京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据、物联网和区块链:沿着黄砖路吗
大数据和物联网(IoT)。两者在颠覆性技术的名单上排名很靠前。与大多数技术一样,都有协同的领域,最终提供一条实现真正的商业价值的黄砖路。
Blockchain进入颠覆性的对话
但最近,一个新的话题使颠覆性技术的讨论更加活跃:Blockchain技术。并且必不可少的随之而来了一系列问题。它究竟是什么?它是如何帮助(还是真的作用到)提供商业价值?它将如何影响我目前的积极性呢?并且协同效应存在什么问题,或者我需要担心它吹动一切吗?
什么是Blockchain——它是如何与比特币联系在一起的?
如果你在谷歌搜索blockchain,你会发现“blockchain”和“比特币”不可避免的成对出现,那是因为blockchain技术使电子货币比如比特币起作用。如你所知,比特币没有物质形态,不被单一的实体约束,也不被任何政府或机构支持。
(在这里,我不会试图讨论比特币的利弊。这些对话几乎和情感政治讨论一样并且足够多使书填满。)
一个永久的数字事务数据库
简而言之,blockchain是一个数字分类帐处理的事务,你可能认为是一个电子表格。然而,它由一个不断增长的称为“块”的处理清单构成——所有的块按顺序连接。每个块链接到列表中的前一个,链中的每一块都不能被删除,所以它变成了包含自成立以来发生的所有事务的永久数据库的一部分。
它也是最终的分布式数据库
但最有趣的事是blockchain是没有中央集权控制或单一来源的数据库。这意味着它存在于每一个与之关联的系统。是的,每个系统都有自己blockchain的完整副本。随着新块的添加,他们被每一个系统收集到最终的分布式数据库中。如果你弄丢了你的副本,没关系。重新连接blockchain网络你会得到一个新的整个blockchain的副本
但是如何确保交易安全呢?
现在你可能在想,怎么可能有一个安全的方法进行数字交易呢?”简而言之,就是通过一些非常复杂的密码学,数学,众包共识。在YouTube上有一个很棒的视频详细解释过。20多分钟,但是我见过的对这个非常复杂的解决方案最好的解释。
网络上称其为“不可靠系统”这并不是说系统不能被信任。它只是意味着两者不需要可信的第三方(如银行或信用卡公司)保持分类帐和有效的交易。因为每笔事务交易总可以被分布式分类帐验证,各方都留有一个副本。
注意:最要去理解的一件事是,尽管你不能用没有blockchain的比特币,但你可以使用blockchain而不涉及比特币-并且这个时候事情会变得非常有趣。
Blockchain和大数据
当你基于比特币谈论blockchain与大数据的连接似乎有点脆弱。如果在比特币之外呢,blockchain为其他金融交易分类吗?或商业合同?或股票交易?
金融服务行业开始认真看区块链技术。花旗、纳斯达克和Visa最近取得了显著成效,比特币blockchain服务提供者。奥利弗商量之后,瑞银集团(UBS)的首席信息官 Oliver Bussmann表示,blockchain技术可以“削减事务处理时间从几天到几分钟。”
金融服务行业对blockchain的需求是强大的。你可以想象blockchain的规模,在巨大的数据块的湖泊中,包含每一个金融交易的全部历史,所有可用的分析。Blockchain提供分类的完整性,但没有分析,这就是大数据和相应的分析工具应该发挥作用的地方了。
Blockchain和互联网的东西
毫无疑问,物联网产业是一个巨大的增长产业。Gartner预测,,在未来4年物联网的设备数量将会超过250亿。这些可以小到小型的感应器大到大型设备,两个关键的挑战是确保这些设备和他们交换数据的隐私。
传统的集中的处理和消息代理可以帮助解决这些问题,但他们的规模将无法处理未来物联网设备的数量和设备产生的数千亿笔交易。
追随黄金大道
每次只能构建一个区块,并总是成长和前进的,但还保持着它的踪迹。虽然blockchain最初的目的是支持比特币这样的数字货币,像大多数的颠覆性技术一样,它的价值以意想不到的方式和方向增长。
作为一名技术员,我发现技术如此的引人入胜。也就是说,技术只是一个工具。确保其可用于提供真正的商业价值才是我们的责任。无论它是减少事务处理时间,还是分析交易趋势,或提供一个机制来安全保障物联网通讯,大数据和物联网的协同效应是一条我们可以遵循获得真正的商业价值的黄砖路。
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