在剛剛過去的2016年，甲骨文大數據副總裁Balaji Thiagarajan表示，隨著智能手機，筆記本電腦，機器、車輛和電器上的傳感器興起，大量數據正在生成。 他指出，對于能夠轉型和管理大數據的公司來說，數據是一個巨大的機會，可以作為競爭優勢的來源，應該更好利用它。 大數據和云是推動巨大變革的兩種技術，Balaji說，組織必須準備好做出反應，并利用重要的新趨勢和技術，以確保在2017明年能落地。 在這里，Balaji和我們分享了2017年大數據的10個關鍵趨勢。

　　1-無處不在的機器學習時代已經到來。 根據Balaji所說，機器學習不再是數據科學家的唯一專利。 將機器學習應用到大量數據的能力大大增加了其對于業務分析師和最終用戶的工具的重要性和更廣泛的采用，并且機器學習能力的可用性將大大增加，從而影響企業和政府如何進行他們的業務。他說“機器學習將影響最終用戶，如與保險，家用能源，醫療保健和停車計時器的互動等等”

　　2-當數據不能移動時，將云帶到數據身邊。 Balaji說，并不總是可以將數據移動到外部數據中心。 隱私問題，法規和數據主權問題通常不允許這些行為，有時，數據量非常大，以至于遷移它的網絡成本將超過任何潛在的好處。 在這種情況下，答案是將云帶到數據身邊。 他表示，未來越來越多的組織將需要開發云策略來處理多個位置的數據。

　　3-應用，而不僅僅是分析，推動大數據的廣泛應用。 Balaji表示，大數據技術的早期使用案例主要集中在IT效率，大規模數據處理和分析解決方案，但現在有各種各樣的行業特定的業務驅動需求要求能支持依賴于大數據的新一代應用系統。 越來越多的應用程序正在推動大數據的廣泛采用。

　　4-物聯網將與企業應用程序集成。 Balaji指出物聯網不僅僅是無生命的物體。 然而，諸如為患者提供更高水平的醫療保健，或通過移動應用對人們通過他們交互的設備生成的行為數據采取來增強客戶體驗。 企業必須簡化IoT應用程序開發，并將此數據與業務應用程序快速集成。 Balaji說，通過將新的數據源與實時分析和行為輸入混合，企業正在開發一種能夠適應和實時學習的新型云應用程序，他指出，這種影響不僅會在商業世界中受到影響， 而且還將影響全球指數增長的智能城市和智能國家項目中。

　　5-數據虛擬化將點亮暗數據。 數據孤島在企業的Hadoop，Spark和NoSQL數據庫等平臺上激增，Balaji指出。 潛在的有價值的數據仍然在黑暗之中，因為它很難訪問（也很難找到）。 因此，組織意識到將一切遷移到單個存儲庫以進行統一訪問是不可行的，并且需要采用打通各類技術平臺的數據虛擬化方法。

　　6- Kafka的成熟和廣泛應用。 Apache的Kafka技術已經建立了很好增長勢頭，并且很可能在2017年達到高峰，Balaji說“Kafka是無縫發布大數據事件主題，將數據攝入Hadoop，以及向企業數據消費者分發數據的手段。 Kafka采用傳統的，經過驗證的總線式架構模式，但支持非常龐大的數據集和支持各種數據結構。 這使得它是理想的將大數據攝入您數據湖的方法，并提供訂閱者訪問您的消費者應該需要知道的任何事件的信息”

　　7-預包裝集成云數據系統的繁榮。 越來越多的公司看到數據實驗室和端到端數據平臺的價值，用于實驗大數據和推動創新，但是吸收速度一直很慢，Balaji說。 “從頭開始構建這些是不容易的，無論是內部部署還是云。 預包裝產品包括集成云服務，如數據湖，數據流，數據科學，數據處理，數據集成和分析，消除了自己動手解決方案的復雜性。 預計2017年將是預包裝，集成云數據實驗室的繁榮之年。

　　8-基于云的對象存儲成為Hadoop HDFS的可行替代方案。 Balaji說：“對象存儲具有許多可取的屬性：可用性，復制（跨驅動器，機架，域和數據中心）甚至是容災和備份。 “它們是存儲大量數據的最便宜，最簡單的地方，可以直接容納Spark等框架。 我們看到對象存儲技術成為大數據的存儲庫，因為它們與大數據計算技術越來越集成，并且將為許多用例提供HDFS存儲的可行替代方案。 所有都作為相同數據分層架構的一部分存在。

　　9-下一代計算架構使云深度學習成為可能。 計算加速技術，如GPU和NVMe; 存儲和計算的最佳放置; 高容量，非阻塞的網絡 - 這些東西都不是新的，但是所有這些的融合是，Balaji說。 “他們一起，實現了云計算架構，在計算，I / O和網絡性能方面實現了數量級的提升。 讓深度學習與現有業務應用程序和過程輕松集成。

　　10-Hadoop安全性不再是可以舍棄的選擇。 Hadoop部署和用例不再主要是實驗性的。 Balaji說，越來越多的企業對企業來說是關鍵業務系統之一。 “因此，Hadoop安全性是非可選的。 您可以期望為未來的大數據項目部署多層次的安全解決方案。