
管理者的炼成以及国内大数据公司的挑战
大数据时代,商业智能领域发展迅猛,国内外IT巨头都纷纷抢滩这个领域,一些新型中小软件企业也涉足其中。随着国内BI厂商的崛起,商业智能领域已经不再只是国外各大巨头的舞台,国内厂商也逐步被用户熟知和认可。
北京永洪科技正如所有创业型公司一样,在成长初期一定是步履艰辛。但是现在永洪科技已经签订了数个大数据软件产品和服务的采购合同,帮助客户从大数据中发掘巨大的价值。它是如何做到的呢?带着这些疑问,记者找到了北京永洪科技的CEO何春涛先生。
何春涛从事商业智能产品的研发和应用工作十几年,在高性能及大数据商业智能的相关领域工作了五年。其负责的研发团队多次获得国际奖项,包括JavaOne、JDJ Readers' Choice Awards等。他也参与了一些机构的商业智能系统的建设工作,包括麦考瑞银行、世界卫生组织、AT&T等,在商业智能、高性能商业智能、大数据商业智能等领域具备丰富的实战经验。
在建外SOHO的办公楼中,我第一次见到了何春涛。何总是一个非常Open的人,可能和他长期从事技术开发与国外的工作经历有关,在和他的交谈中并没有我想象的那种压力,整个环境非常的融洽。
以下是采访原文
问及他从技术研发转做管理中遇到那些困难?
要转变成一个管理者是有比较大的困难的。在这个过程中,你必须独立并自信地去当好一个团队的领导者,忽然之间,你就要面对一大堆的事,要鼓舞大家的士气,要保持团队的活力,要让大家都集中于某些他们可能并不关心的目标上,从一个侧重技术技能并以任务为重的技术人员,要转变成一个侧重人际交流并以结果为重的管理者,这个过程绝非易事。同时对我来说最困难的两件事情是:第一,我的说话方式比较直接,这可能和我的国外经历有关系;第二,我这个人比较容易感情化。这些都给我的管理工作带来一定的影响,中间的酸甜苦辣只有自己才能体会,可以说是一个涅盘重生的心理历程。
在谈到目前国内的大数据市场以及永洪科技最初创立的原因?
目前国内大数据市场主要由IBM、SAP、EMC、HP、Microsoft等跨国公司分享。我们之所以要做这个市场,是基于产业思考深思熟虑之后的结果。“棱镜计划”一出全球一片谴责之声。但是除了谴责美国之外,对国人而言,更珍贵的是不断的反思。这个世界是建立在自然的基础上的,所以优胜劣汰,弱肉强食是注定的法则。与其不断地谴责美国的棱镜计划,倒不如脚踏实地地提升行业竞争能力,并对中国制造更多的关注和信任。我想,国内的大数据市场,需要真正有实力的本土厂商参与,并最终主导。
目前各个行业都面临一个海量数据的问题,您认为如何才能在海量数据中发现有价值的信息呢?
这个话题很广了,每个行业面临的数据价值其实都是不一样的,这没有一个标准答案。从商业价值上考虑,应该围绕自己的核心业务、结合线上线下的多元数据,收集、存储并消化自由的大数据,分布打造有价值的数据应用。我只能从我个人以及用户对大数据的使用和理解方面谈谈看法,基本可以分为以下几类:
大数据运维,比如说电信的流量控制监控系统,把他们所有的基站互联网数据收集上来进行监控,这样通过把运维搞起来,业务能更好的运行。
企业洞察力,比如说我们可能会在大数据平台的前后增加数据分析功能,通过静态的KPI来看业务,这时候我们数据的价值并没有很好的利用起来,导致我们企业的洞察力比较低,我们通过结合大数据和分析技术,去更好的、更深化的把我们的数据利用起来,这样我们就不再是静态的,我们可以动态的按需在一定的广度和深度和对我们数据进行挖掘,增强企业的洞察力。
将数据作为原料,比如我们以前上决策,这种分析报告我们一般都会让IT部门去做,这时候一般都需要一两周,而且IT部门的工作本来也比较多。如果我们结合一些实时大数据的技术,比如说离线计算、在线计算等等,我们就可以实时、快速的把这些分析报告拿走,可以提升我们决策的能力。这点艾瑞就做的很好。
新的商业模式,比如说广电行业有很多的资源,比如像广播、电视台,并且还有很多大家耳熟能详的主持人、明星,他们做的事情是什么呢?他们会跟银行共同的去策划,做发卡,发完卡之后,通过它们的媒体资源组织大家进行各种各样的消费比如我喜欢玩,比如我喜欢购物就做购物的线路,然后再通过它的主持人、频道推荐给各个商家。他做完之后把所有链条上的数据收集回来。收集回来之后就跟商家做各种的优化和谈判,包括我们前端的银行做优化和谈判。
作为一家提供商业智能产品和服务的本土BI厂商,和一些国际上的服务商相比核心竞争力在哪里?有哪些解决方案呢?
