慧辰资讯CTO马亮：大数据行业进入良性发展期，深度分析与智能化成为重要新趋势

数据猿导读

 

大数据行业在经历2015年的资本热潮后，2016年起进入快速发展阶段，在服务领域、业务模式和产品技术方面不断深化。面向企业的ToB类大数据服务，帮助企业重整业务模式，提升业务竞争力，受到众多企业重视，发展尤为迅速。为未来的进一步深化奠定了相应基础。

作者 | 马亮

本文长度为3000字，建议阅读6分钟

本文为数据猿年关策划活动《大数据的2016，我的2016》系列稿件，感谢本文作者 慧辰资讯 CTO 马亮 先生的投稿。

敬请期待春节后的2月16日，由数据猿与中欧商学院、腾讯视频共同举办的高端领袖线下演讲栏目中欧微论坛之《超声波》。

大数据行业在经历2015年的资本热潮后，2016年起进入快速发展阶段，在服务领域、业务模式和产品技术方面不断深化。面向企业的ToB类大数据服务，帮助企业重整业务模式，提升业务竞争力，受到众多企业重视，发展尤为迅速，为未来的进一步深化奠定了相应基础。

回顾2016

1、资本热度下降，产业进入良性发展

进入2016年，资本市场对大数据行业关注持续下降，甚至媒体出现了大数据寒冬的说法。实际上，从资本与产业的成长关联曲线来看，资本投入高峰之后的下降期，才是产业真正持续上升期的开始。

进一步对2016年获得融资的大数据企业进行分析，可以发现，资本并非不看好大数据行业，而是逐渐回归冷静，以更理性的衡量标准（如收入与利润成长）来评估企业价值。大数据企业只要具备优秀的大数据服务力，能持续获得业务成长，仍会受到资本的青睐。

2015年热潮中涌现的许多大数据公司，在2016年趋于务实，切实深入到实际客户服务（甚至项目化服务）来提升自身竞争力。而善于炒作但缺乏实际硬实力的公司，其估值回落，不再受到关注。这种分化、去芜存精的过程，引导整个行业消除浮躁与泡沫，回归良性发展模式，实际对大数据行业的长期发展有利。

2、行业龙头积极推动大数据应用。但重基础设施建设，业务应用深度不足

企业是大数据应用服务的重要战场。2016年起，很多行业的领先大中型企业，在经历2015年对大数据的观望和初步认知后，开始积极摸索如何应用大数据到业务中。

纵观企业大数据应用的推进，可分两个层面：（1）基础设施建设。包括大数据源建设（引入与融合）和大数据软硬件技术体系重构；（2）面向具体业务需求（场景）的应用。

就很多企业实施情况而言，关注基础设施构建多于深度业务应用。很多企业积极将内外大数据进行融合，并通过采购相关软硬件技术服务产品重构技术体系，这更多解决的是企业IT部门的大数据需求（更大存储/更快的检索与处理能力）。在这个过程中，数据资产与系统整合、体系架构相关工具/平台软硬件产品的大数据供应商，受益颇多。

然而，企业应用大数据，最关注的还是对业务部门实际问题的解决。在这个层面上，当前远未令人满意：一是面向业务场景的应用偏少，二是相关应用的能力深度不足。

许多企业已建成的应用，思路仍是基础数据的统计查询（甚至是在新数据和技术架构按原业务理解重做一遍可视化），并没有深入分析，提炼出有价值的新元素为业务所用。企业业务人员（如销售）在经历眼花缭乱的可视化效果后，会发现新应用并没有帮助解决所关心的实际业务问题。这种期望与结果的差异，开始影响企业内大数据应用推进的进度和效果。

3、技术领域不断发展并有突破

基础计算架构上，2016年最大亮点是年中发布的Spark 2.0。新版本不仅速度更快，更重要的是提供了更好的SQL语句扩展，大大简化了企业现有应用向大数据迁移的复杂度。同时，新的Streaming API 通过结构化流处理机制将批处理和流式计算统一，使业务开发更加智能方便。

在算法理论上，深度学习因在语音/图像识别等领域的突破而在2016年受到大众关注。这个基于机器学习分支发展起来的学习理论已有太多介绍评述，这里不再赘述。

个人感觉值得重视的是结合大数据快速应用到新行业的能力。相比机器学习，深度学习大大简化了特征工程（选取更好的特征，需要更深入的领域知识和投入，常依靠领域专家的前期大量配合）工作。这意味着在进入新的领域时，借助大数据资源而非传统所需的领域专家的知识技巧，深度学习人员就能快速构建出应用的基本服务能力。我们也已经开始尝试将深度学习应用于一些新行业的分析应用中。

