京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09