
互联网+中的“-” 大数据有啥用
“DT(数据科技)时代是未来。”阿里云总裁胡晓明自信地说道。这句话若放在6年前,或许你会嗤之以鼻,而现在各行业基本上已就此达成共识。在IT时代,上“网”成了各个公司竞相占领的高地,而在DT时代,上“云”将会成为下一个风口。在此之前,如何保障数据安全则成为重要的议题。
互联网+中的“-”
在DT时代,最核心的内容一定是大数据,它甚至将超过物质资产,成为企业最有效的竞争力。
大数据有啥用?
在7月22日首届阿里云分享日后的采访中,永安保险副总顾勇向记者举了个例子:“我们研究发现,女性的赔付比例要比男性低5到10个百分点。除此之外,有孩子概率大的车主和不经常换手机号的车主赔付率也低。通过这类数据,我们可以制定一套定制车险,优质车主会得到更优惠的价格,客户定位精准,我们就会比其他保险的竞争力高。”
诸如此类的例子还有很多。马云说过,DT时代的挑战和机遇,在于把互联网和传统行业相结合。而阿里云现在正在做的就是这件事。阿里云经过6年的发展发现,在IT的历史上这是一次结局已定的游戏,5年以后所有企业都是互联网+的企业,而阿里云要做的就是那一“-”。
“如果说火代表农业世界,电代表工业世界,那么计算就是DT世界的标志。”阿里云总裁胡晓明表示,全球已经步入DT时代,未来的一切都离不开计算和数据,阿里云要做的,就是把计算变得更简单,让计算成为世界的能力,让数据成为经济的动力。
阿里云将自己定位为云服务提供商,也就是技术平台、数据平台,为合作伙伴提供各种各样的解决方案。互联网未来将成为基础设施,就如同今天的电网;云计算是公共服务,数据就是资源,就像今天的电。“我们聚焦于基础设施,提供公共云、专有云、混合云。合作伙伴向客户提供行业应用、行业解决方案、IT服务、硬件等服务。”阿里云业务总经理刘松表示。
据阿里数据经济研究中心《信息经济前景研究报告》显示,企业应用从传统IT构架迁移到公有云能节省70%的成本。对于如何为企业节省成本,阿里云多媒体总经理吴磊在接受新金融记者专访时举了个例子。比如做动画渲染,1秒钟以24帧为例。这1秒钟通过笔记本渲染,需要一个月;通过服务器渲染,需要一周;通过阿里云横向扩展的大集群渲染,一天就可以完成。这种属于时间成本。
做渲染需要购买设备,比如一部片子的制片人,自己购买设备也许用一次就闲置了,这种情况通过阿里云可以节省90%的成本。而专门去承接渲染业务的公司,通过使用阿里云可以比自己买机器节省30%。这种属于资金成本。
DT发展的高压线
如果说,大数据是DT时代最核心的内容,那数据安全则是DT发展之路上不可触碰的高压线。阿里云多媒体总经理吴磊向新金融记者透露,阿里云在应用到多媒体上的范围包括广电、报刊、在线教育、通讯社交、安防监控等多个领域。
以陌陌为例,陌陌所有用户的语音、文字和图片往来,全都保存在阿里云OS的对象存储服务里。陌陌通过使用阿里云的分发功能,提升其数据处理速度。最直观的体现就是,使用云服务后,点开一张大图需要一秒,而在此之前,也许需要三四秒甚至更长的时间。
除了多媒体,阿里云上已汇聚50多个行业数据与解决方案,覆盖游戏、政府、医疗、物联网、金融等八大领域。在DT世界,数据成为新的基础能源。这意味着数据将成为最具价值的资产。作为“数据银行”的阿里云,首要面对的问题就是如何保障数据安全。
阿里云在分享日上发起“数据保护倡议”明确了数据的所有权:数据是客户资产,云计算平台不得移作他用,并有责任和义务帮助客户保障其数据的私密性、完整性和可用性。
“如果银行没有监管的话,我们的财产是不会放在银行里面的,云计算也一样。主观上,我们自己不会去碰。”吴磊表示,从客观角度来讲,阿里云所有存储的内容都是保有在整个阿里巴巴的安全部的防护之下。在这种情况下,如果黑客还没有攻破阿里巴巴集团,那也就不会攻破阿里云的防线。
除此之外,阿里云表示将于今年8月推出DT时代全新的云安全解决方案,将云盾旗下所有安全产品整合为服务输出。该服务类似连接客户端和云服务端的安全过滤隧道。用户服务器端流量经过隧道时,安全威胁将被自动清洗,最终在客户端访问的就是干净的流量了。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 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 ...
2025-09-03