摘要：2017年即将来临，虽然2016年是自助数据准备和分析世界的突破性的一年，2017年将带来更多的创新，将继续促使数据科学家，数据分析师和业务用户利用其洞察力提供业务价值，并改进操作流程。

    2017年即将来临，虽然2016年是自助数据准备和分析世界的突破性的一年，2017年将带来更多的创新，将继续促使数据科学家，数据分析师和业务用户利用其洞察力提供业务价值，并改进操作流程。
　　
　　以下有五个将在2017年看到的数据准备和分析预测。
　　
　　1.数据质量和数据准备将开始融合
　　
　　如今，数据质量和数据准备是两个单独和独特的功能。但是，随着二者的发展，数据准备解决方案开始融入许多数据质量能力。数据准备从各种不同的来源提取信息，然后混合和操纵它，因此这是干净和准确的分析。同样，数据质量供应商也开始解决数据准备问题。2017年将是数据质量和数据预备融合的一年，组织将更好地了解如何实施两者的功能，并获得最佳的分析结果。
　　
　　2.物联网（IoT）数据将推动时间序列数据库的需求
　　
　　物联网时代已经来临，越来越多的企业开始利用这些设备的数据进行分析。但是，访问和使用此数据的最佳方式是什么？将这些信息放到“愚蠢”的存储库中，或者没有能力来有效地分析来自物联网设备的数据。
　　
　　组织通过操作流程的不同部分收集用户的不同数据需要能够维护时间戳，然后随着时间的推移组合，聚合，以及回放信息，从而获得整体视图。随着物联网设备及其生产的数据的迅速增长以及实时数据准备功能的完善，人们在2017年将看到用户对时间序列数据库的需求上升。
　　
　　3.高级分析将变得更加普遍
　　
　　高级分析过程在传统上被委托给数据科学家。但更多的供应商开始在其解决方案中添加高级分析功能，使日常业务用户能够处理这一过程，并获得预测性的洞察力。人们在2017年将看到高级分析从其新颖性转变为驱动企业运营的核心能力。
　　
　　4.数据虚拟化回归
　　
　　数据虚拟化将成为更加流行的分析过程。数据虚拟化是一种方法，它不是将数据从源移动到数据仓库进行分析，而是将数据保留在其中并创建虚拟数据仓库。数据物理驻留并停留在事务系统中，但这些虚拟仓库允许用户按逻辑顺序查看信息。这是一个承载很多承诺的技术。它削减了成本，因为组织不需要创建仓库;它有助于实时分析，因为数据不需要移动;并提高敏捷性，使用户能够更快地分析更多来源。
　　
　　虽然10多年前，数据虚拟化有其一定的障碍，阻止它被广泛用于分析过程。虽然挑战仍然存在，但人们将在2017年看到对这项技术的重新应用，这一趋势主要由供应商带来的数据虚拟化与数据准备一起创建信息架构，并以更低的成本提供自助服务敏捷性。
　　
　　5.数据社会化将使数据准备和分析世界难以掌控
　　
　　自助服务分析使数据用户能够做出业务决策，而不必依赖IT。但是，对于所有的好处，该技术也使得许多企业的数据景观变得更加难以掌控。
　　
　　数据现在分布在整个组织中，而且通常是孤立管理的。因为数据是如此分散，用户不知道在哪里找到他们需要分析的所有信息，更不用说如何访问和使用它。用户正在浪费宝贵的时间筛选大量的无关数据，并且仍然无法获得正确的信息。由于这种复杂性，用户只能转向驻留在桌面上的文档。这不仅导致分析师只能根据不完整的信息做出有价值的业务决策，而且还迫使分析人员在隔离中工作。数据和分析结果没有被分享和重用于更好的业务;相反，用户从头开始每个分析项目，没有获得重复数据建模的好处。
　　
　　2017年，数据社会化将真正革新自助服务数据准备和分析经验。这种变革性的新能力将传统的自助服务数据准备优势与社交媒体平台通用的关键属性相结合。强大的组合将使组织的数据科学家，业务分析师甚至新手业务用户能够搜索，共享，以及重用准备好的管理数据，实现企业协作和敏捷性，从而实现更好、更快的业务决策。
　　
　　编辑：Harris