年末盘点 | 2015大数据行业九大关键词你知道几个？

　　2015年，大数据市场的发展迅猛，放眼国际，总体市场规模持续增加，随着人工智能、物联网的发展，几乎所有人将目光瞄准了"数据"产生的价值。行业厂商Cloudera、DataStax以及DataGravity等大数据公司已经投入大量资金研发相关技术，Hadoop供应商Hortonworks与数据分析公司NewRelic甚至已经上市。而国内，国家也将大数据纳入国策。

　　我们在2015年最后一天共同盘点一下2015年大数据行业九大关键词，管窥这一年行业内的发展。

　　①BI--挑战

　　2015年对于商业智能（BI）分析市场来说，正由传统的商业智能分析快速进入到敏捷型商业智能时代。以QlikView，Tableau和SpotView为代表的敏捷商业智能产品正在挑战传统的IBMCognos、SAPBusinessObjects等以IT为中心的BI分析平台。敏捷商业智能产品也正在进一步细化功能以达到更敏捷、更方便、适用范围更广的目的。

　　②国家政策--战略

　　2015年中国政府对于大数据发展不断发文并推进，这标志着大数据已被国家政府纳入创新战略层面，成为国家战略计划的核心任务之一：2015年9月，国务院发布《促进大数据发展行动纲要》，大力促进中国数据技术的发展，数据将被作为战略性资源加以重视；2015年10月26日，在国家"十三五"规划中具体提到实施国家大数据战略。

　　③深度学习/机器学习--崛起

　　人工智能如今已变得异常火热，作为机器学习中最接近AI（人工智能）的一个领域，深度学习在2015年不再高高在上，很多创新企业已经将其实用化：Facebook开源深度学习工具"Torch"、PayPal使用深度学习监测并对抗诈骗、亚马逊启动机器学习平台、苹果收购机器学习公司Perceptio……同时在国内，百度、阿里，科大讯飞也在迅速布局和发展深度学习领域的技术。

　　④Sortbenchmark阿里云--最快

　　阿里云在SortBenchmark（全球科技公司"计算奥运会"之称）的2015年排序竞赛中用不到7分钟（377秒）就完成了100TB的数据排序，打破了ApacheSpark的纪录23.4分钟。

　　⑤Spark--共存

　　Spark近几年来越来越受人关注，2015年6月15日，IBM宣布投入超过3500名研究和开发人员在全球十余个实验室开展与Spark相关的项目。

　　与Hadoop相比，Spark具有速度方面的优势，但是它本身没有一个分布式存储系统，因此越来越多的企业选择Hadoop做大数据平台，而Spark是运行于Hadoop顶层的内存处理方案。Hadoop最大的用户（包括eBay和雅虎）都在Hadoop集群中运行着Spark。Cloudera和Hortonworks将Spark列为他们Hadoop发行的一部分。Spark对于Hadoop来说不是挑战和取代相反，Hadoop是Spark成长发展的基础。

　　⑥Pivotal--开源

　　2015年2月，Pivotal宣布其大数据套件的三个核心组件开源：基于内存的分布式NoSQL数据库GemFire、基于Hadoop架构的大规模并行SQL分析处理引擎HAWQ、大规模并行处理分析数据库Greenplum。

　　Pivotal开放其大数据套件核心组件的源代码，最主要原因是CloudFoundry开源战略成功驱动，部署大数据战场。

　　⑦Palantir--神秘&多金

　　2015年7月起Palantir开始发起新一轮融资，达到8。8亿美元，截止目前已经共计融资23。2亿美元，公司估值200亿美元，排名世界第四，仅次于Uber。

　　Palantir是一家位于加州的大数据科技公司。该公司的技术是在海量信息之间建立联系、寻求有价值的线索，为情报机构提供结论：在摩根大通内部用于定位网络欺诈，在桥水联合基金，Palantir被用来管理1570亿美元的投资基金。该公司曾经帮助美国政府追踪基地组织头目奥萨马·本·拉登。由于其主要客户是政府机构，外界对它的内部状况了解不多。

　　⑧DBaaS--火爆

　　随着Oracle12cR2的推出，甲骨文以全新的多租户架构开启了DBaaS（Database-as-a-Service，数据库即服务）新时代，新的数据库让企业可以在单一实体机器中部署多个数据库。在2015年，除了趋势火爆，12c多租户也在运营商、电信等行业投入生产应用。

　　据分析机构Gartner预测，2012年至2016年公有数据库云的年复合增长率将高达86%，而到2019年数据库云市场规模将达到140亿美元。与传统数据库相比，DBaaS能提供低成本、高敏捷性和高可扩展性等云计算特有的优点。

　　⑨数据科学家--性感

　　随着行业的发展，人才显得尤为重要，各公司都期待数据科学专业人才能够挖掘数据信息，来帮助公司开源节流。美国招聘网站Glassdoor的报告称，数据科学家的平均年薪为118709美元（约合人民币737550元），而程序员的平均年薪为64537美元（约合人民币400974元）。

　　数据科学家能够通过统计变成涉及、开发和调用算法而支持业务决策；管理海量数据；可视化数据以辅助理解。其需要具备三项基本技能：数学/统计、计算机能力、在特定业务领域的知识，被《哈佛商业评论》评委二十一世纪最性感的职业。