京公网安备 11010802034615号
经营许可证编号:京B2-20210330
跟互联网一样,大数据也需要一个入口
进入互联网时代,所有人忽然知道了一个叫“入口”的概念。谁能占领入口,谁就能有更多的机会为用户提供后续一系列的服务,从而在竞争中保持不败。其实,在纷乱复杂的大数据领域,从业者同样需要一个入口,而这个入口显然是规划和咨询。
正如多年前的云计算一样,大数据已经成为企业圈最热门的话题。在各种场合,厂商、专家不遗余力的为大数据布道,从最早的“啤酒与尿不湿”的故事开始,企业也渐渐意识到,大数据将成为下一个有望改变企业形态的技术。
虽然目前大数据与当年的云计算技术一样如火如荼,但企业很快发现,与大数据技术在理论上日臻成熟不同,现实中的大数据还很难形成一套完整的解决方案;很多时候还要“摸石头过河”,甚至做好“交学费”的准备。
做为一种帮助企业提升业务能力和竞争力的技术,大数据其实与其他技术一样,首先需要给企业一个明确的预期,然后再给企业一个清晰的路线图,让企业明白大数据是如何一步一步帮助企业实现目标的。但在现实中,情况却往往没有这么简单。A厂商在谈论大数据、B厂商也在谈论大数据,但在很多情况下,A和B谈论的并不是大数据的同一个维度、也不是同一个阶段、更不是同一个目标;但他们却都叫“大数据解决方案”。这难免让用户困惑。
大数据也需要一个入口
进入互联网时代,所有人忽然知道了一个叫“入口”的概念。谁能占领入口,谁就能有更多的机会为用户提供后续一系列的服务,从而在竞争中保持不败。其实,在纷乱复杂的大数据领域,从业者同样需要一个入口,而这个入口显然是规划和咨询。
ThinkBig是一家针对开源技术的大数据咨询服务公司,成立于2010年。按照公司创始人Rick Farnell的说法,公司刚成立时还没有现在如火如荼的Spark,而很多今天响当当的大数据先锋也还在初创期。
由于在Hadoop、Hbase等开源技术上布局较早,ThinkBig很快便积累了大量优质用户,这其中便包含了银行、证券、IT技术、制造等行业的领军企业。而Teradata大中华区首席执行官辛儿伦也笑谈:积累同样的客户,Teradata花了30年时间。正是由于看到了ThinkBig的巨大潜力,Teradata最终在2014年9月宣布收购ThinkBig公司。
在ThinkBig公司的各项能力中,有一项非常抢眼。那就是通过派驻专家分析用户的业务特点,ThinkBig公司可以用六周时间为用户制定出未来12个月的大数据发展路线图。让用户在目前纷乱的大数据市场能够有一个清晰的发展规划。而相对于具体的技术和架构,这项能在力对于目前的用户来说才是真正有价值的。
换句话说,虽然用户已经看到了大数据门扉中透露出的耀眼光芒,单很多用户自己其实并不具备自己打开大数据之门的能力。而ThinkBig就是那个站在大数据的门口,为来者开门的忠实使者。
虽然Teradata在数据仓库、数据分析等方面拥有丰厚的积累,但在一开放为前提的大数据时代,Teradata继续一个进入用户业务和应用场景的入口。ThinkBig正是这个入口,而且ThinkBig可以说是目前所有入口中最合适的一个。
进入中国市场
过去,IT圈里有一个不成文的共识:中国企业在信息化方面的发展基本落后美国3年甚至更长的时间。
不过在大数据这个难得的技术转型窗口,中国企业正在抓住机会奋起直追。这一方面是中国企业参与海外竞争的需要,同时也是中国企业进行战略转型和升级的需要。多方面因素使得中国企业在大数据技术方面的热情丝毫不亚于那些先进市场中的用户。
既然先进市场中的用户对这个大数据技术的领路人如此看中,那么中国企业显然同样需要这样一个大数据的入口
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20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