京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据给网络运营带来了什么
大数据分析现在是炒作焦点,很多企业都喜欢这样的想法,即通过对海量结构化、非结构化和部分结构化数据进行高级分析来发现意想不到的可操作业务洞察力。但所有这些数据处理是有代价的,特别是,这些数据会给网络带来影响。
大数据和大数据对网络运营影响的问题并不适合心脏虚弱的人。我们都知道,大数据工具并不成熟,并且,知道如何使用它们的人也供不应求。但先抛开这个 问题不谈,让我们来谈谈大数据给IT基础设施和运营带来的新负担。通过大数据技术,现在企业都开始想办法处理大量数据,而这些数据本来可能被抛弃或置之不 管。
企业管理协会(EMA)对北美150家部署大数据的企业进行了调查,以了解大数据对IT基础设施管理的影响。该报告《大数据对IT基础设施和管理的 影响》研究了哪些IT方面最受大数据的影响,该报告还探讨了IT企业如何使用这些相同的大数据技术来改进IT规划和运营。也许并不奇怪的是,该研究发现, 网络和网络管理团队比任何人都更深刻地感受到大数据的影响。
大数据增加网络流量,迫使工程师作出调整
我们的研究发现,45%部署大数据的企业发现网络流量增加,这主要是因为对数据的收集。我们还发现,46%的这些公司发现因为对这些大数据的备份而让网络流量增加。而IT基础设施唯一受到大数据影响的是存储,这并不奇怪,因为大数据主要是关于对海量数据的收集和存储。
随着企业扩展对大数据技术的使用,网络和大数据影响问题变得更加突出。例如,EMA将在生产环境部署有6个或以上大数据项目的企业评为“高级”大数据用户。在这些公司中,55%看到来自数据收集更多的网络流量,61%则报告来自大数据备份的更多流量。
基于大数据造成的网络流量激增,EMA询问这些企业其网络团队如何应对这些情况。我们的研究发现在IT企业内所有基础设施管理人员中,网络管理人员 在调整其基础设施规划和设计做法以应对大数据。超过半数的网络管理人员称他们正在制定计划来满足大数据的需求,从改进容量管理做法到扩展和升级网络基础设 施来支持流量增加。特别是,这些管理人员需要设定大数据流量基准;这些流量只会不断增长,所以工程师需要理解这些趋势,并相应地规划容量。
与此同时,半数网络团队称大数据迫使他们调整其日常运营做法。这些网络管理人员需要调整其性能监控和故障排查工具以及流程,这都是因为大数据网络流量的增加以及突发性质。
网络管理人员让大数据为其所用
在探讨大数据对基础设施的影响后,EMA研究了IT企业如何让大数据为其所用。我们发现很多研究参与者在输出IT监测数据到大数据环境以进行收集和分析,于是,我们询问这些企业对这些IT监测数据的高级分析在改进哪些管理做法。
EMA发现,57%在使用大数据分析来支持网络容量规划,53%在使用它来支持网络可用性和性能监控。最后,在故障排查任务中,35%在使用大数据 隔离网络中的基础设施问题。如上所述,该研究发现,网络管理人员在调整其规划和运营做法以应对大数据给网络带来的影响。现在,我们发现,很多这些网络管理 人员开始运用大数据分析以加强规划和运营。
另外,对IT监测数据的大数据分析具有很大的潜力。EMA不仅观察到IT管理做法的变化,而且还衡量了这给IT企业带来的好处。45%的IT企业告 诉我们,大数据分析让他们可以积极防御基础设施问题;45%报告称他们可更有效地管理IT运营费用。此外,46%称他们通过大数据分析实现更有效的基础设 施容量规划。最后,41%称对IT监测数据的大数据分析帮助他们更好地让IT部门配合业务部门。
这项EMA研究分析了大数据对IT基础设施和IT管理所有方面带来的影响和好处,但很显然,网络管理团队应该特别注意大数据影响问题。大数据对基础设施的影响是真实的,并将随着时间的推移而增加。与此同时,网络工程师和管理人员也可以利用大数据分析来改进他们自己的工作。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27