關鍵技術之一將在未來產業網際網路階段獲得巨大的發展空間。

大資料的發展趨勢總的來說應該體現在以下幾個方面：

第一：網際網路逐漸大資料化。隨著大資料技術的逐漸成熟，網際網路將成為大資料首先落地的領域，大資料將在電子商務等網際網路應用平臺得到廣泛的應用。網際網路科技公司也是推動大資料技術發展的中堅力量，在大資料發展的過程中會起到重要的作用，透過大資料技術在網際網路領域的應用也能積累大量的應用經驗。

第二：傳統產業逐漸大資料化。隨著網際網路發展到產業網際網路階段，未來產業網際網路將深入到整個傳統行業中，而大資料技術作為產業網際網路的核心技術之一必然會深入到傳統行業中，所以未來傳統行業大資料化將是一個重要的趨勢。透過大資料相關技術不僅能夠促進傳統行業的資訊化建設，包括物聯網、雲計算建設等，更是能夠透過大資料來為傳統行業創新帶來幫助。

第三：人才大資料化。大資料的發展必然需要大量的大資料人才，不僅需要專業的大資料開發人才（大資料平臺開發、大資料應用開發、大資料分析、大資料運維等），也需要大量的大資料應用型人才（基於大資料工具開展大資料分析等工作），所以人才大資料化也是未來一個重要的趨勢。對於職場人來說，掌握一定的大資料知識會提升自身的崗位競爭力。

這兩年的新興技術在飛速發展，包括物聯網，大資料，人工智慧等。

馬雲也多次在不同場合強調過大資料的重要性，那麼大資料接下來的發展會如何呢？

大資料的視覺化

資料發現和資料視覺化將成為一個重要趨勢。現在的資料發現不僅僅是為了理解分析和關係，還代表了展示分析以揭示更深入的業務洞察力的方法。

大資料對物聯網的影響

物聯網已經向企業展示了基於感測器的資料如何有益於企業和客戶。因此，越來越多的公司投資於基於感測器的分析。隨著智慧手機、智慧手錶等智慧裝置的使用增加，物聯網有助於為分析目的收集資訊。而物聯網產生的海量資料，龐大的海量資料的儲存，分析以及預測，將從大資料技術的發展中得益。

對資料儲存瞭解的朋友知道，物聯網產生的連續性資料如果使用目前的關係型資料庫如Oracle, Mysql等進行儲存，將是一場災難，因為海量連續資料很快就將關係型資料庫撐爆。這也是為什麼MongoDB近年來火爆的原因。

試想如果沒有大資料技術的發展，對於海量的物聯網資料進行儲存和分析是對IT人的很大挑戰。

更加快速準確的機器學習

機器學習正以驚人的速度發展。此外，隨著自動化的應用，機器學習的發展在很大程度上加快了步伐。除此之外，還引入了以“模型工廠”正規化為核心的DevOps模型。

因此，總體的正規化轉換確保更快地處理和分析大量複雜資料。此外，它將提供更準確的結果。除此之外，高性價比、低功耗、高效能的人工智慧晶片組也將出現。它將以基於邊緣的推理為目標。

人工智慧（AI）的更多使用

2018年的大資料趨勢表明，資料科學發展在人工智慧開放發展框架上趨同。它為TensorFlow、Spark和MXnet等建模工具覆蓋了一個公共抽象層。除了機器學習方面的更多發展外，幾乎每個應用程式和服務都將在其中包含一定程度的人工智慧。

大量的資料可以提供給人工智慧進行training，發現數據中的Pattern，以進行更好更快的分析。

增強網路安全

在雲端處理大資料的同時，安全是是需要考慮的一個大問題。因此，確保大資料處理的安全性將是各家雲服務上考慮的首要問題。對於企業來講，將海量資料傳到雲上去的時候，是否要對資料洗掉敏感資訊也是需要考慮的問題。記得之前騰訊的馬化騰在採訪中就提到在考慮將騰訊的大資料進行脫敏 （去除敏感資訊，如涉及隱私等的資訊）。

認知技術的更多使用

對於海量的圖片資訊，影片資訊，語音資訊這些非結構化的海量資訊，在處理之前需要進行識別，這裡就需要用到認知技術來識別圖片，影片，語音。大資料將在認知技術領域發揮關鍵作用。它將使類似於人類智慧的機器能夠執行面部識別、推理、學習等任務。

