在刚刚过去的2016年，甲骨文大数据副总裁Balaji Thiagarajan表示，随着智能手机，笔记本电脑，机器、车辆和电器上的传感器兴起，大量数据正在生成。 他指出，对于能够转型和管理大数据的公司来说，数据是一个巨大的机会，可以作为竞争优势的来源，应该更好利用它。 大数据和云是推动巨大变革的两种技术，Balaji说，组织必须准备好做出反应，并利用重要的新趋势和技术，以确保在2017明年能落地。 在这里，Balaji和我们分享了2017年大数据的10个关键趋势。

　　1-无处不在的机器学习时代已经到来。 根据Balaji所说，机器学习不再是数据科学家的唯一专利。 将机器学习应用到大量数据的能力大大增加了其对于业务分析师和最终用户的工具的重要性和更广泛的采用，并且机器学习能力的可用性将大大增加，从而影响企业和政府如何进行他们的业务。他说“机器学习将影响最终用户，如与保险，家用能源，医疗保健和停车计时器的互动等等”

　　2-当数据不能移动时，将云带到数据身边。 Balaji说，并不总是可以将数据移动到外部数据中心。 隐私问题，法规和数据主权问题通常不允许这些行为，有时，数据量非常大，以至于迁移它的网络成本将超过任何潜在的好处。 在这种情况下，答案是将云带到数据身边。 他表示，未来越来越多的组织将需要开发云策略来处理多个位置的数据。

　　3-应用，而不仅仅是分析，推动大数据的广泛应用。 Balaji表示，大数据技术的早期使用案例主要集中在IT效率，大规模数据处理和分析解决方案，但现在有各种各样的行业特定的业务驱动需求要求能支持依赖于大数据的新一代应用系统。 越来越多的应用程序正在推动大数据的广泛采用。

　　4-物联网将与企业应用程序集成。 Balaji指出物联网不仅仅是无生命的物体。 然而，诸如为患者提供更高水平的医疗保健，或通过移动应用对人们通过他们交互的设备生成的行为数据采取来增强客户体验。 企业必须简化IoT应用程序开发，并将此数据与业务应用程序快速集成。 Balaji说，通过将新的数据源与实时分析和行为输入混合，企业正在开发一种能够适应和实时学习的新型云应用程序，他指出，这种影响不仅会在商业世界中受到影响， 而且还将影响全球指数增长的智能城市和智能国家项目中。

　　5-数据虚拟化将点亮暗数据。 数据孤岛在企业的Hadoop，Spark和NoSQL数据库等平台上激增，Balaji指出。 潜在的有价值的数据仍然在黑暗之中，因为它很难访问（也很难找到）。 因此，组织意识到将一切迁移到单个存储库以进行统一访问是不可行的，并且需要采用打通各类技术平台的数据虚拟化方法。

　　6- Kafka的成熟和广泛应用。 Apache的Kafka技术已经建立了很好增长势头，并且很可能在2017年达到高峰，Balaji说“Kafka是无缝发布大数据事件主题，将数据摄入Hadoop，以及向企业数据消费者分发数据的手段。 Kafka采用传统的，经过验证的总线式架构模式，但支持非常庞大的数据集和支持各种数据结构。 这使得它是理想的将大数据摄入您数据湖的方法，并提供订阅者访问您的消费者应该需要知道的任何事件的信息”

　　7-预包装集成云数据系统的繁荣。 越来越多的公司看到数据实验室和端到端数据平台的价值，用于实验大数据和推动创新，但是吸收速度一直很慢，Balaji说。 “从头开始构建这些是不容易的，无论是内部部署还是云。 预包装产品包括集成云服务，如数据湖，数据流，数据科学，数据处理，数据集成和分析，消除了自己动手解决方案的复杂性。 预计2017年将是预包装，集成云数据实验室的繁荣之年。

　　8-基于云的对象存储成为Hadoop HDFS的可行替代方案。 Balaji说：“对象存储具有许多可取的属性：可用性，复制（跨驱动器，机架，域和数据中心）甚至是容灾和备份。 “它们是存储大量数据的最便宜，最简单的地方，可以直接容纳Spark等框架。 我们看到对象存储技术成为大数据的存储库，因为它们与大数据计算技术越来越集成，并且将为许多用例提供HDFS存储的可行替代方案。 所有都作为相同数据分层架构的一部分存在。

　　9-下一代计算架构使云深度学习成为可能。 计算加速技术，如GPU和NVMe; 存储和计算的最佳放置; 高容量，非阻塞的网络 - 这些东西都不是新的，但是所有这些的融合是，Balaji说。 “他们一起，实现了云计算架构，在计算，I / O和网络性能方面实现了数量级的提升。 让深度学习与现有业务应用程序和过程轻松集成。

　　10-Hadoop安全性不再是可以舍弃的选择。 Hadoop部署和用例不再主要是实验性的。 Balaji说，越来越多的企业对企业来说是关键业务系统之一。 “因此，Hadoop安全性是非可选的。 您可以期望为未来的大数据项目部署多层次的安全解决方案。