DataStaxの予想では、そこからさらに踏み込み、「『データサイエンティスト』という言葉は競争力を失い、『データエンジニア』という言葉で置き換えられる」と述べられている。World ProgrammingのRobinson氏も、「機械学習と人工知能は、新たな種類のデータスペシャリストの必要性を急速に高めるだろう」と述べ、データサイエンティストという肩書きの重要性が低下するという認識を示している。
クラウドへの移行は進むか
必要なのがスペシャリストであるか、サイエンティストであるか、アナリティクスに詳しいあらゆる種類の従業員であるかに関わらず、どこでアナリティクスを行うかという問題が出てくる。クラウドの重要性は以前から強調されているが、現時点では、多くのビッグデータ分析は、オンプレミスのHadoopクラスタで実行されているように見える。しかし、ビッグデータの処理は今後はクラウドに移行し、極めて保守的な組織でも、少なくともハイブリッドなアプローチを取ることになるとの予想が多い。
Unravel DataのCEOであるKunal Agarwal氏は、「2017年には、より多くのビッグデータ関連ワークロードがクラウドにシフトし、これまでデータの処理をオンプレミスで実行していた顧客の多くが、クラウドとオンプレミスのハイブリッドモデルに移行する」と予想している。Qilkのマーケットインテリジェンス担当シニアディレクターDan Sommer氏は、「データが生成される場所や、スタートのしやすさ、規模拡張の容易さなどの要因から、クラウドへの移行が加速している」と考えている。また、Snowflake ComputingのCEOであるBob Muglia氏は、「ほぼすべての企業はパブリッククラウドの導入を進めており、これには多くの金融機関が含まれる」と述べている。
Kineticaのグローバルソリューションエンジニアリング担当バイスプレジデントを務めるEric Mizell氏は、GPUによる機械学習の性能向上がクラウドの人気につながっていると見ており、「クラウドは今後GPUによって性能が大きく向上する」と述べた上で、「AmazonはすでにGPUの導入を始めており、MicrosoftとGoogleも計画を発表している」と指摘し、「ほかのクラウドサービスプロバイダーも、2017年中にGPUを導入し始める可能性がある」と予想している。
実現するIoT
処理能力の向上が必要になるのは多くの場合、IoTアプリケーションのために設計されたデバイスに組み込まれているセンサから、大量のデータが収集されるためだ。
Analysys Mason Groupの顧問は、2017年には「初めての本物の商用NB（狭帯域）IoTネットワークが利用され始める」としており、「規制当局はIoTに対する監督の強化を検討し始める」と考えている。
StreamSetsの創立者でありCEOを務めるGirish Pancha氏は、2017年にIoTは目新しさを失い、現実のものになり始めるとしており、「来年には、組織はIoTのデータをサイロに押し込めるのをやめるだろう」と述べている。別の言葉で言えば、IoTは組織内のほかのデータのライフサイクルと統合される必要があるということだ。Pancha氏は、「IoTデータからビジネスを動かすような価値を引き出すには、他のデータストリームと組み合わせ、時系列データやマスタデータと結びつけたり、人工知能のアルゴリズムで処理する必要がある」と説明している。
