大數(shù)據(jù)正在進入一個成熟的新階段，在未來的十年中，這將帶來更大的業(yè)務(wù)影響和行業(yè)中斷。隨著大數(shù)據(jù)計劃的成熟，組織現(xiàn)在正在將大數(shù)據(jù)流程的敏捷性與人工智能（AI）功能的規(guī)模相結(jié)合，以加快業(yè)務(wù)價值的交易，那大數(shù)據(jù)時代的發(fā)展趨勢和現(xiàn)狀怎么樣？

大數(shù)據(jù)與AI的融合已成為唯一最重要的發(fā)展，它正在塑造著企業(yè)如何通過其數(shù)據(jù)和分析功能推動業(yè)務(wù)價值的未來。更大數(shù)量和數(shù)據(jù)源的可用性首次使AI和機器學(xué)習(xí)功能一直處于休眠狀態(tài)，這歸因于缺乏數(shù)據(jù)可用性，有限的樣本大小以及無法在毫秒內(nèi)分析大量數(shù)據(jù)。數(shù)字功能已將數(shù)據(jù)從批處理轉(zhuǎn)移到實時，始終可用的在線訪問。

盡管許多AI技術(shù)已經(jīng)存在了幾十年，但直到現(xiàn)在它們才能夠利用足夠大小的數(shù)據(jù)集來提供有意義的學(xué)習(xí)和結(jié)果。通過敏捷性和即時訪問來訪問大量數(shù)據(jù)的能力正在導(dǎo)致AI應(yīng)用程序和機器學(xué)習(xí)應(yīng)用程序的快速發(fā)展。盡管統(tǒng)計學(xué)家和早期數(shù)據(jù)科學(xué)家通常僅限于處理“樣本”數(shù)據(jù)集，但大數(shù)據(jù)使數(shù)據(jù)科學(xué)家能夠不受限制地訪問和處理海量數(shù)據(jù)。

現(xiàn)在，數(shù)據(jù)科學(xué)家不再依賴代表性的數(shù)據(jù)樣本，而是可以依靠數(shù)據(jù)本身的所有粒度，細(xì)微差別和細(xì)節(jié)。這就是為什么許多組織已從基于假設(shè)的方法轉(zhuǎn)變?yōu)椤皵?shù)據(jù)優(yōu)先”方法的原因。組織現(xiàn)在可以加載所有數(shù)據(jù)，讓數(shù)據(jù)本身指明方向并講故事。可以收集不必要或冗余的數(shù)據(jù)，并可以使用“分析沙箱”或大數(shù)據(jù)“卓越中心”來分析更多指示性和預(yù)測性數(shù)據(jù)，這些數(shù)據(jù)可以利用數(shù)據(jù)管理方法的靈活性和敏捷性。

大數(shù)據(jù)的使徒通常將他們的方法稱為“加載和運行”。大數(shù)據(jù)提供了一種鼓勵通過迭代發(fā)現(xiàn)數(shù)據(jù)的環(huán)境。結(jié)果，企業(yè)可以更快地行動，進行更多實驗并快速學(xué)習(xí)。換句話說，大數(shù)據(jù)使組織能夠快速失敗并更快地學(xué)習(xí)。
責(zé)任編輯：YYX