
大数据孤岛会出现吗
3月份时,我和IBM全球副总裁兼大中华区软件集团总经理胡世忠,IBM软件集团大中华区战略及市场总监吴立东有过一次交流,谈论的焦点可以概括为围绕大数据的5个为什么,不仅包括大数据作为一个热门行业本身催生的机会,IBM的大数据战略,也包括大数据所带来的一些深刻影响,比如企业是否应该将现在在第三方平台上实施的交易转移到自家门户,是否会受制于数据孤岛等,这些或许能透露出面向云服务时代的IBM到底在想什么和做什么。
之一:大数据是不是泡沫?
目前很多所谓的大数据创业者,似乎就是对微博等社交网络的分析信息做一些分析,然后帮助促进销售,但显然这不是全部,IBM这样的软硬件公司似乎才是最大受益者,我甚至开始怀疑这个概念一开始就是软硬件巨头们为了卖更多产品而发明的。
胡世忠同意“IBM会是最大受益者之一”的说法。不过他也认为,小公司在一些细分领域也会有很多机会,比如如何在不同种类的数据之间建立可分析性,对其进行分析等,其中的一些会获得独立的生存空间,但很多可能会被收购。
“过去18个月中有比我想象中更多的国外的小公司进中国来,它们有一些是专门做数据的日志、数据的来源等等。在这里,每一个障碍都是机会。”
但这个行业处理的对象处于快速变化中,比如移动数据的涌现,可能客户更愿意和IBM这样的整体解决方案公司打交道,这也是小公司的最大风险——它们可能稍有不慎就会被潮流抛弃。IBM将在很多领域扮演收购者角色,过去已经收购了超过30家与大数据相关的公司。
IBM在这方面最早收购的是Cognos,是做一般分析型的。现在则转向收购专业的,解决大数据领域特定问题的公司,要不然就是解决行业问题的,要不然是数据的分类问题,或者是一些数据存储上的技术问题,或者是数据挖掘,越来越窄、越来越精。
“这让我们提供给客户、帮助客户解决问题的类型越来越多,而不是用同一个东西来解决所有问题。”
之二:企业最终会逃离第三方电商平台,回到自己的门户?
淘宝去年的交易额已经超过1万亿元,这个行业的高增长还在持续,当大数据成为一个大问题时,企业是否需要对其电商模式进行重新定位?据两位采访对象介绍,他们掌握的信息是,国外一些企业已经开始将交易环节从亚马逊撤出,而转向自己的门户,因为它们不愿意失去客户的第一手信息和客户关系。
而IBM显然正努力让中国的企业也意识到这点,因为这样一来它们将更需要IBM这样的解决方案商的支持,这是一个大生意。
“我们现在跟每个企业谈智慧商务的时候,开始向他们介绍把这个东西放第三方平台上,放在淘宝天猫的代价是什么,你不知道谁买了东西,不知道他的爱好是什么,没有办法让人知道你的产品是什么。另外,你设计的产品不见得是客户想要的,这将造成库存。”
之三:第三方数据运营是个大生意?
SAP正在做一项尝试,即鼓励一些企业将自己的数据放在一个公共平台上,这样就能发挥数据的优势——因为当每家公司将自己的数据共享出来时,就更有机会建立起大数据的优势,当这些信息仅仅是每家企业的私有财产时,是一座座数据孤岛。
IBM也会这样做吗?胡世忠的回答是:第一,在国内还没有听过有这种需求,没有碰到过;第二,如果客户有这个需求,IBM可以做到这一点。不过在国外,IBM已经开始为企业提供大数据运营服务,帮助其应用数据。
“但在国内还没有,因为很多企业都有很多自己的低成本IT人员,还需要将这些人员的能量尽可能地发挥出来。”
之四:大数据会让行业的界限变得更模糊吗?
一个行业和另一个行业的界限,在很大程度上是因为知识和技术的界限造成的,大数据正使界限变得模糊,比如一些物流公司正介入电商领域,阿里巴巴同样是金融领域强大的竞争者。
这种趋势同样在IBM身上发生着,比如奥美是IBM传统的公关公司,每年给它一笔费用,但现在变成了IBM在EMM(企业营销管理)领域的合作伙伴,而其传统的客户苏宁则有可能变到IBM下一代的产品合作伙伴,或其渠道合作伙伴。
之五:大数据孤岛会出现吗?
那些拥有大量关键数据的社交网络和电商交易平台,都将数据列为其私有财产,希望借此使其成为大数据的赢家,而这将导致新的信息孤岛出现。
两人的看法是,一方面,Facebook和Twitter已经带头开放部分数据给第三方公司,因为它们自身也能从这种开放中受益,它们不可能自己进行所有的分析和运用,而更多的企业也最终会走向这条道路,但他们的开放不会是无偿的,他们会希望从开放中受益。
另一方面,虽然微博、微信等外部数据是重要的数据来源,但大多数客户已经有足够多的内部数据,完全可以从内部数据应用开始,他们需要做的,是制定一个统一的管理者,以协调各个部门的行动。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15