2017年大数据行业盘点：方案落地转向了价值创造

大数据行业盘点：方案落地转向了价值创造

序言

大数据市场，一看厂商软件，二看行业落地应用。新技术的兴起，总是由敏锐的厂商洞察需求、研发新产品和上台宣传，再到用户购买产品，最终技术落地产生实际效果，整个过程往往需要几年时间。 所以，大厂宣传的产品是技术风向标，落地的应用则是目前行业的流行趋势。盘点2017年的大数据市场，笔者也从厂家在宣传什么，行业用户都在做什么为视角筛选出今年让人眼前一亮的产品或技术案例， 期望能帮助大家看清目前大数据行业的技术方向和趋势。

厂商篇

国外厂商忙上云

独立大数据厂商Cloudera今年9月27日宣布与微软合作，将其最新的大数据引擎产品Altus发布到Azure云平台。随着更多的企业把自己的应用从传统数据中心搬到公有云上，大数据软件供应商们也不得不迎合这一趋势把自己的产品也部署到公有云上，从而降低客户因为使用大数据工具而产生的数据迁移成本。
公有云提供商更关注大数据基础服务以外的延伸市场。 云计算市场排名第二的Azure 4月份推出了时序数据库产品Time Series Insight。 该产品合适IOT场景下的应用对于监控设备产生的海量时序数据存储和查询。云计算的领头羊AWS，除了继续宣传其流式大数据引擎Kinesis Firehose外，还在11月的AWS re:Invent大会上发布了针对机器学习的SageMaker平台。它能帮助机器学习专家快速完成大数据清洗，进而能快速构建、训练并托管规模化机器学习模型。

国内关注整合

与技术领先的国外大数据厂商相比，国内厂商的技术能力更多的体现在对开源社区成熟大数据产品的整合，做好控制管理和资源调度已经用户UI上。华为的大数据产品FusionInsight入选Gartner发布的2017年《分析数据管理解决方案(DMSA)魔力四象限研究报告》， 是中国大数据企业的头一次入围。 FusionInsight整合了Hadoop，spark和storm等开源项目，并在户权限和安装部署上跟进国内企业的需求特点进行了很多研发工作。
国内的公有云供应商，也将更多的注意力放到了AI这个和大数据结合的市场上。12 月 13 日，腾讯在“2017互联网+大数据高峰论坛”发布了机器学习基础平台TDinsight从官方的宣传上看，TDinsight自身包含多种算法以及模型，并且支持多源的输入以及输出，TDinsight采用拖拽的方式能够根据不同的算法、模型调度对应不同的机器学习组件(框架)，例如：Angel、Spark、TensorFlow、Torch等，完成机器学习整个流程。” 国内市场占有率第一的阿里云，今年10月11日，2017杭州•云栖大会展示了多款和AI相关的软硬件产品。

行业篇

从厂商的宣传来看，AI已毫无争议的取代大数据的成为2017年飞得最高的“猪”。大数据行业的相关厂商在2017年新产品的推出上显得动力不足。毕竟，以2004年谷歌发布关于GFS，Bigtable和Mapreduce三篇论文为起始，大数据已经走过了13年历程，步入成熟期。年轻人爱谈未来， 成年人更爱看实际，大数据项目到了坐下来跟投资人谈回报的时候。令人可喜的是在今年国内行业技术的交流中，大家已不满足于谈项目如何成功的落地，更多的谈到大数据项目给公司带来了多少回报。这代表着大数据从奇酷的新技术逐步走向成熟，进入部署和给企业创造真正价值的阶段。
大数据从应用场景上来讲分为： 营销分析，客户分析， 内部运营管理， 供应链管理。每个细分行业由于业务模式的不同，其应用场景也不同，所以我们把各行业对于大数据应用的进展进行了细