
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
如何考取数据分析师证书:以 CDA 为例 在数字化浪潮席卷各行各业的当下,数据分析师已然成为企业挖掘数据价值、驱动决策的 ...
2025-07-15CDA 精益业务数据分析:驱动企业高效决策的核心引擎 在数字经济时代,企业面临着前所未有的数据洪流,如何从海量数据中提取有 ...
2025-07-15MySQL 无外键关联表的 JOIN 实战:数据整合的灵活之道 在 MySQL 数据库的日常操作中,我们经常会遇到需要整合多张表数据的场景 ...
2025-07-15Python Pandas:数据科学的瑞士军刀 在数据驱动的时代,面对海量、复杂的数据,如何高效地进行处理、分析和挖掘成为关键。 ...
2025-07-15用 SQL 生成逆向回滚 SQL:数据操作的 “后悔药” 指南 在数据库操作中,误删数据、错改字段或误执行批量更新等问题时有发生。 ...
2025-07-14t检验与Wilcoxon检验的选择:何时用t.test,何时用wilcox.test? t 检验与 Wilcoxon 检验的选择:何时用 t.test,何时用 wilcox. ...
2025-07-14AI 浪潮下的生存与进阶: CDA数据分析师—开启新时代职业生涯的钥匙(深度研究报告、发展指导白皮书) 发布机构:CDA数据科 ...
2025-07-13LSTM 模型输入长度选择技巧:提升序列建模效能的关键 在循环神经网络(RNN)家族中,长短期记忆网络(LSTM)凭借其解决长序列 ...
2025-07-11CDA 数据分析师报考条件详解与准备指南 在数据驱动决策的时代浪潮下,CDA 数据分析师认证愈发受到瞩目,成为众多有志投身数 ...
2025-07-11数据透视表中两列相乘合计的实用指南 在数据分析的日常工作中,数据透视表凭借其强大的数据汇总和分析功能,成为了 Excel 用户 ...
2025-07-11尊敬的考生: 您好! 我们诚挚通知您,CDA Level I和 Level II考试大纲将于 2025年7月25日 实施重大更新。 此次更新旨在确保认 ...
2025-07-10BI 大数据分析师:连接数据与业务的价值转化者 在大数据与商业智能(Business Intelligence,简称 BI)深度融合的时代,BI ...
2025-07-10SQL 在预测分析中的应用:从数据查询到趋势预判 在数据驱动决策的时代,预测分析作为挖掘数据潜在价值的核心手段,正被广泛 ...
2025-07-10数据查询结束后:分析师的收尾工作与价值深化 在数据分析的全流程中,“query end”(查询结束)并非工作的终点,而是将数 ...
2025-07-10CDA 数据分析师考试:从报考到取证的全攻略 在数字经济蓬勃发展的今天,数据分析师已成为各行业争抢的核心人才,而 CDA(Certi ...
2025-07-09【CDA干货】单样本趋势性检验:捕捉数据背后的时间轨迹 在数据分析的版图中,单样本趋势性检验如同一位耐心的侦探,专注于从单 ...
2025-07-09year_month数据类型:时间维度的精准切片 在数据的世界里,时间是最不可或缺的维度之一,而year_month数据类型就像一把精准 ...
2025-07-09CDA 备考干货:Python 在数据分析中的核心应用与实战技巧 在 CDA 数据分析师认证考试中,Python 作为数据处理与分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 检验:数据趋势与突变分析的有力工具 在数据分析的广袤领域中,准确捕捉数据的趋势变化以及识别 ...
2025-07-08备战 CDA 数据分析师考试:需要多久?如何规划? CDA(Certified Data Analyst)数据分析师认证作为国内权威的数据分析能力认证 ...
2025-07-08