过去的一年，我们看到了大数据的爆发式发展。数据处理和分析已经普及，大数据产业呈现出信息激进化的趋势。这使得数据科学家、数据应用程序员、业务分析师等大数据人才成为当前职场最热门的职位。

但我们也可以发现，能够处理日益增长的大规模数据计算的专家和人才数量远远不能满足市场需求。

有人预测，随着商业数据的不断增加，2017年将是新的数字信息时代的开始。但如果没有足够多的专家来分析和利用这些数据，这些资源就无法在很大程度上得到充分利用。

不幸的是，现实是大数据的发展速度远远快于我们学会如何使用它的速度。

很多企业的决策者只能依靠自己的直觉来做出决策。这是因为他们面前的数据庞大而杂乱，有些数据甚至呈现出看似矛盾的信息，从而导致了许多重大决策失误。

这种状况亟待改变。要改变现状，必须提高数据科学家的水平。但2017年更重要的任务是让更多人了解大数据，即为更多人提供数据分析工具和数据分析培训，提高普通民众的大数据素养水平。

100年前，我们说我们应该教普通人读书、写字、识字。现在我们还需要针对大数据素养，因为大数据分析能力将成为未来最重要的业务技能之一。

那么，我们应该怎样做才能实现大数据素养呢？以下是我们的一些想法：

1、大数据结合

大数据规模的重要性将逐渐让位于大数据组合。

数据存储碎片越来越多，很大一部分来自于云外的数据源。这种情况下，如果没有明确的目的，存储数据的成本就会大大增加。

这意味着我们需要建立一个新的模型，让企业能够快速地将大数据和小数据结合起来，从而尽快获得全面的信息并确定数据的价值。组合数据还有助于提高数据的准确性和可读性。

2.混合思维

2017年，混合云和多平台将成为数据分析的主导模式。

云的优势是显而易见的。存储数据方便，易于扩展。因此，云成为大数据的主要发展方向。但单一云还不够，因为数据和工作负载需要多个平台。另外，数据的重要性也决定了多重云备份的重要性。混合云和多平台环境将成为大数据的主导模型，工作负载和数据发布分布在云和本地数据存储系统中。

3、全民自助服务

免费增值将成为新常态。

2017年，用户将能够更轻松地分析他们的数据。越来越多的数据可视化工具将以更低的价格甚至免费出现在市场上。通过这种方式，所有人都可以访问一些分析。随着越来越多的人开始学习分析，数据素养水平自然会提高。越来越多的商业人士将知道他们需要什么数据和工具，以及这些数据对他们的公司有什么用处。信息化的迅猛发展也将得到进一步刺激。

4、产能扩张

两年前的用户导向的数据挖掘已经成为当今企业广泛使用的商业智能。

2017年，这种商业智能将取代过时的报告优先平台。随着商业智能成为新的业务参考结构，它将成为每个人的自助数据分析工具。商业智能也将能够承担扩展、运营、管理、安全等方面的不同需求。

5.开发过程中的分析

2017年，我们的重点将从“高级分析”转向“高级分析”。

高级分析至关重要，只有高技能的数据专家才能创建、管理和策划模型。但一旦模式建立起来，更多的人可以从这些模式中受益，普通人也可以使用这些自助服务工具。

此外，通过赋予软件更多的智能，提高了模型的分析能力，降低了分析数据洞察的复杂度和难度。但数据分析不应该被简单地定义为黑匣子或过于形式化的概念。

“人工智能”最近被热炒，但它无法取代人类分析，只能作为辅助人类的分析工具。人工智能当然可以帮助回答一些问题，但与回答问题同样重要的是提出问题，而这只能由人脑来完成。

6、可视化将从纯粹的分析工具发展成为适用于整个信息供应链的重要概念。

可视化将成为统一中心的强大组成部分，它采用可视化方法来管理信息资产并准备可视化自助服务数据以支持现实世界的可视化分析。此外，可视化作为传达和交流信息的手段将取得重大进展。这样，数据供应链能够服务的用户数量就会增加。

7.从自定义分析应用程序到应用程序内分析

应用程序的用户不一定是应用程序的开发人员。

但我们还应该让这些用户能够发现自己的数据。通过提高大数据素养，人们可以更好地从分析中受益，因为他们可以根据自己的情况使用各种应用程序来帮助他们分析数据，并且可以使用分析工具自己分析数据。工作。从这个角度来看，开放、可扩展、可定制的上下文分析工具将成为未来的主流。

这些趋势不仅为提高信息活动水平，而且为提高数据素养水平提供了基础。毕竟，能够吸引“另一半人口”的新平台和技术将帮助我们进入一个将正确的数据与正确的人及其想法连接起来的新时代——将弥合我们拥有的数据水平与我们从中获取见解的能力之间的差距。

这是我们应该选择的道路，它将引领我们进入更加文明、信息化、事实化的新时代。