-
八大趋势
Boss直聘发布《2020人才资本趋势报告》，突变时代迎来八大趋势
近日，Boss直聘在北京举办了年度合作伙伴大会“ECHO2020”，在活动上发布了《2020人力资本趋势报告》，该报告由Boss直聘职业科学实验室及 Boss直聘研究院制作出品。
报告数据来源于Boss直聘平台以及《2020求职需求趋势调查》3060份调研问卷，其问卷样本包括23%核心高管、32%部门负责人以及45%的人力资源专员，覆盖互联网/IT/软件、电子通信、教育、金融、房地产、文娱等16个以及行业。
该报告主题为“突变时代”，突变的概念最早由法国数学家勒内 ▪ 托姆提出，他将系统内部状态的整体性“突跃”称为“突变(Mutation)”，主要用于形容过程连续但是结果不连续的状态。随着当前环境不确定性和市场竞争的加剧，企业为适应环境，其组织架构、人员调度也常常出现“突变”的状态：业务重组、撤销、工作流程设计等等频繁出现。突变理论认为，变革无法被管理，只能被影响，认识到突变时代的到来仅仅是第一步，更重要的是主动应对突变的环境。
在“就业市场—组织发展—个人发展”的研究视角下，Boss直聘总结出来了2020年的八大人才资本趋势，以下是报告的一些要点：
趋势一：竞争分化加剧，能力比拼的勇敢者游戏
报告认为，2019年就业市场的关键词是竞争与分化。
2019年企业招聘需求同比增加21%，平均招聘薪资为8082元，同比回落0.4%。求职市场竞争激烈主要体现在高校应届生数量增加；雇主对求职者的要求普遍提高；35岁以上主动求职者规模哦扩大；求职者薪资议价空间缩窄等方面。
在《2020求职需求趋势调查》中，67.8%的求职者认为今年在求职过程中“明显感到竞争更加激烈”，24.9%认为“有一定感受，但影响不大”，仅有7.3%认为竞争压力没有变化。
与此同时，企业的人才竞争也在加剧，63.3%的企业认为通过外部招聘补充合适人才的难度“明显变高”，32.9%的企业认为“有一定感受，但影响不大”，仅有3.8%的企业表示“没有类似感受”。
数据显示，2019年招聘薪资分布曲线如上，正偏态分布十分显著，众数为5000元，中位数为6043元，平均薪资为8082元，即5000元是最常出现的月薪水平，有一半的招聘薪资数据低于6043元。
2019年薪资分布曲线向两端小幅移动，一方面是企业控制人力成本的表现，另一方面还说明求职者内部竞争两极化的加剧。
趋势二：新兴职业崛起，人才成长追逐的追逐战
随着各种新兴行业崛起，人工智能、大数据岗位、电竞玩家、无人机飞手、带货主播等岗位从无到有，从有到“热”。新职业发展过程中，学校教育已经落后于行业发展速度，企业人才培训的重要性也愈加凸显。
与大数据相关的岗位人才增速开始减缓，对中高端人才能力要求提升。
人工智能领域人才处于高速增长红利期。
网络直播、电竞领域人才处于爆发式增长，高度低龄化的阶段。
云计算、5G领域核心人才尚未迎来增长拐点。
趋势三：区域化抢人大战升级
报告指出，当一个城市推出“抢人政策”，其所处区域内其他城市也会竞相推出类似政策，“城市抢人”明显向“区域化抢人”转变。
2019年一线城市（北上广深）人才持续留至新一线城市和省会城市。报告数据显示，截至2019年11月，一线城市职场人净流出率为0.58%，较2018年同期增加0.05%个百分点。杭州、东莞、武汉、长沙、苏州成为2019年求职者离开一线城市后的首选5大城市。
趋势四：定制工作旅程，创造全息式员工体验
为了吸引人才，许多企业在招聘阶段采用“薪资-文化-愿景”相结合的手段，但在人才入职后仍采用老旧的员工管理系统，先热后冷的处理方式潜藏人才流失风险。
报告认为，有必要从时间和空间两个维度继续对员工体验流程进行扩充，传统的流程式工作体验正变为旅程式工作体验，由此报告提出了一种新的员工体验图，即全息式员工体验图。
趋势五：重构信息网络，识别“真实组织架构”
