
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
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