
大数据分析现状 发展计划和面临的挑战_数据分析师考试
为分析并预测大数据技术的发展现状、发展计划和面临的挑战,IDC将于2013年秋季对德国相关应用企业进行问卷调查。
从技术角度来看,大数据包括像Hadoop、高扩展度数据库、最佳可视化工具以及高性能搜索引擎这样的新技术和已经成熟的技术,如事件驱动处理技术、商业智能技术和数据挖掘技术,这些技术主要用来处理海量的数据。
大数据技术的主要任务是从内部和外部数据源中找出所需的数据,并对这些
数据进行高效快捷的评估,最终提供决策支撑。
全球对大数据技术和服务的投资在增长
目前,大数据在美国最为发达,包括德国在内的欧洲地区在这一领域稍显落后。不过,现在业内人士已经注意到了这一趋势,各个企业中的IT部门正在感受到发展的压力。
期望和前提
数据评估和报告在大多数企业中早已不是新鲜事物,只是如今旧的数据评估和报告工具已经无法满足新的需求:现在的专业人士要求尽量实现数据实时分析,目前的基础设施、数据结构、解决工具以及商业模式根本无法保质保量地完成这个要求。
企业现在面临两个选择:对现有技术进行扩展,或者实现技术升级。大数据技术就是比较理想的新技术。
讨论热点
过去几年,大数据讨论中比较热的话题是技术问题和数据组织问题。经过几年的发展,人们对这些问题的理解有了深入发展,又开启了新的讨论话题。
现在,专业人士讨论的焦点问题是工作量优化,未来关于工作量和新的商业模式的讨论还会更多。2011年和2012年大数据的项目比较少,主要以测试安装为主。
IDC预测,今年和明年这一领域会出现大幅增长。对于企业来说,大数据技术既是挑战,也是机遇。
战略和解决方案
所以,大数据势必成为ICT(InformationCommunicationTechnology,信息通信技术)战略的一部分。数据访问和融合也变得越来越重要。
IDC认为,2013年和2014年人们关注的热点将从技术转移到信息查找和知识获取。“软件定义”(Softwaredefined)、融合技术、开源软件及平台是大数据基础设施建设中最核心的问题。其中,开源软件与平台还需要经过一个商业适应的过程。许多企业把投资重点放在机器生成数据的实时分析上,因为这可以加快企业的发展。终端用户希望解决方案可以简单易操作。要实现应用程序和移动解决方案的可视化和直观互动,就要实现大数据的“消费化”。
IDC预测,由于缺乏大数据分析的方法和技术,许多企业将使用“现成的”解决方案。
投资活跃
全球范围内,企业对大数据技术和服务的投资增长都会很快。IDC预测,未来几年的平均增速将大于30%。
市场透明度还不够
企业还有许多待解答的问题。对于许多IT负责人来说,可衡量的商业收益、数据安全、数据法律以及可使用数据的准确定义这些问题都不够透明。对于企业来说,数据正在加速成为运作资源和生产要素。要实现从技术到信息和知识获取的转变、使用开放源、进行实时分析,企业就要对技能、解决方案和服务投资。许多企业对这一领域了解不多,需要有人为他们解释技术、组织、法律以及文化方面的问题。
总的来说,企业在获取大数据技术和分析方面的信息以及咨询需求都非常大。对于这一领域的ICT供应商和服务商来说,这是一个绝好的发展壮大的机会。要制定正确的市场营销策略,获得漂亮的销售成绩,关键就在于了解用户环境中IT和商业决策者的要求和期望。
为验证IDC对大数据分析发展现状、发展计划和要求方面的预测,IDC将于今年秋季对德国的应用企业进行调查。这份调查名为《分析、可视化、预测——2013德国数据策略:大数据分析能否带来商业成功》,主要是了解先进的分析工具在企业中的应用情况,了解企业更倾向于使用哪种解决方案来选择和加工重要数据。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15