
大数据2.0再掀狂潮 你准备好了吗
随着物联网、云计算、移动互联网、车联网、手机、平板电脑以及遍布各个角落的各种各样的传感器的出现,互联网承载了前所未有的数据量,数据已经变成了生活中的宝矿。大数据分析已经逐渐介入到企业的各种决策之中,互联网相关产业相对略快,而传统企业在大数据分析方面的武力却尤为薄弱。
目前,大数据由单一的业务数据收集和数据分析,逐步跨入数据开放、数据共享的新时代。伴随新时代而来的自然是新的法则,“地球村”下网络高速互通,现在的市场几乎是以“秒”为单位来计算,企业若无法从各方数据中挖掘价值,错过的很可能是一个时代。复杂的竞争手段,多变的环境,稍有不慎落后一步就会被后进者拍在沙滩上。这样的巨浪突袭之际,作为企业,你准备好了吗?
备战大数据2.0 别被后浪拍在沙滩上!
俗语有兵来将挡一说,新时代下,知己知彼有备而战对企业来说十分重要。近日,在IT168旗下论坛ITPUB举行的活动讨论《大数据2.0再掀狂潮 堪比Windows变革》中,参与的网友遍布很多行业,他们对大数据2.0时代的看法和预期各不相同。在话题中分享了自身的经验,下面我们就来看看网友的意见。
什么是大数据2.0时代?
互联网从由技术主导的Web 1.0时代发展由用户主导的Web 2.0时代,是概念的飞跃,谁也不能否认,它给人们工作生活所带来的变化是翻天覆地的。作为同样是互联网产物的大数据,与人们的生活联系却并不紧密直观,其发展也不易被感知。
网友陌路巨额投入提到大数据2.0时是这样说的:“大数据1.0是对BI的扩充,它通过对企业自身业务生产的大量数据进行深入挖掘,能够进一步发掘数据价值,再产生新的数据,如此成一个闭环。而大数据2.0时代,是真正迈进了大数据的门口,它所强调的并不是一类数据上纵深的关系,而是强调解决问题。2.0与1.0最大的不同是企业要解决问题的数据可能并不是企业本身产生的,反之企业的数据也可以解决其他的外部问题,产生很大的原来不可预计的价值。”他还为我们举了几个日常生活中不容易注意到的事件:“百度搜索,点开搜索查看以获得更好的体验,搜集更多的数据;移动互联网平台每天收集的用户数据深入分析,以便更好地投放广告。这是典型的大数据1.0时代。而Google利用很多搜索词以及用户点击,来对传感病进行预测,或对动态电价进行预测。这是大数据的2.0时代。”还是听不懂他在说什么?没关系,网友pure_lotus简要通俗的将其概括为:“在2.0时代,每个人都既是数据的提供者,又是数据的使用者。而在1.0时代,人们只被动获得数据或者提供数据。”
新时代企业面临的困难与机遇?
众所周知,大数据有四大特点:Volume(大量)、Velocity(高速)、Variety(多样)、Value(价值),其中,最重要的是Value(价值)。网友Xkf01提到:“在1.0时代,大数据4个V中的前3个V(大量、多样、高速)都被有效的诠释了。但是最重要的一个V(价值),还没有得到良好的利用。”网友2009532140说:“目前企业所面临的主要问题并不是知道如何挖取却没有相应的技术,而是不知道如何挖取有价值的信息提供分析指导。大部分的挖掘都是基于已有的感觉经验,有相应充分的理论作为指导的并不多。”
确实,在较新的领域面前,大多企业都是零基础,起跑线相同。数据分析人才的缺乏,企业对于数据价值的敏感度不够,这些都导致了数据资源的极大浪费。金融领域的网友baijiong998谈了他的感受:“目前,我们能从数据中发现的价值还是有限的,因为数据链可能并不是特别完整。在这方面,阿里可能做得比较好,从渠道、客户、交易、银行支付、社交等一连串的数据都拥有,就可以更好的利用,这些数据能够为每一个客户画出一幅金融肖像图。”
困难中不难发掘机遇,随着竞争方式的多样化发展,在市场竞争中,谁能从数据的海洋中,获取到高价值的信息更多,将在市场上占据制高点,从而获取更多的经济利益。陌路巨额投入认为:“大数据带给我们的意义,是促使社会认识和树立起,信息是资源、是财富、是生产要素的观念。大数据对网络精准营销的作用很大,并且还在往非物联网企业,传统的企业,特别是政府领域扩散。企业开始重视对已掌握数据的挖掘、利用、开发,互联网企业有携大数据跨界融合的趋势。它能够影响传统的行业加速到数据应用,全面的提升全社会自动化水平。而这些正是企业的机遇。”
