又到一年中的这个时候了。在你打开圣诞树下的礼物之前，我有一些更怪的礼物。为了回应来自数据和分析领域的高管和名人分享他们对明年的预测，我尽职地将它们汇编在一起。

今年的这批集中在人工智能、数据监管、数据治理、Hadoop市场状态、开源和“边缘”等方面。

关于人工智能(AI)的预测到处都是。他们有的乐观，有的过于乐观，有的则有点多疑和厌倦。例如，SAP负责机器学习和智能流程自动化的副总裁大卫•贾奇(David Judge)就看到了光明的未来:“2019年，人工智能将继续让我们的工作生活更轻松，让我们完成更多……工人们会根据自己的喜好选择自己的任务或将项目委托给机器。”

但Talend的首席技术官洛朗•布赖德(Laurent Bride)则较为乐观，他表示:“围绕数据道德的问题将放缓AI/ML的创新。”布赖德的观点是，现在我们正在克服我们对人工智能的崇拜，并试图使它变得有用，我们正在更好地欣赏道德和伦理困境。他相信即时的创新将会暂停(而不是停止)“因为研究人员试图找出一种公平、平衡的方法来做出机器决策。”

另外:人工智能将来需要治疗吗?CNET

或许创新将会放缓，但我们的许多预测者相信，现有人工智能创新的企业部署将会扩大和深化。Splice Machine首席执行官蒙特•兹韦文(Monte Zweben)表示:“机器学习将进入运营阶段，摆脱幕后实验，进入实时、关键任务的企业应用架构。”Salesforce高级副总裁兼通用分析专家Ketan Karkhanis认为，“2019年将是人工智能主导的分析(即自动发现)成为主流的一年。”Nutanix总经理维贾伊•拉亚帕提(Vijay Rayapati)解释称:“人工智能将成为主流，并将成为开发者的新API，因为智能将推动下一波商业软件服务实现自动化。”

然而，没有良好的数据，你就不可能拥有良好的人工智能。如果没有治理和法规遵从性，就不可能有数据完整性。因此，欧盟(eu)的GDPR(通用数据保护法规)显得格外重要，治理和数据目录的主题也很重要。

Alteryx首席战略官兰利•艾德(Langley Eide)在她的一项预测中使用了如下标题:“治理和数据编目成为协作的关键。首席信息安全官托马斯Honzak GoodData,认为“全球隐私,监管和治理将继续让安全专家夜不能寐”,关于GDPR的欧洲血统,指出,“美国将继续进一步下跌,进一步在能力与国际关系作为我们的联邦法规遵循工作根本不是很快,足以满足全球需求。”

此外:人工智能意味着一生的训练CNET

话虽如此，Talend的新娘相信美国将会参与到数据保护的游戏中来，她说“GDPR中的‘G’将很快代表‘全球’”，并继续解释“加州、日本和中国已经在制定自己的规则，采用类似于欧盟GDPR的规则。”首席产品官迈克•普利亚(Mike Puglia)或许会同意这种说法，他表示:“我们正看到越来越多的全球监管措施开始生效——GDPR就是其中之一。”Puglia还将遵从性视为更广泛的数据治理活动的驱动因素，他认为这是业务积极的。他的预测标题是“随着法规遵循的增长，数据治理发展为全公司范围的活动。”

但是，随着所有这些合规和治理工作的进行，我们该如何应对atAspirant公司首席分析官贝弗利·赖特博士的这一观察结果呢?:“公司公开表明，他们需要改变组织文化，使其在战略和战术决策的决策过程中更注重数据。现在，他们似乎开始采取措施鼓励这种转变，让环境更快地向前发展。”

information builders.com首席运营官弗兰克•维拉(Frank Vella)进一步支持了这种观点，他认为，“随着组织对数据价值链的进一步投入，用于分析的商业赞助数据管理驱动计划将会增多。”雪花公司的首席执行官鲍勃·穆格里亚(Bob Muglia)强化了这种想法，称“2019年将是许多公司的转折点。”那些调整自己的商业模式、战略和流程、变得更加以数据为导向的企业将会蓬勃发展，而其他许多企业则会受到干扰，半途而废。”

此外，61%的企业已经实施了人工智能技术

那么，如何协调法规遵循需求和利用数据价值链呢?Aaron Kalb Alation联合创始人兼副总裁的设计和战略举措,认为首席数据官(cdo)作为主持人在这方面,预测“cdo将桥自助服务的要求和治理目标,”指出的重要性“缩小的自助服务需求的业务与管理目标和法律部门。”