其实对于国际服务商来说,我们的优势有两点:第一,我们的产品,永洪研发团队从08年就开始做大数据产品研发,曾经服务于欧洲、澳洲、美洲等地的跨国企业和全球机构,并取得了重大成功。这些经历说明:永洪研发团队有着国际一流的研发水平,Yonghong大数据产品处于国际领先的地位。对于大数据,这些传统BI厂商形成了一体机和分布式数据仓库两种解决思路。然而,一体机对大多数企业而言几乎是天价;分布式数据仓库产品按流量收费,价格稍低,不过一TB数据也要几十万。这样的大数据产品,大幅提升了BI应用的整体拥有成本(TCO),给国内企业客户带来了沉重的压力。永洪 BI通过完全自主知识产权的数据集市产品(Z-Data Mart)支持大数据, Z-Data Mart汇聚了数十项自有专利,涵盖了分布式存储和计算、库内计算和库内计算、内存计算、分布式传输和实时通信等关键领域。Z-DataMart性能卓越,产品成熟,有数家电信运营商和IT服务商采购并投入关键业务的生产环节。第二,我们是本土厂商,属于主场作战,尤其是在这个大数据作为国家战略的环境下,我们具有一些先天的优势。
永洪科技的基础设施是如何解决的?
对于基础社区的建设,我们一般都是让企业自建的,我们负责提供产品和设计方案,然后企业选择自建或者租用其他的基础设施。
可否介绍一下目前永洪科技的技术团队规模和结构是怎样的?
你进来的时候就能看见,目前我们这边的研发团队大概有十来个人的规模,其中很多都是8-10年的老员工,我们有着相同的梦想,相同的目标,因此可以一直走到现在。同时我们对于员工还会进行一系列的分红,让他们在这里既能脚踏实地又能追逐梦想!
你觉得未来大数据发展的方向是什么?有哪些热门技术?
我认为当前热门的大数据技术主要包括以下内容:
用于大数据存储的Hadoop HDFS,以及衍生的数据库HBase
批处理大数据项目有Hadoop MR,它最新版本是YARN。衍生项目有数据仓库Hive和机器学习Mahout
实时处理大数据的项目有:Spark以及衍生的数据仓库Shark、Cloudera Impala
用于流计算的项目有Apache Storm
商业大数据产品有一体机例如PureData、Exadata、Hana、MPP DW例如Vertica、Aster Data、GP、MPP DM例如 Yonghong DM
未来比较看好实时大数据技术的原因是实时大数据技术能够让企业对大数据进行探索式和交互式分析,相比于之前没有灵活性和动态性的批处理大数据技术而言,它将大大提升发掘大数据价值的效率和可能性。
你觉得未来永洪科技要继续发展面临的困难和挑战是什么?
赢得用户就得靠产品的创新和性能,只有产品能够获得用户的青睐,公司才能生存下去,所以说首先得做好自己的产品。同时在中国最大的挑战不是市场的大小而是市场的健康程度,这个健康分为相关的法制法规和大家选择产品时的心里成熟度。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12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 ...
2025-09-04