
搞云计算不谋求大数据 华为凭什么?
搞云计算不谋求大数据,不依靠大数据变现?这看起来有些不合潮流,因为当前大多数云服务商都“好这口”,早就把云计算背后的大数据价值估算在未来的潜在营收范围了。尤其是一批互联网出身的云服务商,用“羊毛出在猪身上”的互联网思维低价圈客,让很大一部分对安全和可靠性敏感的中大型企业在云化IT道路上踌躇不前。
历史已经无从数次证明:天下没有免费的午餐。“你谋求它低价便捷的服务,它觊觎的是你赖以生存的数据。”此起彼伏的“电商式”价格战,愈加坐实了部分云服务商“醉翁之意不在酒”的“雄心壮志”。但聪明的人都已开始觉醒——“一将功成万骨枯”的DT时代,并不是属于每一家企业的美好时代。
华为选在这节点发布酝酿已久、实践多年的企业云服务,无疑是看到了云计算发展误区中蕴藏的巨大机会:大中型企业及政企客户想要拥抱“互联网+”,但不愿也不能把数据拱手让人。对云计算的发展来说,前者是动力,后者是阻力——这两股互相排斥的力道之间,亟需一股糅合之力,来促成“鱼与熊掌兼得”。
华为云是这股糅合之力吗?它凭什么?
坚持被集成,不要“大数据”
“坚持‘被集成’战略,数据永远是您的。”“聚焦I层,使能P层,聚合S层。”这是华为对云业务的战略定位,也就是本文开篇处华为轮值CEO徐直军所讲到的,在云计算业务上,华为不靠大数据变现。
很明显,这是一个差异化的定位,也是一个聪明的定位。如上分析,传统大中型政企客户拥抱“互联网+”,云化IT势在必行,华为的表态打消了它们对数据旁落的担忧,极大地降低了阻力。
当然,即便是心地再善良的人也会疑问:华为的表态可信吗?华为怎么做到客户数据安全不旁落呢?对于前者,我想华为公司自身的声誉,以及华为IT业务一贯的“被集成”战略定位可以增信。而对于后者,答案就在“聚焦I层”,即华为只会把重点放在IaaS上,不与中上游厂商争利。
华为IT业务一向走的是“被集成”路子,自身只做ICT基础设施供应商,如今做企业云服务重点聚焦IaaS,实质上是其IT战略的自然延伸。众所周知,真正的基础设施供应商本质上是一个带中立性质的“第三方”角色,其自身业务与服务的客户之间几无冲突。
再通俗易懂点就是——华为不会拿所服务的金融、媒资、软件开发等行业客户的数据为己所用,因为它自身不做那档子事,压根没法用。可别小看这一点,“排除直接经营相关”可是很多企业考察云服务商的重点指标之一。环顾市场上的IaaS玩家,你数得出几家不是利益相关的?
幕后转前台,隐实力爆表
当然,光喊口号是不行的,最终能不能得到企业认可,还得靠实力和行动。早在2008年云计算概念传入中国时,华为第一款桌面云产品便在实验室诞生;2010年底,华为启动“云帆计划”,正式宣布进军云计算领域;2011年10月,华为宣布成立IT产品线,主打云化IT;2014年,华为领云操作系统FusionSphere更新到5.0版本;2015年华为正式发布公有云服务……
最让人注目的,可能还得数华为在云计算技术方面的巨大的人力财力投入。徐直军在发布会上讲,华为目前已经在全球部署了5个专注于云计算的研发中心,涉及研发人员超过10000人,平均每年在IT产业上的投资不低于5亿美元。他预计,2020年,华为IT业务收入将超过百亿美金,成为华为主要的业务模块。
当前中国云计算市场的主要玩家有以BAT为代表的互联网企业,电信、联通为代表的运营商,以及华为、IBM为代表的中外IT厂商。但是,很少有像华为这样已经形成从计算、存储到网络,再到操作系统的端到端云计算解决方案供应商。2014年,华为云操作系统入选Gartner云操作系统挑战者象限,这是Gartner首次将这一名额颁给亚洲国家厂商。迄今,华为已构建了一张具有十余个节点,覆盖全国的云服务网络,机房面积超过15万平米,成为网络覆盖最广的公有云服务商之一。
你也许会奇怪,如此强劲实力的华为云为何不常见于各大市场研究机构的排行榜单中?那是因为华为此前扮演的多是“幕后英雄”角色,给运营商和互联网公司的云服务提供IT基础设施支撑。此番华为决定从幕后站到前台,料定会释放强劲隐实力,给原本就热闹的公有云市场带来变数。
市场调研机构IDC数据显示,今年第一季度,全球云计算基础设施增长了25.1%,达63亿美元。这是过去5个季度中增长最快的季度之一。其中,私有云基础设施支出同比增加24.4%,达24亿美元,公有云基础设施支出增长25.5%,达39亿美元。可见,在私有云和公有云均实现20%以上增幅的同时,公有云增幅超过了私有云,市场风向逐渐朝着公有云倾斜。
中国一向是云计算增长最快、潜力最大的市场,随着华为这样的兼具中立地位和强劲实力的云服务的加码,可预见原本踌躇观望的大中型企业将加快云化IT步伐,公有云市场将迎来爆发。特别地,传统金融、电视广播、园区运营等面临新兴势力强力挑战的行业,将加速重塑IT以拥抱“互联网+”。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09