京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22