
联想要做“互联网+大数据”实践者
在服务器、HPC、云计算等企业级业务已经取得巨大进展的联想,又将目光投向了大数据。
提及联想,我们首先想到的可能会是其传统的PC、平板、手机等业务,以及近年来逐渐发力的企业级业务,对于大数据,联想还是一名市场新兵。
实际上,联想在大数据上已经有了数年的耕耘,是一名大数据的实践者。据联想集团副总裁、联想研究院云计算与智能计算实验室主任黄莹介绍,联想内部已经在IT管理、产品反馈、门店管理等多个领域应用了大数据技术,并计划将成熟的方案推向市场。
“互联网+大数据”更具价值
《大数据时代》中写道:“如今,数据已经成为了一种商业资本,一项重要的经济投入,可以创造新的经济利益。事实上,一旦思维转变过来,数据就能被巧妙地用来激发新产品和新型服务。”
没错,数据是当今企业最为宝贵的财富,故而“大数据”成为当前最热门的话题,大数据及分析被视为企业变革、获得更强竞争力的有效手段。
不过,就像历史上的很多新生事物都会经历过质疑和争论,在对“大数据”的认知上也存在着一些误区。很多时候我们认为BI就是大数据、“数据仓库+Hadoop”就代表着大数据,然而并非如此。
联想集团副总裁、联想研究院云计算与智能计算实验室主任黄莹指出,大数据技术的价值在于能快速且基于事实的支持决策而产生巨大的商业价值。相比传统的BI,大数据的数据来源要更加广泛,不仅包括CRM、ERP、网店交易或会计账簿等传统企业数据,也包括网页日志、智能电表、制造传感器、设备日志、交易系统数据等机器或传感器数据,同时还包括具有时代特色社交媒体数据,如客户评论、微博和社交平台等。
“互联网与传统企业结合单一的企业数据仓库或者单一的互联网大数据平台无法满足企业发展需要,结合企业传统数据与物联网、自然语言等技术,互联网+大数据平台应运而生”,黄莹表示。
联想集团研究院大数据总监郭炜补充说,“数据仓库+Hadoop”并不等于大数据,“在网上的数据”才是真正的“互联网+大数据”:“现在设备采集的数据、互联网对话的数据,甚至是跟用户交互的点击流和线下的行为轨迹流,都是要纳入企业数据平台的。企业在设计大数据平台的时候,一定要考虑将用户交互的数据都纳入到企业的大数据平台上。”
如今,联想所从事的就是“互联网+大数据”平台的建设。据黄莹介绍,其中包括与传统企业系统对接,通过“爬虫”技术获取社交大数据来倾听客户体验,跟踪企业最新动态、加盟开源社区,基于大数据特殊应用需求定制软硬件解决方案等多个层面。
郭炜表示,从数据获取、再到存储、处理、展现、加工、挖掘,再形成用户画像,联想内部在使用着一整套的解决方案。
做“互联网+大数据”实践者
联想虽然是一名大数据领域的新兵,但对大数据有着清晰的认知,并且在内部已经开始了大数据实践。
例如,联想在互联网“爬虫”技术上有着多年的积累,并通过模拟用户行为、转换Cookie等技术来增强“爬虫”的能力。通过“爬虫”,联想能够将合作的电商平台,如京东、亚马逊、淘宝上有关联想产品的数据“爬”下来,第一时间获得用户的反馈信息、并能够将这些数据快速反馈给产品经理。
“通过对大数据进行分析、比较集中的用户信息反馈,比如电脑、笔记本跟屏幕相关的,或者是一些零部件的信息,怎么样把电脑设计得更加符合用户的使用习惯。比如有的用户是打游戏,我们就会在这个方面进行加强,在做产品定位的时候可以更加确切。这样的案例有很多,对联想产品更贴近用户产生了很大的价值”,黄莹表示,“互联网+大数据”让联想能够“聆听客户声音”,对联想改进产品有着重要意义。
在IT资源管理方面联想也应用了大数据技术。据黄莹介绍,联想大数据部门和IT部门一起协作,采集分布在世界各地数据中心的网络数据,然后分析产生价值:“如果将某一个应用布到某一个数据中心,它可能会对已有应用产生影响。我们可以通过大数据分析模拟,计算出对现在的带宽产生什么样的影响,可以对分析决策产生帮助。”
再如,联想有很多门店,过去都是用人工进行管理,这样导致的效果是低效的,决策者看不到真正发生了什么事情。如今联想建立了门店管理的大数据解决方案,联想内部的相关业务部门先跟门店进行合作,积累了比较好的经验以后再变成类似的方案,也可以分享给其他的合作方。
如今,联想的大数据方案已经初现雏形,据黄莹介绍,从爬虫技术、自然语言处理、底层大数据处理工具的平台化设计,比如Hadoop、Spark、数据清洗,以及一些数据可视化的工作,联想或者已经在实验室平台上实现,或者已经被联想业务部门应用起来。同时,定价、营销、供应链的分析等大数据方案也已经投入业务部门使用。
“在内部实施比较成功的大数据方案,联想计划将其包装成其他企业能够应用的方案付诸商用”,黄莹表示。
——从服务器、云计算、HPC,再到如今的大数据,联想在企业级市场逐渐发力。从联想大数据的应用实践、以及对大数据整体解决方案的构建不难看出,联想企业级解决方案提供商的角色已经更加鲜明。
在大数据领域,联想的优势在于有着齐全的终端设备,有着大量收集数据的渠道;具有丰富的软硬件,以及广泛的合作伙伴,具有构建大数据整体解决方案的良好基础;同时联想进行了大量的内部大数据实践,本身就是大数据的受益者,这为构建大数据方案提供了经验。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01