随着自助数据分析解决方案的激增，数据的准确性和新鲜度将在2020年成为头等大事

及时和的更多自助服务数据发现将需要更多数据治理，包括审计哪些人有权访问哪些数据和见解协作以及他们如何进行协作，数据混合的质量和及时性以及仪表板是动态还是静态。数据可以“验证为”。讲故事和数据协作将成为企业快速消费信息并制定决策的新模型。

自助服务大数据门户将弥合数据科学家与业务数据分析师之间的鸿沟

因为在企业的各个领域中更容易获得深度学习意见；由于企业客户之间对网络带宽的担忧，越来越多的云采用将迫使主要的云提供商考虑采用区域化的服务方法，大数据和机器学习将离开“幻灭低谷”，移至“启示坡度”如果认为你已通过将所有内容移入数据湖解决了大数据种类“数据孤岛”问题？再想一想，数据孤岛比任何其他问题都更是人员/流程/技术孤岛问题。解决方案？聪明的公司可以做到这一点，并且主流的企业计算基础架构趋势对他们有利。在数据仓库和其他传统数据分析基础架构中进行的“喷雾和祈祷”增量投资将开始让位于范围广泛（涵盖所有企业孤岛），提供分布式数据基础架构，使用开源软件，并支持“本机”和声明性语言/ SQL访问。

摆式从集中式摆动到分布式

技术周期从集中式工作负载到分布式工作负载来回摆动，大数据解决方案初集中于集中式数据湖，这些数据湖可减少数据重复，简化管理并支持包括客户360分析在内的各种应用程序。但是，在2020年大型企业将越来越多地转向大数据的分布式处理，以应对管理多个设备，多个数据中心，多个全球用例以及更改海外数据安全规则（安全港）的挑战，快速的网络和边缘处理的持续增长将进一步决定分布式处理框架的部署。

自动化将兑现大数据的承诺

一次又一次，我们看到大数据计划因企业如何组织数据而失败，但是为了利用大数据投资，公司需要将洞察力转化为行动。我们已经看到大数据自动化已用于简化和消除流程，但在2020年它将被广泛用于强调人类独特的能力来解决复杂问题并为他们提供创新的解决方案。

我们预计来年的大数据和分析项目将需要的两件事

速度和专一性数据量和数据源在2020年将继续爆炸性增长，因此需要即时收集的即时情报，同时仍要利用现有系统和不同的数据源。明年，多达90％的公司将采用新的流畅的大数据基础架构方法来处理大数据。他们将需要针对其行业和特定业务挑战量身定制的特定解决方案，以从大数据项目中获得成功的业务成果。

公司将不再拥有一个大型的集中式IT团队

而是建立一个较小的集中式IT团队，并由各个技术团队与每个业务部门进行协作。这样就形成了一个两层的支持结构，其中通用请求集中服务，而专用请求则现场服务，以提高速度，拟合优度，一致性和效率。初，这将使需要开发针对新组建的LOB-IT组的营销和销售机制的大数据供应商的进入市场方法复杂化。

在构建正确的技术堆栈以利用这些数据进行实时洞察以交付真正的客户价值时，大数据意味着巨大的挑战。我预计在2020年，我们将在提供集成了分布式数据层关键组件的技术堆栈方面看到巨大的进步，这些堆栈将消除许多技术复杂性，使其在企业中更易使用，并为解决这一难题带来操作简便性。

存储信息的各个方面并获得商业智能的想法正在彻底改变IT经济

但是随着信息大爆炸，数据的复杂性和规模正在扼杀这场革命。只能通过一种针对结构化和非结构化数据的集成解决方案来简化和统一数据，才能实现拯救，已经采取了一些简化步骤-例如使用  HTAP  做法或  Spark 与Hadoop有关–但它们只是乐队助手，甚至都没有暗示试图解决集中统一的真正问题，将这两个信息孤岛放在一起对于获取我们从大数据中获得的见解至关重要。

为了实现这一点需要从根本上改变存储和呈现数据的方式

与其尝试将技术改造为现有数据库解决方案之上的技术，还需要一种新的科学方法，以自下而上地将结构化和非结构化数据整合在一起。而且，这意味着要取消传统的数据仓库（无论如何不能跟上大数据的步伐或种类），并以原始状态存储所有数据。一种新的科学，使信息奇异性（简化与统一）成为现实。可能收集任何类型的数据，无论采用何种形式或模型，都可以实时获得所需的内容，也可以根据需要进行查看。只有这样，我们不断期待的所有大数据洞察力才有可能实现。

大数据已变得无处不在并已集成到我们所做的一切工作中（从阅读地图到在线购物或在商店购物）

不再成为单独的讨论主题，2020年技术人员将把注意力从大数据转移到机器学习，并提供主动见解，“主动情报”将成为新的焦点，公司将利用诸如预测分析和机器学习之类的技术来提供可全天候24小时主动分析数据并在发生重大事件时向我们发出警报的解决方案。