众所周知，要你在没有互联网的状态下生活一年给你十万你愿不愿意?关于这个金钱与互联网之间的问题让很多人都纠结不已，绝大部分的人都已经离不开互联网了。从伸长脖子看屏幕到低下头来看手机，互联网的服务方式正在改变，但是没有改变的是人们那颗离不开互联网的心。
随着互联网技术的兴起，“互联网+行业”已经成为发展的趋势和潮流，双方互相渗透和融合。互联网为传统行业提供新的思想，促进传统行业转型升级。同样新的思想也只有通过传统行业才能落地，避免新的思维成为镜中月和水中花。2017年是人工智能技术的突飞猛进的元年，为传统行业的转型升级又提供了强有力的助力，可以预计2018年5g、人工智能、大数据等新技术在行业中的应用将更加落地。随着存储层次的完善，我们将在今年看到其他层次结构被逐渐认可。例如，分析涉及从与特定团队或业务单位相关的实验数据集到对整个企业都有用的高度结构化，审核和共识驱动的数据。 中间是结构化数据集，可能由于大小或清洁程度而被视为略低于生产水平。随着国家对工业互联网的推动，企业又该如何跟上工业互联网创新发展的浪潮？一是围绕企业内部的优化和改进，实现基于数据驱动的智能生产能力，提升企业竞争力;二是实现面向企业外部的价值链延伸，包括智能产品、服务和协同，打通企业内外部的数据链与价值链，实现基于智能产品的服务、基于供应链的制造协同和基于用户对接的规模化定制;三是在企业发展到一定阶段和水平后，通过构建平台将自身数字化转型的能力和经验向更多企业输出，实现面向开放生态的平台化运营，提升数据驱动的生态运营能力。
现在的数据世界正在发生什么，它将如何影响2018年的市场?比如这些头条新闻:人工智能无处不在，并将改变一切;企业继续将他们的基础设施和数据转移到云端;gdpr将使数据保护成为每个公司的首要任务。你知道这些，但也许会对这种夸大其词的说法有点怀疑。也许你熟悉数据分层的概念，比如数据存储与其访问频率的相关性。“热门”数据，即最常用的数据，有时访问请求会被路由到非常快的存储，比如固态硬盘，甚至是cpu缓存中；而冷门数据通常存储在更老的，但更便宜的旋转硬盘驱动器之中。实验数据集存储在数据湖中最好；逻辑上，高度审查的数据集最好存储在数据仓库中。中级数据集可能比较适合放在hadoop或云存储中，但通常会使用ibm big sql，microsoft polybase和oracle big data sql等sql-on-hadoop工具从关系型数据库中进行查询。
层次结构之所以重要，是因为相应的工具和技术也存在分级，包括查询端的商业智能和大数据分析工具，以及存储库端的事务型数据库，nosql数据库，数据仓库和数据湖。虽然最终，层次结构可能会得到简化，技术可能会趋于整合，但是现在有了这么多的技术选择，我们就需要数据中的层次结构来规定我们在工具链部署中的最佳实践。
他们也对整个行业实现了商品化。在tableau public，qlik sense cloud basic和power bi desktop（以及power bi云服务的免费层）之间，可以免费体验入门级分析功能，随着添加像plotly这样的可视化工具，体验d3生态系统和开源的地理空间/地图平台，你会发现你的分析能力从受时间限制变成了受金钱限制，你需要通过付费来获得更好的产品功能。即使遵循法规是催化剂，但治理背后还有其他驱动因素。其中最大的一项是数据分类，它们使数据湖中的数据集更有条理，并且更易于发现。数据发现工具可以帮助您通过查看数据库和数据湖，报告其数据内部和数据之间的关系和数据流。从另一个角度来讲，这些工具使数据湖本身更具有可用性，对其投资更加有效。随着公司对前几年投资寻求更好的回报，数据分类和发现工具将越来越受欢迎，进一步推动了治理技术的发展。我们通过一部手机在家创业，如果你想改变那么你可以去找壹捌玖柒伍伍伍零贰玖零去听他关于互联网趋势的分析。已经谈到了基于云存储的数据湖的发展趋势。但事实是，这不是一个随机出现的有趣的上云案例，这是主要云供应商的中心卖点和销售策略。在特定的云平台上，你存储的数据越多，你就会在这个平台上针对这些数据做更多的工作，包括但不限于数据准备，分析，预测建模和模型训练(在高端的gpu加速虚拟机上)。云之战是数据存储之战，赢家可能会让你深陷其中。
对大趋势进行识别和预测是非常有趣的。那些行业中发生的具体而突出的变化，以及供应商和客户追求的策略，可以帮助您制定自己的发展计划，他们为您的决定提供了依据：你今年要做什么，你不会做什么，以及你合理期待的结果。对于像数据分析这样的创新热点，您需要不断规划您的方案并进行大笔投注，但您也需要采取一定的保障措施。我们希望并相信这七个趋势分析可以帮助您做到这两点。