京公网安备 11010802034615号
经营许可证编号:京B2-20210330
物联网和大数据趋势的赢家:云计算供应商_数据分析师考试
物联网将推动对数据中心的大规模投资,但这些数据中心将由亚马逊、微软和谷歌运行。不难看出物联网(IoT)和大数据趋势的赢家:云计算供应商。根据IDC表示,在未来四年内,IoT将需要750%更多的数据中心容量。
这意味着大量的服务器、网络设备等。但这些钱并不会流向业界传统供应商,虽然有些供应商可能提供亚马逊等需要的差异化产品,但这是一小部分。毕竟,亚马逊、微软、谷歌等云计算领导者通常不会购买IBM和传统数据中心供应商的产品,因为他们的需求太专业,并要求他们构建自己或高度定制的白盒产品。
因此,尽管IoT和大数据趋势将推动新的数据中心投资,但它们也将改变供应商格局,可能是永远地改变。
物联网是一种自然的力量
虽然可穿戴设备、汽车等设备中的传感器正在吸引公众的关注,但现实是,数据中心在支持着不断发展的IoT市场。在很多方面,收集数据是最容易的部分,而处理和分析数据则是很难的部分。这个问题需要不断增长的硬件和软件来解决。
IDC预计,到2019年,数据中心容量将要增长750%来解决IoT数据工作负载。正如IDC数据中心和云计算副总裁Rick Villars表示,“鉴于联网设备的数量和收集的数据量,企业必须将其IoT服务平台需求放在数据中心水平,而不是单台服务器或存储设备。”
然而,问题是很少有企业能够有效地做到这一点,很多企业走向了相反的方向。正如IDC所指出的,“IoT部署中需要的灵活性和规模将确保大部分这种数据中心容量位于服务供应商(云计算)数据中心。”
云计算已经准备就绪
但不要担心,这些云计算供应商都在期待处理这些工作负载。事实上,正如《华尔街日报》的Dan Gallagher指出,“IDC预测,到2018年,云计算市场将会增加一倍以上,达到1270亿美元。这也是为什么亚马逊、谷歌和微软都在不惜一切代价留在这个市场的原因。”
Redmonk分析师Stephen O’Grady称这主要是源于规模经济:“大型供应商给市场带来的规模经济非常巨大。因为他们能够购买更大数量,他们的可变成本降低;他们的固定成本被分摊到更大数量的客户群;他们的相对效率会增加,随着规模推动自动化和改进过程;他们能够吸引和保留人才来解决技术挑战等。”
因此,虽然是根据企业构建多少数据中心来处理其规模来衡量成功,但IoT会快速发展,让有限数量的大型供应商包揽成功,例如Facebook、Twitter、谷歌和亚马逊云计算服务(AWS)。
即使是那些认为他们能够战胜这些强大对手的供应商,你真的想应战吗?AWS数据科学主管Matt Wood称,使用停滞发展的硬件资产非常难以运行复杂的数据科学查询。他认为,弹性是数据科学必不可少的因素,对于物联网也是如此。
你的数据中心供应商完蛋了
无论是谁在构建数据中心,有一点是明确的:这些云计算建设者会直接找到台湾ODM厂商来制造满足其特殊需求的硬件。这些云计算供应商不会再购买现成的硬件或软件:而是将其数据中心的所有方面都视为是至关重要的专有知识。
在构建自己的数据中心的过程中,亚马逊已经显着消减了成本并提高了性能。为什么呢?因为他们在试图去除一切无关内容,只满足其实际需求。
那么,这意味着什么呢?
这意味着我们未来的云计算硬件供应商实际上是构建或购买他们自己定制硬件的云计算供应商。
在本质上,这意味着供应商会退出企业数据中心市场,虽然云市场正飞速发展,总之,数据中心市场正在进行重塑:更少的惠普和IBM,更多的AWS和微软。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25