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
金融行业的运营风险贯穿业务全流程,涵盖交易欺诈、操作违规、流程漏洞、合规偏差、客户信用异常等多元场景,是银行、保险、证券 ...
2026-07-17财产保险作为金融行业的核心板块,涵盖车险、家财险、责任险、企财险等多元品类,是个人与企业抵御财产风险、经营风险的重要保障 ...
2026-07-17 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 ...
2026-07-17【核心关键词】模块、餐饮、客户、门店、企业、订单、供应链、多样化、产品、生产计划、数据分析、生产管理、物料管理、业务分 ...
2026-07-16在数字化分析时代,原始数据本身不具备业务价值,只有通过科学的统计学方法加工、拆解、验证与解读,才能挖掘数据背后的规律、差 ...
2026-07-16 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 ...
2026-07-16在描述性统计分析、数据预处理、异常值排查与多组数据分布对比工作中,箱线图(Box Plot)是应用最广泛的可视化与统计工具之一。 ...
2026-07-15在企业数据存储、业务统计与数据分析工作中,绝大多数业务数据都带有时间维度属性,例如订单创建时间、用户注册时间、支付完成时 ...
2026-07-15 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-07-15【核心关键词】产品、经营、客户、调研、销售额、宏观、会计行业、客户满意度、发展趋势、经营状况、数据分析、竞争对手、数据 ...
2026-07-14问卷调查是市场调研、用户研究、社会调研与产品分析的核心数据采集方式。问卷数据大多以分类数据为主,例如用户性别、年龄分层、 ...
2026-07-14 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-07-14在数据分析、业务效果验证、AB实验扩展、行业对比等场景中,我们经常需要对比三组及以上样本的均值差异,例如不同区域的客单价对 ...
2026-07-13在互联网产品运营、用户生命周期管理与商业化数据分析中,留存指标是判断产品价值、用户满意度与商业模式健康度的核心基准。常规 ...
2026-07-13 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-07-13【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09