有个同学16年要去读读国内一所普通的985的数据挖掘的phd,四年毕业之后,会不会相关市场人才已经饱和了,到时候数据挖掘的前景如何?
其实这个问题大可放心,这个技术仍然在成长阶段,企鹅短时间内仍会高速增长,这与人工智能的发展和科技的进步相对应的。
下面这个图是数据挖掘技术成熟度曲线图
Gartner's 2014 Hype Cycle for Emerging Technologies Maps the Journey to Digital Business
科技诞生的促动期 (Technology Trigger),过高期望的峰值(Peak of Inflated Expectations,泡沫化的底谷期 (Trough of Disillusionment),稳步爬升的光明期 (Slope of Enlightenment),实质生产的高峰期 (Plateau of Productivity)。
看完这张图你还问数据挖掘技术市场是否饱和?这明显才刚刚上路!
上面那张是2014年的图,下面是一张2015的图
Gartner's 2015 Hype Cycle for Emerging Technologies Maps the Journey to Digital Business
这两张图对比可见最大特点是:
Big Data is Out, Machine Learning is in对其有人给出解释是 Big data is no where to be seen the hype cycle 2015 where as last year it is shown to enter trough of disillusionment. This may mean that the most talked about big data related technologies are now into practice and no more a hype.
但大数据相关领域如Internet of Things,Machine Learning,Citizen Data Scientist,Data security,Digital Humanism还是保持很高热度。
现在的数据挖掘更多基于互联网的大数据,实际上随着个人用户使用电脑的早龄化,周期延长,以及存储设备的多样化,容量和读取速度增加,未来的数据挖掘同样像个人开展。而数据挖掘本身,从整理分类到检索,工作逐渐的细分化,可以展开的工作也很多。
跳出个人,就企业软件来说,数据存储依赖于早期设计,尤其是dba设计至关重要,设计不好对于前期开发和后期维护以及新功能追加都有很大牵制。如果数据挖掘未来能发展到弱化架构dba的工作和影响,对于开发的风险来说能下降好几个层次。现在企业级软件已经到了一定高度了,数据挖掘和数据分析也许在等待一次革命你。
相对来说,数据挖掘更偏向于精,所以不在人多,在于人的能力。