报告认为，真实的组织架构由“解决一个问题应该去哪里、需要几个步骤找到正确的对接人，他们是否在组织中处于合适位置”决定，这是一张充满变化的复杂弹性网络。
组织网络分析（ONA，Organizational Network Analysis）是一项被证实有效的组织发展工具，其核心目标是刻画组织内的信息流动现状，进而判断信息“能够”如何流通和“应该”如何流通，并做出相应优化动作。
趋势六：精练技能图谱，为职场竞争力定价
报告发现，技能在职场中发挥的作用日益明显，更多企业不再单纯依赖求职者的自立，更易核心技能为导向筛选求职者。人工智能、算法类仍然是2019年最吃香的技能。
除了技术技能，软技能也受到企业关注，并且在某些行业和特定职位中，已经出现软技能等同于硬技能的迹象，企业对求职者创新性、创造力的要求越来越高。其中，时间管理能力、系统性思考能力、解决问题能力这三项软技能的竞争力排名靠前。
另外，在Boss直聘《2020企业人才需求趋势调查问卷》中，雇主最希望员工和候选人提升的素质能力还包括自主学习、人际沟通与协调、抗压与情绪管理能力。
趋势七：建设职场公平游戏
近年来随着女性进入职场的比例逐渐升高，职场公平凸显一个窘境，即“大多数女性会停留在无法充分发挥其能力的岗位上”，这种现象被归纳为“宝拉原理（Paula Principle）"，相关现象被描绘为“玻璃天花板”效应和“粘地板”效应。
报告通过模型计算，探究在排除偏见和刻板印象之后，女性在“公平游戏”中的表现，男女性优于表现稳定程度带来职业发展差异，在一定程度上说明运气正在职业发展中的巨大作用。男性优于运气获得的收益，最终都将转化为组织的成本，使整体产出下降。能够连续获得晋升的女性往往比男性有更高的工作能力，玻璃天花板使得人力资本较高的女性无法充分施展，实际上降低了组织的整体绩效。
趋势八：超越培训式学习，培养终身学习能力
格哈德 ▪ 费舍在其研究中指出，学习已经跨越了时间和空间的限制而进入全方位覆盖的阶段，即“终身学习（lifelong learning）”。报告指出，培训和终身学习、学校式学习和工作式学习在不同维度有差别。
在《2020求职需求趋势调查》中，比起求职者，雇主对学习能力的需求明显更高，这反映出工作化场景和在实践中交互对于终身学习能力培养的必要性。
报告还发现，掌握终身学习能力可以降低转岗难度，也可以使求职者在相同类型的岗位上更容易完成晋升和提升，而且，对学习能力的需求还带动了培训行业的兴起。
作者：林鲁比@36氪Pro
来源：https://36kr.com/p/5273796
-
八大趋势
大数据分析的八大趋势
Intuit数据工程副主管Loconzolo双脚都已经迈进数据湖里了。Smarter Remarketer首席数据科学家DeanAbbott也为云技术的发展指出了捷径。他们二人一致认为, 大数据与分析学前沿是个活动目标，这一领域包含了储存原始数据的数据湖和云计算。尽管这些技术并未成熟，但等待也并非上策。
Loconzolo表示：“现实的情况是，这些工具都刚刚兴起，他们构筑的平台还不足以让企业依赖。但是，大数据和分析学等学科发展十分迅速，因此企业必须努力跟上，否则就有被甩掉的危险。”他还说：“过去，新兴技术往往需要十年左右的时间才能够成熟，但是现在大大不同了，人们几个月甚至几周时间就能想出解决方案。”那么，有哪些新兴技术是我们应该关注，或者说科研人员正在重点研究的呢？《电脑世界》采访了一些IT精英、咨询师和行业分析专家，来看看他们列出的几大趋势吧。
1.云端大数据分析
Hadoop是一组有一定框架结构的工具，用来处理大型数据组。它原本用于机器群，但现在情况有所变化。Forrester Research一位分析师BrianHopkins表示，现在有越来越多的技术可以运用到云端数据处理上来了。比如亚马逊的BI数据库、Google的 BigQuery数据分析服务,、IBM’sBluemix 云平台和亚马逊的Kinesis数据处理服务。这位分析师还说，未来的大数据将是内部数据部署与云端数据的结合体。
