Big Data Quarterly：2016大数据企业50强

大数据领域正在发生巨变。有更多的数据被创造、存储和迁移，而企业比以往任何时候都更加渴望从中获取价值。

对数据增长的预测令人震惊。美国计算机科学公司（CSC）估计，到2020年，超过三分之一的数据都会途经或存放于云端。数据存储厂商易安信（EMC）表示，数字世界的规模目前每两年就要翻上一番，待到2020年，每年生成和复制出的数据将达到44ZB。

按照思科（Cisco）的说法，要不了五年，智能手机的网络流量就会超过电脑的网络流量。该公司预测，到2020年，电脑在网络流量中的占比将只有29%，而智能手机将占到30%。而若仅就物联网而言，麦肯锡全球研究所（McKinsey Global Institute）预计，到2025年，嵌入式传感器和联网设备对世界经济的贡献将高达6.2万亿美元。

如何对迅猛增长的数据量进行有效管理？这已经成为一大难题。Unisphere Research近日对身为独立甲骨文用户联盟（Independent Oracle Users Group，简称IOUG）成员的数据管理者和数据专业人士进行了一项调查，发现数据足迹的实例数量和规模大小都在膨胀，给管理者带来了不小的挑战。据甲骨文（Oracle）赞助的《迅速加快的云事业：2015年IOUG数据库可管理性调查》（The Rapidly AcceleratingCloud-Enabled Enterprise: 2015 IOUG Survey on Database Manageability）报告显示，大多数受访者称他们的数据量每年增长10%以上；至少38%的受访者称他们的公司管理着至少100个不同的数据库，较2013年的调查结果（25%）有所上升。

数据库规模方面，10%的受访者称数据规模每年在以超过50%的速度增长，另外28%的受访者称增速超过20%。这项调查发现，为了维护数据环境的通用性和一致性，市场对自动化和主动式管理的需求均有所上升。

随着企业从墨守成规向创新转变，易安信赞助的另一项IOUG调查发现，虽然很多企业继续通过添加更多的存储阵列和服务器等硬件来应对令人头疼的数据库和数据中心挑战，但提高效率的进阶方法也越来越受关注。整合、自动化和虚拟化便是三种直接关系到这些受访者所在企业未来能力的数据管理方法。

总而言之，随着数据种类、数据量和处理速度的增长，需要采取新的数据管理方法。如今，数据湖使企业能够积累大量数据以供将来分析，云技术为企业获得所需技术和服务大开方便之门，人工智能则有望主动简化数据管理。开源技术对大规模数据处理的价值也越来越受关注，比如Spark和Hadoop，以及能在通用硬件上运行、支持非结构化和非关系型数据的各种NoSQL数据库变体。此外，数据发现和数据可视化对普通商业用户大有好处，不断发展的物联网提供了大量的实时数据分析机会，还有各种各样的方法可以从新的数据源中获取价值。

为了应对IT行业的迅速变迁，有些公司甚至进行重组，希望以此令自己处于最有利的地位，牢牢抓住新的机遇。在过去的一年里，很多引人注目的并购和拆分已经或即将完成，有些行业专家预测科技企业在证交所挂牌上市的数量将出现增长。

为了帮助企业继续充分利用他们的数据，美国《大数据季刊》（Big Data Quarterly）发布了第二届年度“大数据企业50强”榜单。就管理数据和从数据中获取价值而言，榜单上这些具有前瞻意识的企业正在为我们创造新的可能。

本文转自d1net（转载）

阿里云EMR2.0平台：让大数据更简单 作为国内开源大数据领域的引领者，EMR2.0在平台体验、数据开发、产品形态及数据分析等方面做了全面突破与创新，重新定义了新一代开源大数据平台。本文介绍如何利用EMR新平台实现更加低成本、高效率、智能化的大数据集群管控和应用开发。
初始大数据（Big Data）开发 大数据(big data)，或称巨量资料，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。主要解决的是对海量数据的存储以及海量数据的计算分析问题
带你读《Greenplum：从大数据战略到实现》之一：ABC：人工智能、大数据和云计算 这是一本系统剖析Greenplum开源大数据平台的书籍，也是大数据战略制定与落地的实战型指导书！本书围绕数字原生和云计算、大数据、人工智能驱动的企业数字化转型的核心诉求，从商业和技术实战视角分享了业界领先企业大数据战略的深刻思考，并提供了大数据战略从制定到落地的全面指导。既有高阶数字化战略高度对大数据的解读，又有技术实战角度对使用 Greenplum 大数据和机器学习平台实现大数据战略的实践指南。
大数据data开发有哪些好的辅助工具? 作为一个程序员开发工具好比是人的手和脚，只有把这些开发工具用好，才能做好一个产品的需求。大多使用SQL数据库存储/检索数据，如今很多情况下，它都不再能满足我们的需求。下面小编就介绍一些大数据data开发常用的辅助工具。
被神话的大数据——从大数据（big data）到深度数据（deep data）思维转变 自从阿法狗战胜人类顶级棋手之后，深度学习、人工智能变得再一次火热起来，但有一个基本的误解是更大的数据会产生更好的机器学习结果。然而，更大的数据池/仓库并不一定有助于模型学习到更深刻的见解。正确的答案是？
Data Lake Analytics-数据分析时代迎来新变革 近期阿里云重磅推出新的数据分析引擎Data Lake Analytics，Data Lake Analytics是Serverless化的交互式联邦查询服务。无需ETL，使用标准SQL即可分析与集成对象存储(OSS)、数据库
How AHI Fintech and DataVisor are Securing Data through AI and Big Data With growing threat of cyber-attacks, organizations like AHI Fintech and DataVisor are using Big Data and AI to help customers in China to protect their data.