從上面的分析來看，我們可以看到人工智慧在大資料技術的發展起到了重要的作用，而大資料技術的發展也對物聯網應用的發展起到了重要的作用。

在2019年，一些工具和趨勢將比其他工具和趨勢更受歡迎。新的大資料概念和技術不斷出現在市場上，舊技術逐漸消失，或以新的方式使用。物聯網（IoT）的不斷髮展為大資料提供了幾種新的資源。新技術不僅改變了商業智慧的收集方式，還改變了業務的完成方式。

物聯網與大資料

目前正在努力使用物聯網（IoT）來組合流分析和機器學習。在2019年，可以預期對這個主題的重大研究。

通常，機器學習在“受控”學習環境中使用“儲存的”資料進行訓練。在這個新模型中，來自物聯網的流資料可以有用資訊，以在較少受控制的環境中實時提供機器學習。在這個過程中更靈活，更恰當地應對各種情況，特別著重於與人溝通。

從使用受控環境和有限訓練資料的訓練模型轉變為更加開放的訓練系統需要更復雜的演算法。然後機器學習訓練系統以合理的準確度預測結果。隨著主要模型的調整和發展，邊緣或雲中的模型將根據需要進行協調以匹配更改。

“我們將看到越來越多的企業在資料流方面處理計算，而不是處理資料庫的資料。這些資料流捕獲關鍵業務事件和映象業務結構。統一的資料結構將成為構建這些大規模基於流的系統的基礎。“——MapR的首席應用架構師Ted DunningAI平臺

作為發現工具的大資料不斷髮展和成熟，一些企業獲得了巨大的回報。人工智慧平臺將在未來十年內產生重大影響。使用AI平臺處理大資料是收集商業智慧和提高效率的重大改進。

人工智慧平臺將在2019年普及。人工智慧平臺是一種框架，旨在比傳統框架更高效，更有效地工作。當AI平臺設計得很好時，它將提供與資料科學家和其他員工更快，更有效的通訊。這有助於以多種方式降低成本，例如透過防止重複工作，自動執行基本任務，以及消除簡單但耗時的活動（複製，資料處理和構建理想的客戶配置檔案）。

還將提供資料治理，為資料科學家和員工提供最佳實踐。人工智慧成為值得信賴的顧問，也以幫助確保工作更均勻地傳播，並更快地完成。

混合雲將大受歡迎

雲和混合雲已逐漸普及，並將繼續發展。雖然企業可能希望將某些資料儲存在自己的資料儲存中，但混合系統的工具和優勢使其值得付出代價。混合雲將企業的私有云與公共雲的租用相結合，提供兩者的優勢。預計2019年混合雲的使用量將大幅增加。

一般而言，混合雲中的應用程式和資料可以在本地（私有）雲和IaaS（公共）雲之間來回傳輸，從而提供更多靈活性，部署選項和工具。例如，公共雲可用於大容量，低安全性的專案，如電子郵件廣告，而本地雲可用於更敏感的專案，例如財務報告。

以上就是對於大資料未來趨勢的一些看法。

資訊科技與經濟社會的交匯融合引發了資料的迅猛增長，資料已經成為企業發展的基礎戰略資源，大資料一詞對於我們來說已經不再陌生，無論成與敗，大資料平臺的建設都已在政府、醫療、工業、物流、金融、旅遊等各個行業得到了一定的應用。

我認為大資料與SOA理念落地的道路有些相似，都是從概念開始，炒的火熱，之後逐步淡出人們的視線，因為理念正在真正的走向落地。而現在的大資料建設正處於概念後期，落地前期階段，相信未來大資料的發展趨勢無論從技術發展角度，還是企業、個人應用角度，都會越來越快，越來越廣、越來越普及。

其實原因很簡單，從個人角度、企業需求、技術發展幾個角度就可以明白：

個人角度

企業需求

伴隨著資訊化的快速發展、資料量加大，企業有資訊化系統、節省辦公效率已經不再稀奇，真正拼的是如何有效利用起資料資源，在千篇一律的經營模式下掌握客戶所求，出奇制勝；在風雨難測的市場環境下快速調整業務，推陳出新；在看似平穩的發展趨勢下有效規避風險，掌控未來。正如第一點所講，大資料可以有效提升使用者的最終體驗，那麼對於企業來說，怎可能錯失這麼有效的工具？只不過需要企業在建設過程中注重穩紮穩打，根據業務現狀、資訊化基礎設施、順勢而為即可。

技術發展

技術是實現大資料平臺構建的重要支撐，提到大資料一定會連帶一些熱詞，如物聯網、人工智慧、Hadoop、Spark等，有的是工具、有的是架構、有的是理念。我認為未來基於雲上的資料決策分析將會備受矚目，因為將資料分析業務遷移部署至雲端維護，可以有效減少企業運營和技術的維護成本，做到更加最佳化。