Smarter Remarketer是SaaS零售分析、市场细分和营销服务的供应商，它最近将自己室内的Hadoop和MongoDB数据库基础设施转移到了一个基于云技术的数据库—Amazon Redshift. 这家位于印第安纳波利斯的公司收集线上和实体销售数据、顾客信息和实时行为数据，之后进行分析，从而帮助零售商做出针对消费者的决策，有些决策甚至是实时的。
Abbott表示，Redshift可以节省这家公司的成本，这是因为它对于结构数据拥有强大的汇总报告功能，而且它颇具规模，使用起来相对容易。用这些虚拟设备总是要比那些实体设备便宜一些。
相比之下，位于加州山景城的Intuit在走向云分析的过程中就要谨慎多了，因为它需要一个安全、稳定、可控的环境。目前为止，这家金融软件公司的数据都还在自家的数据库—Intuit Analytics Cloud里面。Loconzolo表示：“目前我们正跟亚马逊还有Cloudera合作，建立一个我们几家公司公用的能跨越虚拟、现实两个世界的、具有高度稳定性的云端，但是现在这个问题还没有得到解决。”然而，可以说，对于像Intuit这种销售云端产品的公司来说，向云端技术进军是必然的。Loconzolo还说道，未来我们会发展到一个阶段，那时把数据放在私有云端将是浪费的。
2. Hadoop：一个新的企业数据运行系统
Hopkins表示，向MapReduce这样的分布式分析框架，正在逐渐演化成分布式资源管理器，这些资源管理器正逐步将Hadoop变为多用途数据运行系统。“有了这些系统，你就可以进行多种多样的操作和分析。”
这对企业来说意味着什么呢？SQL、MapReduce、in-memory、流水式处理、图表分析还有其它工作都能在Hadoop上进行，越来越多的企业会把Hadoop当做企业数据中心。Hopkins还说：“在Hadoop上能进行各种各样的数据处理工作，这样的话，Hadoop会慢慢变成一个多用途的数据处理系统。”
Intuit已经开始在Hadoop建立自己的数据基地了。Loconzolo说：“我们的策略是利用Hadoop分布式文件系统，因为它和MapReduce与Hadoop等联系十分密切，这样的话，人与产品之间的各种互动就可以实现了。
3.大数据湖泊
美国普华永道首席技术专家Chris Curran说，传统数据库理论认为，人们应该先设计数据集，然后再将数据输入进去。而“数据湖泊“，也被称作“企业数据湖泊”或者“企业数据中心”，颠覆了这个理念。“现在，我们先收集数据，然后把它们都存入Hadoop仓库里，我们不必事先设计数据模型了。”这个数据湖泊不仅为人们提供了分析数据的工具，而且很明确地告诉你，这里有什么样的数据。Curran还表示，运用Hadoop的过程中人们就可以增加对数据的认识。这是一个递增的、有机的大规模数据库。当然，这样一来，对使用者的技术要求相应地会比较高。
Loconzolo表示，Intuit拥有自己的数据湖泊，这个数据湖里既有用户点击量的数据，也有企业和第三方的数据，所有这些都是Intuit分析云端的一部分，但关键是要让围绕这个数据湖的工具能够为人们有效利用起来。Loconzolo还说，对于在Hadoop建立数据湖，一个需要考虑的问题是，这个平台并没有完完全全的为企业的需求设置周全。“我们还需要传统企业数据库已经有了几十年的一些功能，比如监控访问控制、加密、安全性以及能够从源头到去向地追踪数据等等。
4.更多预测分析
Hopkins表示，有了大数据，分析师们不仅有了更多的数据可以利用，也拥有了更强大的处理打量不同属性数据的能力。
