在即将过去的2016年，大数据技术在不断的发展，新霸哥预计到明年很多的主流公司会采用大数据和物联网。新霸哥发现自助式数据分析的普及，加上云计算和Hadoop的广泛采用，目前正在整个行业带来变化，越来越多的公司会抓住这一形势，或者无视变化、因此面临险境。实际上，工具仍在出现，而Hadoop平台承诺的还没有达到公司缺少不了它的地步。
深度学习
深度学习是一套基于神经网络的机器学习技术，深度学习仍在发展之中，不过在解决业务问题方面显示出大有潜力。深度学习让计算机能够从大量非结构化数据和二进制数据中找出感兴趣的内容，并且推导出关系，而不需要特定的模型或编程指令。
深度学习方法的一个关键概念就是数据的分布式表示，因而可以对输入数据的抽象特征实现大量的组合，从而可以紧凑表示每个样本，最终获得更丰富的泛化。这些算法的源动力主要来自人工智能领域，人工智能的总体目标是模拟人类大脑观察、分析、学习和做决定的能力，尤其是处理极其复杂的问题。
深度学习主要用于从大量未标记/未监督的数据当中学习，因而对于从大数据中提取有意义的表示和模式颇具吸引力。比如说，它可以用来识别许多不同类型的数据，比如视频中的形状、颜色和对象，或者甚至是图像中的猫。
因此，企业可能会看到更多的注意力投向半监督式或未监督式训练算法来处理进入的大量数据。
云计算
混合云和公共云服务越来越受欢迎。大数据成功的关键是在弹性基础设施上运行(Hadoop)平台。
新霸哥发现公司想要让自己可以扩展的平台，通过大力投资于最终僵化的数据中心是不可能做到这点的。比如说，人类基因组计划一开始是个GB级项目，但是很快达到了TB级和PB级。一些领先的企业已经开始以双模(bi-modal)方式来拆分工作负载，在云端运行一些数据工作负载。许多人预计，随着这种解决方案在采用周期上深入发展，这个潮流会加快发展。
目前越来越多的公司会在云端运行API，提供弹性，以便更好地应对需求高峰，并建立高效的连接，从而让它们能够比竞争对手更迅速地适应和创新。
Apache Spark
新霸哥注意到了Spark在点亮大数据。Spark现在是最庞大的大数据开源项目，相比Hadoop它提供了显著加快的数据处理速度;因此，对于程序员来说极其自然、极加精确、极其方便。流式传输大块的数据，为此将大数据分割成更小的数据包，然后对其进行转换，因而加快弹性分布式数据集(RDD)的创建。这在当下非常有用，如今数据分析通常需要一组协同运行的机器的资源。
物联网
物联网和大数据是同一枚硬币的两面;数十亿与互联网连接的“物件”将生产大量数据。然而，这本身不会引发另一场工业革命，不会改变日常的数字化生活，也不会提供拯救地球的预警系统。来自设备外部的数据才是企业让自己与众不同的方面。结合上下文来捕获和分析这种类型的数据为公司带来了新的发展前途。
技术更新很快，不断的学习方能使用社会的发展需要，关于明年大数据行业的趋势就讲到这里了 ，如果大家还想了解更多的关于大数据方面的知识，欢迎和新霸哥交流。