从Hadoop洞悉大数据市场：路漫漫其修远兮
用大数据分析大数据市场
现今科技界红到发紫的大数据革命的代表性技术就是Hadoop(注：一个分布式系统基础架构)。Hadoop是一个由一系列不同的技术组成的生态系统。做Hadoop相关产品的公司有很多，其中也有很多不一样的选择和变种，比如Cloudera，Hortonworks，亚马逊EMR，Storm和Spark都是其中的一部分。 而Hadoop作为一个整体来说仍然是采用量最多，讨论最火爆的大数据技术。
然而通过我们的数据分析发现在世界上前50万个公司中，只有很少的一部分真正的使用了Hadoop技术。有人会说我们仍然处在这个技术被大众所接受最初始的阶段。我们假设用Hadoop的实用情况来代表整个大数据的发展现状，通过数据分析我们发现了一些很有意思的市场现状。
当刚看到这些原始数据的时候，我们会发现大数据市场还有非常大的潜在空间。但是现在真正的使用者非常少，而这方面的公司又多如牛毛，意味着大数据科技公司中会被并购。简单地讲，大数据市场会慢慢的变得更加成熟。
现况一览
我们分析了几十亿条网上公布的信息，包括新闻稿、论坛帖子、招聘启事、微博和专利等等。我们用这些大量的文档进行机器学习，从而得到一些关于大公司都技术采用情况的非常精确的信息。
我们想通过分析了解什么样的趋势呢?举个例子，通过统计公司员工的技能就可以了解他们所在的公司这正在使用什么样的技术;有哪些公司在找会Spark的人;哪些公司在招数据科学家，招多少个。如果把关注点放在Hadoop上我们可以找到一个公司或者组织的人有没有在讨论Hadoop相关问题，有没有需要Hadoop的职位正在招聘，都有谁去了当地关于Hadoop的兴趣小组，还有网上谁在问关于Hadoop的技术问题。我们甚至用了关于Hadoop的每一条微博，博客和展示稿。
总的来说，我们发现只有2680个公司在某种程度上使用Hadoop，在这些公司里面，1636个的技术采用成熟度是非常低的，这些人只是刚刚开始尝试新技术，参加兴趣小组和技术会议来学习大数据或者尝试做一些入门探索性的项目。另外552个在更高的一个级别，他们已经开始在内部比较小型的项目中用Hadoop(部门的项目或者公司本身就是一个初创公司)。只有492个是在进阶的技术状态，这些公司有一个比较大型的项目投入产品并且有员工对Hadoop有一定的经验。
大公司更爱大数据
我们惊讶的发现， 大型公司(5000人以上)开始使用大数据技术的速度要远远高于小型公司。 一般人很可能会猜小型或者历史比较短的公司会更愿意采用新技术。但是对于大数据，现实情况正好相反。我们发现大型公司中有300个对于Hadoop非常重视已经进行了技术投资，而相对比之下只有300个5000人以下的公司是Hadoop用户。考虑到中小公司的总数目是大公司的10倍，这也就是说 Hadoop在大公司市场的占有率是中小型公司市场的10倍。
大多数用Hadoop的公司自己就是高科技数据导向的公司。但是我们不知道为什么小公司迟迟没有迎头赶上。这是因为他们买不起大数据软件支持吗?还是因为他们请不起高薪的数据科学家和工程师?还是他们根本就没有太多的数据?
石油和医药行业落后
金融行业领先
油气公司和医药公司一般来说都有非常多的数据集，但是我们的分析表明他们并没有很多在使用Hadoop。然而金融行业虽然传统上并不是可以快速采用新技术的行业，却很快地使用了大数据技术。
这也许是因为金融行业受到了一些早期使用者(比如美国运通公司)的影响。或者是因为他们直接从IBM大型计算机飞跃到Hadoop，中间直接跳过了好几代的技术更迭。甚至现在已经出现了专门提供这种技术升级服务的创业公司(比如Paxata和Syncsort)。
实时分析也不能阻挡
Hadoop的脚步
令人不解的是，一些需要实时分析的行业更快的采用了Hadoop技术。这些行业包括零售行业、IT安全、电信和保险。这个非常让人困惑，因为Hadoop最开始的基础MapReduce(映射-归纳)模型采用的是批量处理，这种方法在实时数据分析和处理中非常低效。为了解决这个问题，市场中已经出现了一些实时处理Hadoop的公司(比如Datatorrent、VoltDB和Splice Machine)。
未来展望
即使是那些准备好了进入Hadoop的公司也要面临人才的缺失的问题。在撰写文章的这天光美国就有1万6千个需要Hadoop经验的岗位在招人。如果Hadoop市场走向成熟，那业界需要找到一个可以利用那些没有Hadoop技术经验人才的方法。那些了解SQL的人才数目要比懂Hadoop的多100倍。类似Splice Machne, Presto,IBM大数据，甲骨文大数据SQL之类(这些公司都提供用SQL来查询大数据的方法)的解决方案将会因为相关人才的数量而更加有吸引力。
即便人才问题可以得到解决，技术本身仍然存在着实用和维护成本非常昂贵的问题。虽然使用了免费开源的Hadoop系统，你仍然需要找到非常稀少开价很高的系统管理员。另外虽然在备份，恢复和高使用性方面的解决方案越来越多，但是管理Hadoop系统仍然比SQL数据库要复杂的多得多。
当今的Hadoop市场可以说是比较小的，并容不下这么多的创业公司在里面竞争。我们的分析表明真正在为大数据买单的公司集中在少量的大型公司中，所以最后胜出的应该会是那些在市场中已经站稳脚跟的技术。我们从最近Hortonworks在股市中的表现也可以看到这一点(注：目前股价$11，市值自上市以来已经蒸发了一半还多)。
这会直接导致一些Hadoop公司被收购或者合并。最后并购的公司如果不仅可以支持最基本的MapReduce，还可以采用公有云定价模式，事务，纯内存处理，实时分析和SQL等等，那么客户可以不再为了有很多不同的一次性系统而烦恼。最终就像是以前的关系型数据库公司那样被应用型公司所取代(比如甲骨文)，这些公司直接提供一些大数据驱动的解决方案，可以直接应用在物联网、客户关系管理、供应链甚至一些行业特定的应用上，比如物流管理甚至金融欺诈检测。
前路漫漫
如你所见，大数据市场还有非常多增长和改变的空间。我们的分析表明下面的几个方面可以帮助这些增长成为现实。首先Hadoop可以进军更多的垂直市场和中型公司，其次Hadoop方面人才的数量需要增长，然后通过改善分析系统可以让更多已经了解SQL的人更好地使用Hadoop工具。最后是并购之后的公司如果可以转型成为应用为主体产品的公司应该会是笑到最后的赢家。
