大數據媒體KDnuggets就大數據領域的發展現狀與趨勢采訪了8位業內專家，以下是他們的觀點。

　　大數領域專家、科技創業導師，作者

　　由于亞馬遜AWS、Rackspace、Azure等云

 　　數據服務的興起，2016年數據量出現了大規模增長，數據量增長的趨勢將在2017年持續。2017年還將出現更多機器學習、認知計算、預測分析相關的項目。2017年依然會面臨數據隱私問題，數據科學家、首席數據官、首席架構師等職位在2017年會越來越熱門、定位也會越來越清晰。實時數據流和更加復雜的數據管道將重新定義大數據。

　　IBM數據科學布道師

 　　Hadoop在大數據領域衰落的速度比我預想的更快，MapReduce、HBase，甚至HDFS對于數據科學家也沒有以前那么重要了。

 　　2017年最主要的趨勢是更多的程序員學習選擇數據科學技能，以發展自己的職業生涯。2017年最熱門的數據科學項目會聚焦在流媒體分析、嵌入式深度學習、認知物聯網(cognitive IoT)、認知聊天機器人、嵌入式機器認知、自動駕駛汽車、計算機視覺和語音識別等領域。同時，我們也會在明年看到新一代的神經網絡芯片、GPU和其他的高性能認知計算框架。

　　Gartner副總裁，知名分析師

 　　2016年大數據最大的一個變化是人們不再談論大數據了，大數據的概念已經普及。關注的重點逐步轉為商業導向，如何管理、評估“信息資產”，以及如何對“信息資產”進行變現。

 　　2017年我們應該努力弄清楚數據權利和責任、所有權，尤其是涉及到物聯網數據。目前數據資產在會計業、律師界和保險行業都十分棱模兩可。但隨著機構投資人和分析師越來越看重企業的信息化程度，這種情況會逐步改善。2017年大公司會越來越注重大數據人才，比如數據經理人和其他信息整合人才。

　　商業智能&數據架構師，All Things Data博主

 　　2016年大數據已經沒有前幾年那么火熱，隨著大數據基礎設施、軟件和理論的發展，大數據分析解決方案已經越來越成熟、普及，不再僅僅局限于少數先行者。隨著大數據的成熟，自助服務和自動化得到越來越多的關注。雖然大數據分析解決方案越來越容易獲取，但是我們仍然需要具備通信、信息處理技術的專業人員才能使用。隨著人工智能、機器學習、VR、AR、物聯網、容器技術的發展，大數據解決方案將進入新的階段，越來越逼近摩爾定律的邊界。

　　Datafloq創始人，《ThinkBigger》作者

 　　對于大數據，2016年是令人激動的一年，大數據不再只是一個熱門概念或者流行詞語。因為大數據公司已經開發了實際的解決方案和應用。

 　　在2017年這種趨勢將會持續，隨著技術越來越智能，我們會看到新的應用被開發出來。深度學習和人工智能將變得更加智能，并將更多地應用于組織機構，因為計算能力和數據量不再成為開發智能應用程序的障礙，2017年將是令人興奮的一年，但隨著大數據、智能應用的發展，數據安全問題也越來越嚴重。

　　大數據科學家、Adversitement主管

 　　2016年，大數據經歷從單一部門到跨部門的應用。物聯網數據應用開始在一些關鍵領域出現，此外，隨著云計算平臺的發展，為越來越多的機器學習應用研發提供了支持。

 　　2017，我們會看到人工智能的增長、物聯網應用的爆發，以及機器學習的廣泛應用。技術已經準備好了，而且用戶對大數據技術改善體驗的需求非常強。根據預測，2020年連網設備數將達到100億到340億之間。

　　斯坦福大學教授、計算學科學家

 　　歐盟已經根據數據的使用和分析模型出臺了一個新的隱私保護法。將在2018年1月開始生效。這一法案將會造成怎樣的影響現在還不可知，但數據公司一直十分糾結到底哪些數據和分析方法是允許被使用的，比如Google可以分析用戶郵件內容，以判定是否為垃圾郵件，但Google到底有沒有讀取用戶郵件內容的權力?

　　Databricks首席科學家、Apache Spark創始人

 　　公有云正在成為部署大數據的主流方式。根據Apache Spark今年夏天的用戶調查，在公有云部署Spark的用戶比例達(61%)比使用Hadoop YARN的用戶(36%)更高。此外，使用公有云的用戶從2015年的51%增長到61%，使用HadoopYARN的用戶從2015年的40%下跌到36%。其中的一個原因是亞馬遜S3這類云存儲產品價格越來越低，越來越穩定，也比Hadoop分布式文件系統更容易管理。