京公网安备 11010802034615号
经营许可证编号:京B2-20210330
云计算“联姻”大数据 天作之合还是陷阱丛生
如今,大数据已然成为了一个时髦词汇,从政府到企业,从职场到生活,只要谈及互联网,大数据便是绕脱不开的一个话题。向前追溯,曾经有一个词也同样风靡大江南北,至今仍为人津津乐道,这便是云计算。
云计算与大数据并不是截然不同的两个概念,二者有着极为亲密的关系。大数据的真实价值就像漂浮在海洋中的冰山,第一眼只能看到冰山的一角,绝大部分都隐藏在表面之下。而发掘数据价值、征服数据海洋的“动力”就是云计算。
云计算和大数据,天作之合
有人曾这样来解释云计算与大数据的区别:云计算就是硬件资源的虚拟化,大数据就是海量资源的高效处理。这一解释虽然可以简单理解云计算与大数据的区别,但却并不完全正确。大数据技术的战略意义并不在于储存了多么庞大的数据,而在于是否能够挖掘数据意义,并对数据进行专业化处理。云则是由易于使用的虚拟资源构成的一个巨大资源池,包括硬件资源、部署平台以及相应的服务。根据不同的负载,这些资源可以动态地重新配置,以达到一个最理想的资源使用状态。所以云计算关注的是IT的基础架构与计算能力。
没有大数据的信息积淀,则云计算的计算能力再强大,也难以找到用武之地;没有云计算的处理能力,则大数据的信息积淀再丰富,也终究只是镜花水月。亚马逊云计算AWS首席数据科学家Matt Wood这样来形容云计算和大数据的关系:大数据和云计算是天作之合,云计算平台的海量低成本的数据存储与处理资源为大数据分享提供了可能。
大数据变现:陷阱丛生的云计算
云计算市场热闹非凡,有相当一批互联网出身的云服务厂商展开了此起彼伏的“电商式”价格战。低价的背后,是热心的“无偿大派送”还是“别有用心”的商业计谋?互联网思维一直都是“羊毛出在羊身上”,谋求大数据,依靠大数据变现才是低价云服务的真实企图。当我们为低价的云服务雀跃不已时,赖以生存的数据已经成为别人嘴中的一块肥肉。数据被人觊觎,相当一批大中型企业在业务云化的进程中顾虑非常,畏首不前。
一家不要“大数据”的厂商,底气何来?
在山头林立的云计算服务商中,有一家厂商显得颇为“标新立异”:在今年9月18日举办的华为云计算大会(HCC2015)上,华为IT产品线总裁郑叶来在演讲中幽默地说,“华为技术有限公司,技术是有限的嘛,所以华为向上不做应用,向下不碰数据。”华为如此承诺,能否给云计算市场带来一阵新风,打消政企客户对数据安全的疑虑呢?华为的这份承诺可信么?它又凭什么做出这份承诺?
在HCC2015大会上,郑叶来表示:“华为一直在讲‘精简IT’,其实就是想要让数据中心里面的盒子更简单,华为的目标简单来说就是把盒子变的更简单,让软件平台更开放。”从中不难看出,华为的重点有两个:一是硬件,致力于让盒子更加简单,二是软件,努力让平台更加开放。谋求大数据变现,从来就不是华为的业务方向,也不是华为的业务专长。我们有理由相信华为做出的承诺确实可信,但华为这般“特立独行”,又何来的底气呢?
如果仔细研究下华为云计算的发展历史,或许就很容易发现华为底气何来:2008年云计算概念传入中国,同年华为第一款桌面云产品在实验室诞生;2010年,华为启动“云帆计划”,正式宣布进军云计算领域;2011年,华为成立IT产品线,主打云化 IT; 2014年,华为云操作系统入选 Gartner云操作系统挑战者象限,这是Gartner首次将这一名额颁给亚洲国家厂商;2015年华为正式发布公有云服务;HCC2015大会上,华为发布了FusionSphere 6.0,作为一款企业级的开放的云操作系统,能够100%的的兼容OpenStack生态,也兼容Docker的生态,针对企业级应用,增加了主流软件的认证,超过5千家的认证。
热闹的中国云计算市场虽然厂商众多,但很少有像华为这样已经形成从计算、存储到网络,再到操作系统的端到端云计算解决方案供应商。迄今,华为已构建了一张具有十余个节点,覆盖全国的云服务网络,机房面积超过15万平米,成为了网络覆盖最广的公有云服务商之一。
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