
从内部实践讲起 联想也谈大数据
继云计算在各行各业相继落地后,大数据与我们的关系也在日益密切。在笔者过往进行的客户采访中,有不少用户都表示当下正在进行一些大数据相关的工作,包括对各个业务平台的打通,数据共享、收集以及分析等,这也意味着大数据正在从“阳春白雪”走向“下里巴人”。
在近日召开的2015中国国际大数据大会上,包括移动、联通、电信及联想等在内的运营商及IT企业均分享了其在大数据领域的探索和布局。从它们身上能看到相同的是,几乎所有企业都意识到了大数据所蕴含的价值;不同的是,各企业在挖掘其价值的过程中,所处的阶段不尽相同,比如有的已经处于利用所挖掘的数据价值来提升业务的阶段,而有的还处于建模型、处理、分析数据的阶段。
大数据落地指日可待
而这可以说也是当前大数据发展现状的一个缩影,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会后在接受采访时表示,从兴起到今天,大数据的发展经历了所有新技术落地的各种必要过程,包括从概念认知、日渐接受,到今日的逐渐落地。这其中,大数据的价值归根结底在于帮助企业提升商业价值,这点已经毋庸置疑。
黄莹举了联想自身的例子来说明。他说,两年前,在联想内部推广大数据的时候,还要跟业务主管介绍大数据是干什么用的。但是从去年开始,各业务部门已经开始从一些小的应用着手进行尝试,到今年,大家对大数据已经完全没有怀疑,包括联想各个业务部门都有大数据方面的项目在进行。
这其实十分类似于人们接受一个新鲜事物的过程,开始不了解,有怀疑、质疑,逐渐了解后,进行尝试,当获得、或看到好处时则会大力推广。现在大数据所处的发展阶段就已经属于后者,用户不再追问大数据是什么,而是问我们怎么利用大数据。
具体来说,联想作为一个典型的制造企业,生产的产品有成百上千种,如何做到以客户为中心,其中很重要的一条就是聆听客户需求,及时改进,这也是联想内部做大数据研究的一个主要因素,即帮助其更好地改进产品。当然,一开始的进展也没有那么顺利,据黄莹介绍,最开始推广大数据的时候,也只有几个产品经理在用,不过随着时间的推进,越来越多的产品经理意识到了价值所在,到现在该大数据平台已经有成百上千个产品经理在使用。
对此,联想集团研究院大数据总监郭炜也表示,事实证明,现在大数据已经过了喊口号、炒概念的阶段,其现在与前沿的技术创新和实际应用的结合是非常快的,以前一个东西变成产品可能需要几年,现在一旦技术完备,真正应用到企业也就是几个月的时间。
利用大数据,最关键的是什么?
要分析这个首先还是要看看大数据都涉及哪些技术层面,粗略地概括,大致主要包括三个阶段:数据收集、收据分析和数据呈现。毫无疑问,这其中首先要解决的就是数据来源问题,然后才有分析、呈现、利用。以联想自身为例,一方面其将内部的数据孤岛打通,形成数据共享平台,另一方面利用爬虫技术去搜集互联网上关于联想的各种意见、建议,也就是说企业内部数据和外部来自用户的评论共同构成了数据源。
接下来要做到就是分析、呈现,有关这部分其实不用多讲,每天都有各种新的技术出现,这也不是难题。无论是黄莹还是之前的客户采访,但凡被问到这类问题,他们给出的答案都是一致的,那就是解决了数据来源问题,其他都好办,可见大数据、大数据,说到底首先得有数据。其次,才是分析、利用。
虽然在采访中,两位发言人都更多提及的是大数据在联想内部的实践,但截止当前,联想已经把这套实践经验总结、提炼,形成了面向用户的最终解决方案,在2015中国国际大数据大会的现场,联想也进行了展出。
都说实践才出真知,联想的亲身体验想必也能为用户带去价值,帮助用户少走弯路。更多关于联想大数据相关的解决方案,这里不详细展开,有兴趣的朋友可自行去查阅、咨询。总之,大数据所蕴藏的价值毋庸置疑,但在发掘、利用大数据价值的道路上,还是有很多沟沟坎坎要迈过的,找一个有实践经验的供应商,想必不是坏事。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10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 ...
2025-09-02