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
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27