在所有这些关于宏伟概念的讨论中，关于技术堆栈的一些工业黄铜钉呢?读者听到关于Apache Hadoop的悲观论调时，不是觉得自己是对的，就是感到沮丧。Splice Machine的Zweben表示:“Hadoop的新客户增长将会放缓，而Hadoop集群的增长将会放缓。”另一位带着狗的首席执行官，GoodData的首席执行官罗曼·斯坦尼克说:“现代企业将继续超越Hadoop等技术。”

第五名:人工智能将改变商业技术

Yowza !事实证明，这些闪亮的新产品现在都是像Docker和Kubernetes这样的容器技术。MapR负责数据和应用的高级副总裁杰克•诺里斯(Jack Norris)表示:“2019年是集装箱和人工智能在主流领域相遇的一年。”Nutanix的rayapatiup支持他的观点，他说:“企业的数字化将推动以云、容器和微服务为动力的现代IT架构，但也为企业的监视、管理和治理带来新的挑战。”(又出现了讨厌的治理问题!)

当然，将Hadoop、Docker和Kubernetes联系在一起的是它们都是开源技术，我们的预言家对此有很多话要说。我再一次引用了Talend的Laurent Bride的话，他说“市场将会在开源技术上加倍”，并引用Cloudera/Hortonworks的合并作为支持这一观点的众多合并/收购之一。(顺便说一句，GoodData的斯坦尼克认为这次合并是某种程度上的负面指标，他说这次交易“是对Hadoop 2019年预期价值的第一次观察”)。Dremio的联合创始人兼首席执行官Tomer Shiran也对开源发表了看法。他相信，“使用开源项目、开放标准和云服务，公司将向关键业务线的数据消费者交付他们的第一次数据即服务迭代”。

另外:人类能控制AI吗?

不过，人们对OSS的流行也有些悲观。streamlio的创始人Karthik Ramasamy将Apache Pulsar、Heron和Bookkeeper等开源技术整合在一起，他认为“随着主要的云平台供应商采取更多措施来利用开源生态系统，紧张局势将进一步加剧。”Ramasamy继续解释说:“大的云提供商将会破坏开源社区和供应商，因为他们会推出自己的基于开源的封闭云服务，而不会回馈给这些社区。”虽然他确实引用了一个相反的案例，但他仍然警告说，“这些公司在开源领域充当‘好公民’的程度将值得关注。”

带着对《闪电侠》的歉意，今年的预测中有很多关于“边缘”的讨论。本质上，“边缘”指的是计算能力，尤其是在物联网(IoT)和人工智能领域，远离云，进入传感器漫游的领域。这是PC革命，redux。

FogHorn的首席技术官萨斯特里•马拉迪(Sastry Malladi)在谈到工业物联网(IIoT)时表示:“随着IIoT项目从以云为中心的方法转向，人工智能和IIoT发展的下一步将是解决将算法转换为在更小范围内工作的需求。”数据工匠(Data Artisans)的联合创始人兼首席技术官斯蒂芬·埃文(Stephan Ewen)表示:“流处理将成为实现‘边缘计算’的有效方式。因为它“非常适合在设备或网关上对数据进行预处理，也非常适合在边缘上运行事件驱动逻辑”。

AI:来自首席数据科学办公室的观点

MapR的诺里斯解释说，“2019年，钟摆将转向关注边缘的分析。”Norris进一步阐述:“这种趋势的成本驱动因素是带宽(半连接环境和昂贵的蜂窝网络)考虑和存储(减少发送到云的数据量)。”

看看我们明年在这些预测上取得多大进展，将会很有启发意义。但对人工智能、治理和合规的三重关注，将在很大程度上决定所发生的事情。股市动荡和供应商过剩也可能产生影响。我预计，企业将在分析和人工智能方面投入大量资金，并围绕这些投资的效率和回报制定更高的标准。2019年有望成为该行业实现这一目标的一年。

什么是人工智能?你需要知道的一切

人工智能执行指南，从机器学习和一般人工智能到神经网络。

什么是深度学习?你需要知道的一切

深度学习的内幕:从它如何与更广泛的机器学习领域联系到如何开始。

什么是机器学习?你需要知道的一切

本指南解释了什么是机器学习，它是如何与人工智能相关的，它是如何工作的，以及它为什么重要。

什么是云计算?你需要知道的一切

云计算的介绍，从基础到IaaS和PaaS，混合云，公共云和私有云。