他说：“传统的机器学习利用的数据分析是建立在一个大数据集中的一个样本基础上的，而现在，我们拥有了处理了大量数字记录的能力，甚至于每条数据有多种不同属性，我们都应对自如。”
大数据与计算功能的结合也让分析师们能够挖掘人们一天中的行为数据，好比他们访问的网站或者是去过的地方。Hopkins把这些数据称作“稀少数据（sparsedata）”，因为要想得到这些你感兴趣的数据，必须过滤掉一大堆无关的数据。“要想用传统机器算法对抗这种数据，从计算角度来讲几乎不可能。因为计算能力是一个十分重要的问题，特别是现在传统算法的速度和记忆储存能力退化很快。而现在你可以很容易知道哪些数据是最容易分析的，不得不说，赛场易主了。”
Loconzolo表示：“我们最感兴趣的地方是，怎样在同一个Hadoop内核中既能作实时分析，又能做预测模型。这里最大的问题在于速度。Hadoop花费的时间要比现有技术长20倍，所以Intuit也在尝试另一个大规模数据处理器Apache Spark及其配套的 Spark SQL查询工具。Loconzolo说：“Spark具有快速查询、制表服务和分组功能。它能在把数据保留在Hadoop内部的前提下，还将数据处理得十分出色。”
5.Hadoop的结构化查询语言（SQR, StructuredQuery Language）：更快，更好
Gartner一位分析师表示，如果你是个不错的编码员或者数学家，你可以把数据丢进Hadoop，想做什么分析就做什么分析，这是好处，但同时这也是个问题。“尽管任何程序语言都行得通，但我需要有人把这些数据用我熟悉的形式或者语言输入进去，这也是为什么我们需要Hadoop的结构化查询语言。支持与SQR类似的查询语言的工具，让那些懂得SQR的企业使用者们能把类似的技术运用在数据上。Hopkins认为，Hadoop的SQR打开了企业通往Hadoop的大门，因为有了SQR，企业不需要在那些能使用Java, JavaScript 和Python高端数据和商业分析师上投资了，而这些投资在以前可是少不了的一笔开销。
这些工具也并非最近才出现的了。Apache Hive曾经为用户提供了一种适用于Hadoop、类似于SQR的查询语言，但是竞争对手Cloudera、PivotalSoftware、IBM还有其他销售商提供的产品不仅性能更好，速度也更快。这项技术也适合“迭代分析（iterative analytics）”，也就是说，分析师先问一个问题，得到回答之后再问下一个问题。而这种工作放在过去可是需要建立一个数据库的。Hopkins说：“Hadoop的SQR并不是为了取代数据库，最起码短期不会，但对于某些分析来说，它让我们知道，除了那些高成本的软件和应用之外，还有别的选择。”
6.不仅仅是SQR(NoSQL，NotOnly SQR)—更快，更好
Curran表示,现在我们除了基于SQR的传统的数据库之外，还有NoSQL，这个数据库能用于特定目的的分析，当下十分热门，而且估计会越来越受欢迎。他粗略估计目前大概有15-20个类似的开放资源NoSQL，每一个都独具特色。比如ArangoDB，这是一款具备图标分析功能的产品，能更快、更直接地分析顾客与销售人员之间的关系网。
Curran还说，开放资源的NoSQL数据库已经存在一段时间了，但是他们依然势头不减，因为人们需要它们所做的分析。一位在某个新兴市场的普华永道客户把传感器按在了店面柜台上，这样就能监控到那里到底有什么产品，顾客会摆弄这些产品多长时间以及人们会在柜台前站多久。“传感器会产生大量类似指数增长的数据，NoSQL将是未来的一个发展方向，因为它可以针对特定目的进行数据分析，性能好，而且很轻巧。”
7.深度学习
Hopkins认为，作为一种基于神经网络的机械学习技术，虽然还在发展过程中，但在解决问题方面却已经表现出巨大的潜力。“深度学习……能够让计算机在大量非结构化和二进制的数据中识别出有用信息，而且它能够在不需要特殊模型和程序指令的前提下就剔除那些不必要的关系。”
