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
在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24