4、大数据助力人工智能提升，也为自己未来发展指出新的方向

2016年，人工智能随着AlphaGo的胜利重新回归产业的热点。此次人工智能重新崛起，大数据的支持功不可没。基于大数据的训练有效提升了深度学习的模型效果。如今，深度学习为代表的智能学习理论、大数据（训练资源）和以GPU为代表的计算架构，构成了当前人工智能体系的三驾马车。 而人工智能未来广阔的应用前景，实际也为大数据的应用指出了新的更有价值的方向。

展望2017

1、未来几年，大数据的行业应用将更加普及化、更广泛和更深入。秋天收获期尚未到来，说严冬更是尚早

应用范围更广： 大数据虽然已经进入了很多行业，但实际还有更多的行业是一片空白。以笔者近期交流的多个传统行业为例，其对大数据应用都处于摸索起步阶段，未来几年机会巨大。而即使在已应用的行业，应用服务当前也多集中于少量排头领先企业，大量的行业中游企业对大数据应用也很关注，只是需要合适的应用切入点。

服务能力更深入：现有的大数据应用，更多是新方法解决原有业务问题。实际上，大数据结合业务场景，能够创新出新的业务服务模式，这对大数据行业和客户的业务发展，都具有更大的意义。

2、解决实际业务需求、提供深度分析服务将成为企业大数据应用的最重要诉求

随着大数据基础资源投入建设逐渐完成，对业务需求的解决能力将成为企业对大数据应用关注的要点。大数据应用的深度，取决于两个要素：对业务的深入理解和精通大数据分析技术。前者需要熟悉行业/业务的专家，后者需要对大数据算法/模型熟悉的高级技术人员。

这种综合服务能力才能发挥大数据的实际价值，而这是现在实施大数据应用的供应商（大多纯计算与开发技术背景的）所不具备的，这也是导致现有应用业务价值偏低的重要原因。

未来几年，企业大数据服务将聚焦于深度洞察分析应用，真正挖掘出大数据的价值。而具备业务深入理解和大数据分析能力的大数据服务企业，会在企业大数据应用中受到更多欢迎。

3、人工智能与大数据结合，对各行业现有模式的突破和颠覆，甚至产生新的行业

2017年，人工智能将接棒大数据，成为下一个产业发展的热点。可以预见，未来5年，人工智能会在很多领域有更大的应用突破。而作为其核心支撑的大数据，能够与人工智能配合，为人类生活催生创造如何的变化，前景令人期待。

对于人工智能的未来潜力，公众如今存在多种声音。媒体和资本过于乐观和夸大，而普通大众则存在许多担心。而人工智能专业人员则持乐观但谨慎的态度。

回顾人工智能的发展，当前的突破更多是之前多年积累的一次阶段式上升。人工智能当前擅长解决的仍然是封闭条件下有限规则的智能问题（如围棋），距离人类具备的自主意识和创造能力尚很遥远。同时，业界也在期待脑科学研究能有新发展，也许能为人工智能技术再次提升提供理论基础。

4、大数据隐私暗流涌动，需要相关法律与管理制度尽快规范     

随着大数据应用的深入，涉及用户隐私的大数据资源迅速增加，相关数据的管理和交换过程中的数据流失泄露的风险，成为日趋重要的问题。当前，在一些地下黑色产业链上，涉及个人隐私的大数据交易已有相当大的规模，逐渐成为产业化，其未来的潜在危害巨大。

国家虽然在大数据领域有基本指导性法规，但距离实际可操作层面尚远，不能有效预防和解决相关的潜在隐患。

在可预见的未来，大数据服务将如同云计算一样，逐渐成为各领域服务与企业经营的必不可缺的基础构件。越来越多的大数据应用，与各种新技术结合，涵盖社会生活的各方面，创造更大的价值，也使我们的生活更加方便舒适。

关于作者

马亮，慧辰资讯CTO，主管公司IT技术战略与企业大数据服务的技术发展。博士毕业于清华大学计算机系，在自然语言处理、机器学习与企业大数据业务分析建模领域具有丰富经验。

注：本文由 马亮 投稿数据猿发布。

欢迎更多大数据企业、爱好者投稿数据猿，来稿请直接投递至：[e-mail]

推荐阅读：