京公网安备 11010802034615号
经营许可证编号:京B2-20210330
云和大数据结合的关键点是应用
“云和大数据的结合关键点是应用,只有让大数据在云上不断成长,让云计算给大数据带来几何级的增长,才能迎来更好的未来。”在全球大数据时代贵阳峰会之数据中心总经理俱乐部贵阳论坛上,华云数据集团首席战略官郁珉这样表示。
郁珉认为,全球已经进入第四次产业革命,在这个产业革命中,其中的一个产业支柱就是信息技术革命。在这样的大背景下,数据中心会重新定位角色,云计算中心也必须要和所有的数据中心去结合成一个网点。在新的云计算时代和大数据时代,我们可以做更多的事情。2015年,我们进入了一个新的云计算元年,在接下来的云计算阶段,讲究的是面向应用、联合共享和应用。在之前一个阶段,我们看到的是传统的IDC,逐渐成为初具云计算服务的中心。而现在,我们还需要建设更强有力的平台,用以支持云的活力。开放和共享是一个价值观,在未来开阔的云端,大家你中有我、我中有你的开放和共享,也会引来更加多样化的互联互通。
“对于云数据中心,我认为有三个定义,一是它会更加丰富和容易获取的网络资源,第二点是云数据中心它应该是建立在服务上,会用到更灵活的方式来进行交付。第三个是整个云计算中心要做到云就绪。”郁珉解释道。
对于“互联网+”,郁珉理解为这不仅仅是原来的互联网,当我们看到互联网的时候,我们就看到了移动互联网,它是专门的东西,另外广播电视网也是很独立的,除了这些以外,还有很多其他的正在酝酿中的网络,也包括在骨干网上面,只要和我们民生有关的,和我们居民活动发生关系的网络,我们都应该放在互联网考察的网络里面。
对于大数据的发展,郁珉认为有三个发展阶段,存起来、用起来和联起来。“很早的时候我们认为大数据是四个V,“大量、多样、快速、价值”。这只是存起来而已,现阶段是用起来阶段,在做的事情是采集、访问和分析,现在所有的技术的手段都是围绕这三个地方在进行的,包括采集,我们有很多的端口的设备,包括了访问,分析就是我们大数据的平台。”郁珉这样表示。
在郁珉看来,存起来不是大数据的结束阶段,大数据的后面还有联想阶段。在联想阶段,大数据会自己组织自己的特征,也就是会自己积累自己的知识经验,大数据会自我表达,它能表达出它能提供什么样的知识。目前来看,这个阶段还是遥不可及的,那么要到这一个阶段的话,云计算和数据中心就要结合。
“将来,云数据中心会成为没有联通的世界里服务的聚合地。云数据中心这样一个站点,能吸引许多云服务在此汇合。因此,开放服务平台可以帮助ICD商直接在云上面生成各自的应用,一旦应用落户了,数据生成了,云数据中心也就落地生根了。”
郁珉表示,云和大数据的结合关键点是应用,当应用直接在云上形成时,或者应用在云上大量形成和聚集的时候,大数据就实现了几何级的快速增长了。只有让大数据在云上不断成长,才能迎来更广阔的发展、更美好的未来。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25