举个例子说明：一个深度学习的算法通过维基百科了解到加利福尼亚和德克萨斯是美国的两个州。“我们不在需要通过模式化让程序去理解州和国家的概念，这就是原来的机械学习和新兴深度学习的区别之一。”
Hopkins还说道：“大数据运用先进的分析技术，例如深度分析，来处理各种各样的非结构文本，这些处理问题的思路和方式，我们也是现在才开始理解。”比如，深度学习可以用来识别各种各样不同的数据，比如形状、颜色和录像中的物体，甚至是图片中的猫—谷歌建立的神经网络就做到了这一点。“这项技术所昭示的认知理念、先进的分析，将是未来的一个趋势。”
8.内存中分析
Beyer表示，利用内存中数据库来提升分析处理速度，这种方式已经越来越广泛，而且只要运用得当，益处也很多。事实上，很多企业现在已经在利用HTAP（hybridtransaction/analytical processing）了，这种处理方式能在同一个内存数据库中进行转换和分析处理。但Beyer同时也表示，对于HTAP的宣传有些过头了，很多公司也过度利用这项技术。对于那些使用者需要每天多次以同样的方式看同样数据的系统来说，这样的数据没有太大变化，这时用内存中分析就是一种浪费了。
虽然有了HTAP的帮助，人们分析速度更快了，但是，所有的转换都必须储存在同一个数据库里。Beyer认为，这样的特点就产生了一个问题，分析师们目前的工作主要是把不同地方的数据汇总输入到同一个数据库当中去。“如果你想做任何分析都运用HTAP，所有的数据就得存在同一个地方。要把多样化的数据进行整合。”
然而，引入内存数据库的同时也意味着，还有另一个产品等着我们去管理、维护、整合与权衡。
对于Intuit而言，他们已经在使用Spark了，所以对引进内存数据库的愿望并没有那么强烈。Loconzolo说：“如果我们用Spark就能处理70%的问题，而用内存数据库可以解决100%，那么我们还会选择前者。所以我们现在也在权衡，要不要马上停用内部的内存数据系统。”
大步向前迈
在大数据和分析领域有这么多的新兴趋势，IT组织应该创造条件，让分析师和数据专家们大显身手。Curran认为：“我们需要评估、整合一些技术，从而把它们运用到商业领域中去。”
Beyer则认为：“IT管理者和执行者们不能把技术不成熟作为停止试验的借口。”最初只有一部分专业分析师和数据专家需要试验，然后这些比较高级的使用者和IT行业应该共同决定是否要把这些新的资源介绍给行业其他人。IT界也没必要控制那些鼓足干劲的分析师们，相反，Beyer认为应该与他们加强合作。
本文由CDA数据分析研究院翻译，译者：王晨光
-
八大趋势
亚马逊全球CTO眼中的云计算发展八大趋势
[摘要]沃纳·威格尔认为，云让一切变得智能化，同时将让工业物联网化。
沃纳•威格尔
亚马逊AWS是全球最大的公有云服务商，其技术的广度和深度甚至领先于谷歌、微软等跨国公司，能为客户提供超过40多种的服务，包括计算、存储、数据库、分析、应用及部署等。
亚马逊AWS能取得今天的成就要归功于一个人，不是CEO杰夫•贝索斯，而是被称为“引领云计算成为主流的功臣”沃纳•威格尔（Werner Vogels），他是亚马逊全球副总裁兼CTO。
威格尔负责推动亚马逊公司的技术愿景，以及全球范围内基于亚马逊的用户需求的持续创新。他是一名知名的博客写手，近期他撰写了一篇预测未来云计算发展趋势的稿子。
全文如下：
2014年，我们见证了云计算如何推动消费产品和企业级产品领域的伟大创新，而成为不同规模组织的新常态。如今，云计算已成为推动诸多企业创新的引擎。
其中不仅包括Dropbox、 Airbnb、Pinterest、Hailo、WeTransfer 和Soundcloud等新兴企业，也包括百时美施贵宝（Bristol-Myers Squibb）、壳牌、联合利华和 西班牙曼弗雷保险集团等成熟企业。
