场景智能化是数据应用技术发展的未来

　　数据场景化的应用未来：
　　从马可尼发明电报到贝尔发明电话，再到今天得力于互联网信息化高速发展的大数据应用，无不让人憧憬着对美好未来的向往。互联网大数据应用的高速发展使人们的生活方式发生了翻天覆地的变化，甚至时时刻刻都在改变着人们对传统信息化应用的认知。
　　在当今＂数字化＂、＂网络化＂、＂智能化＂，信息化发展的三部曲当中，网络化的基础首先是数字化，而智能化的基础则是网络化。智能化的目的是让业务应用更加高效、更加复合。数据应用的发展最终是要达到智能化，通过多源数据的汇总分析呈现信息应用的类人智能（AR、MR、VR），包括最近比较火热的＂元宇宙＂的概念，终极目标都是要帮助人们更好地认知理解复杂事物和用最直观的方式提高解决问题的能力。
　　大数据应用虽然发展了这么多年，但究其深度而言，目前还处于一个比较早期的状态，用户的数据应用也处于一个较为初级的阶段，这也是为什么说很多人把大数据应用调侃成只是一门＂统计学＂。这也正是从侧面反应出了目前大数据的应用实际上只是完成了最为初级的数据＂采集存储＂与＂统计＂阶段。当然真正的大数据应用必然不是仅仅完成这些。大数据应用的未来真正还是要具备类人智能化的预测、分析等能力。预测与分析需要更加聚焦用户业务应用场景，通过预测最终帮助用户建立＂决策＂模型。这也是所有用户和商业公司最为看重的，也是数据价值化的 ＂最大价值＂。目前在自动驾驶、大健康、新零售、可视化视频指挥、防火应急等众多领域都具备着较大的智能数据应用的发展前景。结合国家数字化经济转型的核心策略，数据应用必须要＂取之于民，用之于民＂，数据应用技术必须要能切实落地，为＂人＂服务。
　　目前大数据应用技术发展的问题：
　　1、工具零散，＂组装复杂＂： 目前大数据生态体系庞大且复杂，工具众多，对于用户而言，需要巨大的资金投入用于建设自己的＂数据基座＂。已经无力支撑自己真正的数据业务应用建设。
　　2、建设周期长，维护复杂：需要开发和维护人员具备多项开发能力，对人员的能力要求较高，除了开发维护成本高以外，开发周期长，过程复杂也是重要的因素，需要将众多组件合理安排。
　　3、数据挖掘与整理过程繁杂，理解困难，质量低：对用户真正业务应用场景的理解是数据项目能否成功的关键。无论技术选择多么＂花哨＂都需要回答用户数据应用的价值！不能对用户场景做到深入理解，那么不管使用多么先进的大数据技术搭建起来的平台都是空中楼阁，对用户而言也是无用的，对用户数据应用的效率也将是低下的，甚至无用的。
　　大数据未来
　　在数据仓库、数据湖及湖仓一体化混搭数据架构下，如何有效满足企业数据应用，简化数据工作流水线、满足敏捷业务下的数据使用是未来数据应用的重要方向：
　　然而用户业务的快速发展，数据开发任务也会井喷式的增长，再加上大数据的服务链路是非常复杂多变的，涉及到收集、存储、访问、计算、加工、挖掘、服务等场景，随之带来的使用的复杂性和数据管理的复杂性是数字化转型中的企业面临的新的挑战。
　　在复杂数据架构下，IT 和业务部门需要通过统一的工作界面来发现数据、定义数据和理解数据，提升数据协作能力；数字化转型、智能化升级带来的需求，一方面企业内部场景都有降本增效的需求，另一方面企业都在向原生数字化企业发展，要实现业务数据化必须要规范建设大数据平台；随着数据管理新角色的出现，企业数据管理需要满足不同用户对数据的消费需求，解决业务用户对IT强依赖的问题，让数据使用能更加自助化，更加智能化。
　　未来的数据产品应该提供一站式大数据全链路解决方案，尽量为用户降低平台搭建的成本。同时为企业提供从统一存储计算、数据集成、开发、管理的综合能力。并集成任务发布、运维、安全等相关的管控，可以帮助企业用户快速建设自己的数据服务平台。并有效地将企业各类分散的数据进行汇集融合、加工提炼，围绕企业、消费者、产品构建企业级数据资产体系，并通过平台的数据服务能力，为业务平台赋能，实现业务增值。
　　随着未来大数据和 AI 技术的快速发展，用户对数据应用的要求也在不断提升。更加市场化的需求正在改变用户对传统数据处理、数据发现的方式，这些新的方式需要更多样的自助数据分析技术。我们需要不同的数据角色，自助地发现数据、探索数据、分析数据，并满足不同角色更加流畅的数据使用需求。