· 机器学习最大化微服务影响
今年我们将看到机器学习和微服务的整合所带来的活动增量。微服务部署将专注于轻量服务，其结合受限于“快数据”集成的机器学习，将应用于窄频流媒体数据。2017年我们将看到很多状态应用发展转向以大数据结合机器学习的方式来处理大量历史数据，从而更佳理解新增流数据的场景。
Hadoop服务解决方案厂商Hortonworks预测
· 智能网络引领数据云攀升
万物互联或全联网(Internet of Anything ，IoAT)的持续发展和机器端到机器端的连接性，数据孤岛将被数据云所替代。
· 实时机器学习和分析蓄势待发
智能设备将整合和分析一切。现代分布式数据应用中的实时机器学习算法将开始发挥所长-算法宣告了“端到端”实时决策的实现
· 更前瞻性的分析：从延时处理到实时分析到提前分析并采取行动
我们将看到一个从延时处理到实时分析到前瞻分析的演进过程，其驱动着各类交易而不是仅仅修订或者优化它们。这将带来变革性的影响，以数据为中心的商业能力将会迎来新的营收流、节约成本和改善与客户的亲密度。
· 无处不在的现代数据连接
对于那些以数据致胜的企业来说，应用和数据需要连接到同一个平台或者架构，这是2017年现代数据应用的基石。现代数据应用非常便携、集成性高以及互联。他们将迅速取代那些垂直整合的独立软件。
· 数据将成为每个人的产出
数据将成为可以购买、销售或者损失的价值产品。届时将有很多新途径、新商业模式和新公司将观望如何价值化这些资产。
开发和支持开源Apache Cassandra非线性数据库商业版的公司DataStax预测：
· 数据工程师的适时出现
“数据科学家”这个术语将不再流行，而被“数据工程师”取代。数据科学家专注于数据科学的应用以及对关键业务问题的分析结果。数据工程师则是设计、构建以及管理大数据基础架构，他们侧重在架构和保证系统执行。
· 安全：物联网发展导致模糊地带
现今物联网发展很大程度上有些失控。因为缺乏标准和数据的爆炸，谁来对安全负责并不是很明晰。最大的风险来自于互联网服务提供商(ISP)，这也是为什么过去一年中主要是他们在安全领域进行探讨。
· 企业级云应用导致混合云致胜 很多已有平台上建立了数据库的大型企业宁愿放弃也不愿交换其数据库。混合数据架构可以涵括已有数据库，同时允许企业同时利用云应用，这将成为这些企业的主要关注点。
·去服务器架构解除紧关连
DataStax认为依靠第三方云应用或者云服务来管理服务器端的逻辑和状态，或者说来运行在事件驱动的无状态计算容器，这种去服务器架构将变得更为广泛。对去服务器架构的采纳将对应用如何部署以及管理产生更为广泛的影响。