与此同时，我们也看到大量的中国企业也通过云计算加速了创新的步伐，更快的拓展国际市场。
小米正通过云计算服务全球范围的智能手机用户；远景能源通过云计算管理着世界各地的智能风场；猎豹移动通过云计算为全球的用户提供手机安全的保障。
毫无疑问，云计算已经产生了广泛的影响。以下是我总结的未来云计算发展的八大趋势：
第一，云分析将无处不在。
云分析几乎影响着每位消费者和每个商业领域。通常，消费者不会注意到云，因为云在不同的应用程序的身后提供支持。但云分析正变得越来越普遍。从零售建议到基于基因学的产品开发，从金融风险管理到初创企业衡量其新产品的效果，从数字营销到快速处理临床试验数据，这些领域都通过借助基于云分析而达到新的水平。
AWS（Amazon Web Services）已经清晰的看到了这一趋势，因为我们的数据仓库服务Amazon Redshift已经成为公司历史上增长最快的云服务。我们甚至发现，Amazon Redshift是许多企业使用的第一个云服务。随着越来越多的企业开始了解分析对其发展的作用，我们预计该服务能够在2015年实现爆发式增长。
第二，云将实现自助分析。
过去，组织内部的分析系统处于旧式IT的最顶点：在专用硬件上运行一个集中式数据仓库。在现代企业中，这种情况是不能接受的。在帮助业务部门变得更加敏捷、更快速地响应业务需求并开发客户真正需要的产品方面，分析发挥着至关重要的作用。但这种集中式、不够灵活的旧式数据仓库模式往往使企业用户陷入困境。而基于云的分析完全改变了这种情况。
业务部门现在借助云服务的资源，在云中迅速创建自己的数据仓库，并可根据其需求和预算选择数据仓库的规模和速度。它可以是一个在白天运行、拥有2个节点的小型数据仓库，也可以是一个仅在星期四下午运行几个小时、拥有1000个节点的大型数据仓库，或是一个在夜间运行，以在第二天向工作人员提供所需数据的数据仓库。
全球商业出版物《金融时报》如何使用分析就是一个很好的例子。《金融时报》拥有120年的历史，已经在诸多方面进行了变革，它通过使用云来运行商业智能（BI）工作负载，得以分析所有报道，使报纸更加个性化，为读者提供更加定制化的阅读体验，彻底地改变向读者提供内容的方式。
借助新的商业智能系统，《金融时报》每天能够实时分析140篇报道，并提高完成分析任务的敏捷性，分析所需时间从几个月缩短到几天。此外，《金融时报》也扩展了其商业智能，以更有针对性地向读者提供广告。通过使用Amazon Redshift，《金融时报》每天能够处理1.2亿个独立事件，并集成内部日志和外部数据源，为读者打造一份更加动态的报纸。
第三，云让一切变得智能化。
近来，一切都可以变得“智能化”—— 智能手表、智能衣服、智能电视、智能家居和智能汽车。绝大多数的智能设备的软件都是在云端运行的。
无论是家里的温控器、手腕上的活动跟踪器，还是漂亮的超高清电视上的智能电影推荐，它们都由在云上运行的分析引擎驱动。由于这些智能产品的“智能”存在于云中，这也催生了新一代设备。实现了路灯照明的智能化的飞利浦CityTouch就是一个很好的例子。
飞利浦CityTouch是适用于整个城市的智能路灯管理系统。它提供联网的道路照明解决方案，允许整个郊区和城市智能的地控制路灯照明，做到实时管理天黑后的环境。城市管理人员能够在人流量较高的街道上保持良好的照明，在恶劣天气或环境光线过暗时增加亮度，或者在人烟稀少的工业区调暗灯光。
这项技术已经被应用于布拉格和伦敦郊区等地。CityTouch正在使用云作为后端技术来运行该系统，并从路灯上安装的传感器收集的大量数据中提取有价值的信息。这些数据使城市管理人员更好地了解天黑后城市的情况，并采用更有效的照明管理计划，避免过多的光污染对城市居民和野生动物造成不良影响。
第四，云分析将改善城市生活。
