В рамках непрекращающегося развития решений для управления большими данными в постоянно совершенствующихся и появляющихся новых технологиях управления данными и аналитики можно выделить нагревающиеся, характеризующиеся удобством применения, полезностью, современностью и мощностью обработки данных, и охлаждающиеся, бывшие когда-то на вершине востребованности, но переоцененные в своем значении или уступающие первенство новейшим методам управления данными.
Среди горячих тенденций – самообслуживающиеся инструменты бизнес-аналитики, мобильные панели управления, R-язык и его репозитории пакетов, предоставляющие широкий спектр приемов статистического анализа и визуализации результатов, глубокие нейронные сети, построенные из слоев чередующихся линейных и нелинейных процессов в количестве от 10 до 20, что многократно увеличивает набор распознаваемых характеристик, открытая программная библиотека для машинного обучения TensorFlow, облачные хранилища, с помощью которых реализуется заклинание эффективного аналитика: «вычислять там, где находятся данные», и MXNet, предлагающий императивный язык для тензорных вычислений.
В противоположность этому специалисты отмечают охлаждение в сфере IoT. Интернет вещей, рекламируемый для умных домов, носимых датчиков, подключенной медицины, связанных транспортных средств, разумного ритейла и множества других сценариев, терпит неудачи при нарушении контакта с сервером производителя, остановившего поддержку продукта, а спешка в восстановлении связи приводит к уязвимостям безопасности данных, используемых хакерами. Отходят на второй план месячный отчеты бизнес-аналитики, не отвечающие требованиям гибкости, своевременного реагирования на изменения внешних и рыночных условий, пакетная работа с данными, основывающаяся на вчерашних показателях.
«Нагревающиеся» и «охлаждающиеся» технологии аналитики данных
