京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在大数据技术飞速迭代、数字营销竞争日趋激烈的今天,“精准触达、高效转化、成本可控”已成为企业营销的核心诉求。传统广告投放 ...
2026-04-24在游戏行业竞争白热化的当下,用户流失已成为制约游戏生命周期、影响营收增长的核心痛点。据行业报告显示,2024年移动游戏平均次 ...
2026-04-24 很多业务负责人开会常说“我们要数据驱动”,最后却变成“看哪张报表数据多就用哪个”,往往因为缺乏一套结构性的方法去搭建 ...
2026-04-24在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16