云分析能够利用城市环境信息来改善世界各地城市居民的生活条件。芝加哥正在进行的工作就是一个很好的例子。芝加哥是首批在全市范围内安装传感器来永久测量空气质量、光强度、音量、热量、降水、风和交通的城市之一。
来自这些传感器的数据流入云中进行分析，用于发掘改善居民生活的方式。芝加哥的“Array of Things”项目收集的数据集将在云上公开，以供研究人员寻找分析数据的创新方法。
许多城市已经表示有兴趣效仿芝加哥使用云来改善城市生活，并且很多欧洲的城市已经开始行动，比如英国的彼得伯勒市议会。彼得伯勒市议会公开其收集的数据集，让当地社区参与创新。人们将议会公布的不同数据集进行整合。
例如，人们可以把犯罪数据和天气情况关联起来，帮助议会了解在炎热天气中是否会发生更多的入室盗窃案，以便他们更好地分配当地警力，或把就医数据与天气情况关联起来，发现其中的趋势和模式。在云的帮助下，这些数据开始向大众开放，以推动创新。
第五，云将实现工业物联网。
当我们想到物联网（IoT）时，我们通常重点关注物联网对消费者而言意味着什么。但在2015年，我们将见证一个不同的物联网的崛起——工业物联网。工业机械将与互联网连接，把数据传输到云中，以获得有关使用情况的洞察、提高效率，避免停机。
无论是通用电气给燃气涡轮机安装仪表、壳牌公司在油井中放置传感器、凯驰配备工业清洗机车队，还是建筑工地使用Deconstruction的传感器，所有这些都将连续地向云发送数据流，以供实时分析。
第六，云将实现视频分析。
长久以来，视频仅用于存档、回放和观看。借助云强大的处理能力，一个新的趋势应运而生：把视频当作数据流来进行分析。这被称为视频内容分析（VCA），适用于零售、运输等多个领域。
一个常见的应用领域就是在装有摄像头的地方，如商场和大型零售商店。视频分析可以帮助商场了解人流模式。分析可以提供了人流量、停留时间以及其它统计信息。这使零售商能够改善其商店布局和店内营销效果。
另一种常见的应用领域是音乐会等大型活动的实时人群分析，以了解整个场地的人流情况、预防拥堵，从而改善参与者的体验。交通部门也利用类似的方式疏导交通、监测高速公路上的停滞车辆和高速铁路上的物体以及其它运输问题。
另一个把视频内容分析运用在消费领域的创新的例子是Dropcam。Dropcam对联网摄像头传送的视频进行分析，为客户提供警报。Dropcam是目前最大的互联网视频内容生产源，其向云中传输的数据流比YouTube还要多。
VCA也成为体育管理的一个重要工具。球队正在使用视频分析来从不同的角度分析球员。例如，在一场英超比赛中，球队利用许多记录下来的视频流的分析数据，来改善球员的表现，并推动具体的训练计划。
美国职业棒球大联盟（MLB）的棒球队正在使用视频分析在赛场的电视屏幕上提供更好的实时分析,而美国橄榄球大联盟（NFL）正在使用VCA自动制作橄榄球比赛的精简版本，使视频时长缩短60%-70%。
第七，云将实现安全的分析。
从网购到医疗再到家庭自动化，分析在如此多的新领域得到应用，因而分析数据的安全性和私密性变得至关重要。在存储和分析引擎中深度集成加密功能并让用户能够拥有密钥，确保了只有这些服务的使用者有权访问数据。
第八，云将改变医疗分析。
数据分析正迅速成为分析健康危险因素和改善病人护理的核心。尽管医疗行业面临降低成本和优化病人护理水平，云正在发挥着至关重要的作用，并帮助实现数字化医疗。
云支持创新的解决方案，如飞利浦Healthsuite——一个管理医疗数据，并为医生和患者提供支持的平台。飞利浦Healthsuite数字化平台分析并存储着从3.9亿个影像检查、病历和患者输入中收集的15PB的患者数据，为医务人员提供可操作数据，这些数据可以直接影响病患照护。
这正在彻底变革着世界各地几十亿人的医疗现状。在2015年及以后，我们预计可以看到云在推动患者诊断和治疗方面发挥更大的作用。
腾讯科技 徐安娜 3月2日报道
扫一扫 加微信
hrtechchina
