京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代:数据服务业
自从苹果公司先后推出iPhone和iPad红遍全球,全世界进入了若干产业被颠覆,若干产业被重组,若干公司被干掉的大乱局面。以近来谷歌和微软相继推出平板电脑为标志,再加上它们在手机操作系统以及手机制造上的努力,可以说传统的产业划分和商业模式分析需要重新来过了。
从产业分析的角度看,今天再把网络业,IT业,电信业和软件业分开看已经什么都说不清楚了。传统的TMT概念(电信,媒体和信息技术业的统称)更是应该被扔进历史垃圾堆。一个重新定义过的大网络业概念可能会更加贴切地反映高度变动中的世界和日益模糊的产业关系。这个大网络业的上游,领军和驱动力是传统意义上的网络业(或称小网络业),中游是IT业,电信业和软件业,下游是新闻出版业,影视业,娱乐业,零售业和物流业。之所以可以把它们统统划归一个大产业概念,是因为它们都已经或正在互联网化,彼此之间形成了共生共荣的紧密关系。
从正在到来的大数据时代的角度看,也许大可不必纠缠于大网络业和小网络业如何区分的官司之中,干脆重新定义一个新概念:数据服务业。这个产业的核心资产就是电子化网络化的数据,无论这些数据来自于什么地方,什么组织或个人,什么产品或服务。五彩缤纷的大千世界里万事万物都可以转化为由0-1码子组成的或简单或复杂的数据字节。整个产业链由数据生产,数据传播,数据获取,数据存储加工和数据交换与出售等环节组成。各个传统产业可以分门别类地属于一个或数个产业链的环节。例如,新闻出版业和影视业主要从事数据生产,电信业和网站主要做数据传播,数据终端制造商帮助用户获取数据,软件商专攻数据存储加工,大家一起卷入数据交换和直接间接的出售业务。公司大小的区别主要在占有和利用数据量的大小,甚至像电子商务这样表面上很实在的业务其实也不过是通过出售附着在某种具体商品上的数据而谋利。
数据服务业和现有的相关产业的根本区别在于其商业模式是数据驱动型,是对大数据的深度分析加工,是对大数据的多重利用和深度利用,是对现有简单直接商业模式的增值服务。一个理想的全产业链数据服务业公司应该由全系列数据终端的设计与销售,通用型开放平台的开发与运营,云计算后台的开发与支持,数据存储与使用后台以及数据分析与数据产品平台等部分组成。这样一个公司中CIO或CDO(首席数据官)扮演重要的领导角色,雇佣大批数据科学家,数据工程师和数据产品经理。实际工作中数据以TB为最小使用单位,业务讨论中最常使用的名词是“最小数据集”(Minimum
Data Set 或MDS),“元数据”(Metadata),“数据集市”(Data
Mart),和“设施即服务”(Infrastructure as a Service
或IaaS)。同现有网络业商业模式相比,这个公司的商业模式具有鲜明的精准性,智能化,个性化和多样化的特色,具有高出若干倍的投入产出比和性价比。
如果从这个逻辑去看苹果的iPhone和iPad,就不会仅仅叹服其精美的设计,强大的功能和惊人的市场征服力,而会思考苹果怎样从一个IT公司转型为走向未来数据服务业的领军者。同样,谷歌推出开放式手机操作系统和平板电脑,甚至过去很难为人所理解的企业行为,包括发射地球卫星,研制自动驾驶汽车,投资绿色能源和各种传感器的研发,都可以理解为这些不计成本的行为是全方位增加生产和获取大数据的种种努力,是在不懈地为走向数据服务业争取先发优势,是在为未来的领先地位下一盘很大的棋。同样,对微软的平板电脑和手机操作系统,亚马逊的电子书和FACEBOOK推广自家的数据中心设计,都应该归结为大数据时代来临前的热身运动。
至于一些国内的网络业公司,如果不去努力学习和思考即将到来的大数据时代,不去未雨绸缪地争取孕育中的数据服务业的战略机会,而只是机会主义地邯郸学步,东施效颦,也去做什么手机,那只能是捡了芝麻,丢了西瓜。如果自身没有成龙配套的操作系统,开放平台,云计算后台和数据分析加工平台,单兵突进只做手机,也许在某个时段能赚点钱,但长远看是没有前途的。那些在手机首页集成点自己的服务,高呼抢占网络入口口号的伎俩,在滚滚而来的大数据洪流面前显得那么苍白无力。何不舍弃鸡肋,重新定位,发挥优势,争取不要在大数据时代掉队呢?
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27数据分析的基础范式,是支撑数据工作从“零散操作”走向“标准化落地”的核心方法论框架,它定义了数据分析的核心逻辑、流程与目 ...
2026-01-27在数据分析、后端开发、业务运维等工作中,SQL语句是操作数据库的核心工具。面对复杂的表结构、多表关联逻辑及灵活的查询需求, ...
2026-01-26支持向量机(SVM)作为机器学习中经典的分类算法,凭借其在小样本、高维数据场景下的优异泛化能力,被广泛应用于图像识别、文本 ...
2026-01-26在数字化浪潮下,数据分析已成为企业决策的核心支撑,而CDA数据分析师作为标准化、专业化的数据人才代表,正逐步成为连接数据资 ...
2026-01-26数据分析的核心价值在于用数据驱动决策,而指标作为数据的“载体”,其选取的合理性直接决定分析结果的有效性。选对指标能精准定 ...
2026-01-23在MySQL查询编写中,我们习惯按“SELECT → FROM → WHERE → ORDER BY”的语法顺序组织语句,直觉上认为代码顺序即执行顺序。但 ...
2026-01-23数字化转型已从企业“可选项”升级为“必答题”,其核心本质是通过数据驱动业务重构、流程优化与模式创新,实现从传统运营向智能 ...
2026-01-23CDA持证人已遍布在世界范围各行各业,包括世界500强企业、顶尖科技独角兽、大型金融机构、国企事业单位、国家行政机关等等,“CDA数据分析师”人才队伍遵守着CDA职业道德准则,发挥着专业技能,已成为支撑科技发展的核心力量。 ...
2026-01-22在数字化时代,企业积累的海量数据如同散落的珍珠,而数据模型就是串联这些珍珠的线——它并非简单的数据集合,而是对现实业务场 ...
2026-01-22