
向大数据时代跃迁
人类进化过程中,对工具的使用十分重要。我们曾经认为技术就是工具,技术提升了效率,并实现远距离通话。最近,我还看到一项发明,可以通过味觉关联,让盲人“看到”一些物品。这种为盲人设计的眼镜就是计算能力的应用。
如果将早期的计算机、互联网比喻成工业革命中的蒸汽机、轮船,那么,新一代的云计算、大数据、可穿戴设备、移动互联网,就像工业革命中电、化学元素以及电话、航空等规模性出现的发明,它们已不再是简单地给生活带来方便的工具,而可能是对整个社会进行重塑。
云计算的处理能力(从分布式计算到大数据),是人类历史上第一次将不同类型的数据进行采集和分析。现有的数据可分成三类,结构化的数据、接触性的数据和可佩戴计算的数据。
2013年,很多企业都已经意识到数据的价值。就像工业革命中企业要用电一样,今天则必须学会如何使用大数据来提升竞争力。未来还要具备收集、储存和处理此三种数据的能力。
我们将进入一个数据支配( Data charge)的时代。新的数据规模、形态和需求的出现,让传统的无论是IBM,还是Oracle、EMC的数据库都变得不太适合,时代需要一种新的数据库架构。类似Wintel( Windows+Intel)到了移动时代必须变革,去IOE(IBM、Oracle、EMC的第一个字母)的时代已经开始,新一代的服务器和超大规模的数据中心即将诞生。
在互联网1.0的时代,数据的来源大部分仅是将传统的内容搬到了网上;今天互联网每天产生大量的信息和数据,比如社交网络,或智能手机、可穿戴设备的数据,很多都是消费者参与创造的。假如所有信息都能被中央的大云记录起来,并且可进行分析;假如发明这样一种技术,可记住我们出生以来每一次的心跳、每一次疾病、读过的每一本书和经历的重要事件,那么,这就让我们更了解自己,更加了解我们的社会。
举一个例子。以往我们的医院都是按行业、按规模来划分的,医生、专家均需经历漫长的学习过程。事实上,人类很多疾病都是有规律的,很多治疗可能是不需要医生的。运用大数据、可穿戴设备和云计算能力,可让学习和治疗的成本大幅度下降。如果将所有医疗的数据都集中到一个共同的平台上,这个平台就成为了世界医疗的大脑,医生可以通过大数据了解我们身体。这样每个新医生在治病之前,就能了解到数据平台成千百万的病例,哪些是有治疗方法的,哪些还没有治疗方法。通过海量的数据处理,并用计算机的深度机器学习,替代医生做大部分的判断工作,可能会大幅度提升和改变医生的学习过程,并比传统做得更精确。
“杏树林”正试图这样做。张遇升,是它的创始人。这个27岁的创业者在做的事情就是用手机上传病人的病历,目前已有超过40万医生在该平台上生成APP病历。他的目标是在两年内让中国一半的医生可以分享。
2013年企业开始注重数据应用,同时大数据在教育、交通、医疗等行业正加快落地。除此之外,可穿戴设备的进展尤其引人注目。
Google glass(谷歌眼镜)推出了新的版本,三星、微软等公司宣布将推出智能手表,各式各样的智能手环、智能眼镜、智能跑鞋都不断地涌现。Juniper Research数据认为,2013年全球用户将在这些设备上花费14亿美元,到2018年将增至190亿美元;2013年可穿戴设备的销售量将达到1500万台,到2017年将达到7000万台。设备制造商、软件研发者和普通用户都可从这一趋势中获益。
可穿戴设备及其带来的反馈经济在改变着与我们每个人相关的医疗、健康、体育、游戏等行业。通过可穿戴设备,能准确及时了解到我们的身体,血压、呼吸、热量等数据;运动员则通过它获取运动数据,可回放和分析来改善比赛表现;可穿戴设备亦可用到交互式游戏上,用来了解身边的环境,比如作息、行为或者饮食习惯;它还可以用来记录位置和情绪。可穿戴设备比智能手机可以更为方便和不间断地收集数据,实现将个人数未来价值的创造者,可能是那些有算法并兼备创新的思维和商业模式的公司据和环境数据的整合,从而更精准地了解身体数据并和外部环境进行关联。
如果说此前的互联网络、社交网络让人和人之间更方便地沟通,可穿戴设备则实现了人和机器、和外部环境之间的沟通。基于可穿戴计算和反馈经济的各种商业模式也正在出现。我们预测未来三年到五年,随身物品应该都会具备计算能力,另外随着大数据处理工具,包括机器学习的深入,更多数据将被不间断收集起来并可随时分析,在更多的行业更大的改变或者创新即将发生。
比如每个人的大脑存储是有限的,可穿戴设备结合了像Evernote(印象笔记)这样云的应用,等于给人类增加了“外部的大脑”,可帮助我们更方便,并且是没有限制地进行知识采集、存储,更智慧地进行知识管理。
这种创新也会带动芯片、显示屏、硬件设计及软件、应用方面的创新,如更低能耗、更小体积的芯片,更加多样的显示屏等。同时,推动云计算、大数据应用生态系统的成熟。
英特尔公司已宣布2013年底前推出可应用于可穿戴计算设备的芯片,得州仪器和高通也都开发了ARM架构的芯片,这些芯片同样可用于可穿戴设备和物联网。
一些新的可弯曲的显示屏以及液态金属技术也被开发或投入应用。可穿戴设备还推动着个人云的成熟,让我们可以更加智慧地了解自己,学习和感知外部的世界。
大数据、云计算和可穿戴设备已不仅是IT革新,而是成为改变生活和社会方方面面的革命原动力。由于移动网络、大数据,尤其是今天各种各样计算环境的到来,我们发现自己正在迈入一个新的、更有智慧的世界。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 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 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29