
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
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29