三个示例强调了机器学习预测分析的强大功能，曾经有一段时间，依靠基于历史数据的报告是常态，并且被认为可以用于制定业务决策，统计和预测技术有助于扩大这些决策，但由于各种原因，它从未完全脱颖而出，包括需要根据样本量运行预测以及无法合并新数据源，大数据的初承诺是满足这些未满足的需求-终，该行业和生态系统在基于机器学习的预测分析方面取得了长足的进步，并开始大步向前。

聚类是聚类分析的缩写，聚类分析是一种统计分析，涉及将相似的对象分组到不同的聚类中，相似性是根据一种或多种预定义的度量确定的，聚类在其他领域的销售和营销分析中非常有用。

这三个预测分析里程碑在来年值得关注，我们是一个意想不到的后果的行业，现在从80年代开始的局域网协议每天平均为隔离的美国人提供八小时的高清视频，智能手机减少了相机销售和摄影胶片行业，我们现在实时地看到所有趋势之母的诞生，这些趋势将释放出巨大的新的意外结果，无论是正面的还是负面的。当机器学习和其他高级分析变得普遍时，将会发生什么？

企业正在使用许多策略来从大数据和数据科学中获得底线价值，我们近发布了实践报告，数据科学和大数据，企业通往成功的道路，研究的前提之一是成功的途径很多，企业正在针对平台，工具和组织模型采用不同的策略，以启动大数据项目并使其不断发展。

为了从大数据和其他新数据源中获得全部业务价值，许多组织使用Hadoop之上的数据湖来捕获，处理和管理大规模数据，以进行业务分析，管理多样化的大数据很重要，但这仅仅是达到目的的一种手段。精明的经理的终目标是从数据中获取业务价值并提高组织效率，而不仅仅是将其捕获在成本中心中，达到这一价值的主要途径是通过分析，在这种情况下，以下是基于Hadoop的数据湖提供的一些新的分析实践。

随着云计算应用的加速发展，用户希望获得所有可能的世界中的-灵活性和易用性以及数据周围的严格安全性，虚拟公共云可能是答案，在过去的一年中，随着向云（和多云环境）的转移变得越来越大，在管理数据和工作负载方面出现了新的挑战，公司希望在自己的帐户和环境中保持数据安全，但仍要利用云进行分析，他们希望对数据湖进行快速分析，他们还希望在不同的云环境中利用其应用程序的容器，我相信这是2021年我们将看到的主要数据趋势。