京公网安备 11010802034615号
经营许可证编号:京B2-20210330
云计算携大数据,真爱还是陷阱
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
金融行业的运营风险贯穿业务全流程,涵盖交易欺诈、操作违规、流程漏洞、合规偏差、客户信用异常等多元场景,是银行、保险、证券 ...
2026-07-17财产保险作为金融行业的核心板块,涵盖车险、家财险、责任险、企财险等多元品类,是个人与企业抵御财产风险、经营风险的重要保障 ...
2026-07-17 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-07-17【核心关键词】模块、餐饮、客户、门店、企业、订单、供应链、多样化、产品、生产计划、数据分析、生产管理、物料管理、业务分 ...
2026-07-16在数字化分析时代,原始数据本身不具备业务价值,只有通过科学的统计学方法加工、拆解、验证与解读,才能挖掘数据背后的规律、差 ...
2026-07-16 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-07-16在描述性统计分析、数据预处理、异常值排查与多组数据分布对比工作中,箱线图(Box Plot)是应用最广泛的可视化与统计工具之一。 ...
2026-07-15在企业数据存储、业务统计与数据分析工作中,绝大多数业务数据都带有时间维度属性,例如订单创建时间、用户注册时间、支付完成时 ...
2026-07-15 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-07-15【核心关键词】产品、经营、客户、调研、销售额、宏观、会计行业、客户满意度、发展趋势、经营状况、数据分析、竞争对手、数据 ...
2026-07-14问卷调查是市场调研、用户研究、社会调研与产品分析的核心数据采集方式。问卷数据大多以分类数据为主,例如用户性别、年龄分层、 ...
2026-07-14 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-07-14在数据分析、业务效果验证、AB实验扩展、行业对比等场景中,我们经常需要对比三组及以上样本的均值差异,例如不同区域的客单价对 ...
2026-07-13在互联网产品运营、用户生命周期管理与商业化数据分析中,留存指标是判断产品价值、用户满意度与商业模式健康度的核心基准。常规 ...
2026-07-13 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 ...
2026-07-13【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 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 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09