谈这个问题之前小编先来汇总网友们提到的热门数据挖掘工具:Splunk、SPSS、R语言、SAS、Tableau、Qlik等。然而,随着海量大数据带来数据存储与传输上的更高要求,这些工具虽然可以进行数据挖掘,但并不足以完全支撑未来的竞争。
那么,未来具备什么素质的系统才有可能满足市场需求?“企业应选择什么样的系统?一体化”派与“可视化、个性”派依然存在分歧。多数网友认为,可视化、个性化的系统更可能成为救世主。因为一体化的大数据系统从立意来说是好的,但是,一体化意味着系统的复杂,意味着起步较慢,而可观测的角度太多就有可能失去了对有价值意义的数据的专注。对于此类看法,网友000sss却不认同:“大数据2.0时代,企业关注更多的是如何将数据变废为宝,很多人会觉得个性化推荐系统、营销系统、大数据分析系统将会成为大家所期盼的救世主。但对于企业来讲,我们很期望有一个一体化的大数据系统,能够有效简化数据采集、存储与处理优化流程。”对于两派之争,小编认为,在现代数据类型和分析需求如此复杂多变的情况下,单一类型产品称霸的可能性越来越小。与大数据息息相关的数据库领域,垄断多年的甲骨文等巨头亦不似当年风光,需求的多样化将会被更细分的产品组合满足。最流行的不一定是最适合你的,分析自己的需求,找到契合自己的有针对性的解决方案才是王道。网友Liuhuoxingkong在讨论中分析 了二者的关系:“采集、存储、处理与优化的一体化是整个流程,而可视化、个性化是结果,也可能是很多企业的最终目标。所以,此二者都会被需要。”
备战大数据2.0 别被后浪拍在沙滩上!
在大数据的影响下,存储和计算方式转向了分布式进化,操作系统向IAAS、PAAS进化,软件也向SAAS进化。有人认为数据2.0时代将会掀起新一轮的变革,其意义将不亚于当年DOS向WINDOWS系统进化的革命性成果。当年,WINDOWS的出现彻底改变了个人计算机口令式的操作操作方式,以图形界面的操作方式,极大简化了用户操作流程。
网友baijiong998认为:“DOS到WINDOWS改变了全社会的生活方式,开启了信息化时代。我记得当年用DOS操作系统时,干什么都得敲命令,搞得很专业一样,其实又没有干多少事情。到了WINDOWS操作系统上,做什么都显得不那么专业,但确干了很多事情。所以,虽然大数据时代来临了,但他的影响,应该不及WINDOWS取代DOS。”
然而,网友renxiao2003却不这么认为:“前几年很多企业已经形如向IAAS、PAAS、SAAS转换。随着它们的发展,传统的操作系统,存储将逐渐的退出企业领域。这个影响应该应该会大于当年从DOS向Windows系统进化的革命性成果。而这个影响也会对个人用户产生一定影响,比如使用的云存储等。”
小编点评:大数据2.0时代真正改变了传统意义上的市场竞争规则,市场多元化发展,技术方向的改变。它正在驱动着整个IT行业在架构和服务上发生着转变,而影响力到底有多大还都只是猜测。海量大数据带来了一系列的对数据存储和传输上的要求,我们尚有许多问题需要解决。在整个商业领域面临重新洗牌的时刻,企业首先应清楚自身需求,打起十二分精神紧跟时代步伐,关注新的热门技术及一手行业消息。对于经验资源更加稀少的传统企业来说,转变思路、储备信息人才更是刻不容缓,而资源互换与合作未必不是更实惠的方法。总之,准备不充足、搞不清楚状况就是被巨浪砸趴的先兆。大数据2.0时代的到来,是乘风而起还是被卷入海底,只看企业各显神通。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 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 ...
2025-09-04