
下一代的社交,移动手机,分析和云端技术已经引起了一场对那些能够持续快速革新的开发者争夺战。想要在明天仍然有立足之地的公司就必须在今天做出明智的选择。
三月份,我讨论了2014年的IDC预测。这项预测是基于IDC对于第三方平台的定义,是云计算,移动终端和APP、社交媒介及大数据的一个集合。
相比于一些分析者晦涩难懂和概念模糊的预测,IDC的这项第三方平台的预测确实表达鲜明并且严格的。它描绘了在动荡的IT世界中,现有权威的威胁和那些正在出现的新生力量。这项预测可以认为是吹响了改革的号角——却是对那些没能成功进入第三方平台的人的遗憾宣判。
数据整合常常被低估,也很难完美实现,这些都需要时间和资源。随后的几个月,我没看到什么能够让我对这项预测的判断,它依然是对即将发生的前所未有的变化的精确描述。
在三月份的文章中有一项特殊的预测我没有陈述,就是IDC陈述了,在一些云供应商和云技术的市场上,我们会目击异常短暂的开发者战争。IDC说,在建立自己的统治市场中,云供应商会尽其所能的最大程序的吸引开发者,因为这将不避免的预示着战争中的胜利。
大多数商家还没有意识到开发者的重要性(尽管Red Hat的CEO已经明显提到了这一点)。在今年的VMworld大会上,例如,似乎大多时候都聚焦在基础设施上,而开发者只是放在之后而已。就像重要的决策是在厨房里,而进餐者更多的只是被动的接受厨师提供的食物。
我不能说这是什么大的错误。Stephen O’Grady,是一个小的但是很有影响力的行业分析公司中的首席分析师,在他的《The New Kingmakers》中描述了将要发生的事情。他的观点:开发正在变得越来越有影响力——并且,实际上,在APP设计和架构阶段,开发者直接与APP打交道,这也是IT生存的价值。
IDC的报导这样描述:
“开发者,开发者,开发者,开发者!”将会成为2014年第三平台竞争者的最有力口头禅——在下一个二十年,行业最大的赢家将会是那些在未来两年抓住改革者的心和思想的人。错过开发者,就是丢失市场。
IDC继续说:
在2014年和2015年,我们将看到一场云端的开发者大战,像Android,iOS和WP手机APP和开发者之间一样。Amazon,Microprosoft,Salesforce.com,Google,Oracle,SAP,Pivotal,HP和其它一些知道云端APP将引发未来的产业增长,他们需要开发者将他们的创意实现成新的APP,在平台即服务/电子市集上实现自己的方案。
并且IDC也详细阐述:
在2014年,这场开发者之战会是紧急的:IDC预测到2017年,80%或者更多的新的云端方案(和开发者)将会进入竞争平台的前六。
最后,IDC的总结如下:
新的App——产生的数据及相关的APP——将会在下一个十年和更远的时间里,激发第三平台的增长。IDC预测,在未来四年,我们会看到,在云App生态系统中,开发者/贡献者的数量有三倍的增长,而这会驱动云端App的数量十倍的增长。
吸引开发者时,少一些福利,多一些体系改变。
开发者主导的IT世界的显示让我想起了最近的一次和两个公司的讨论。这两家公司都是在传统软件行业的大公司。尽管如此,他们也重构了IT架构和实现app的方法来加速App的迭代速度——因为,尽管是大公司,也看到了改革正在他们的核心市场中建立新的解决方案,意识到自己需要去起身迎战。仅仅希望客户由于习惯和品牌来做生意,从长远来看就是一种失败。
这两家公司有三个共同点:
现在,根据你自己的观察,你或许会发现这些绝无夸张之意。当然,获取在最近的VMworld大会上,你已经发现了一些对此的支持者;在那里,与会者的口号就是“不断变化”。
然而,保持这种态度也越来越难。VMworld搁置公有云计算的的防御性措施也表明与会者在他们的同事和客户中看到了对此的巨大热情。基础设施组也担心未来的世界——如果未来是走向破坏性的创新而不是在逐步改善又该怎么办。
为了解决这种麻烦,下面是每个公司要在开发者大战中生存的一个方法列表。
有时,会认为IT界的快速更新是如此不公平。昨天你努力去适应的需求,今天却被“下一个闪闪发光的东西”取代。但事实就是我们处在一个IT变化比我们看到的要多得多的时代——只有那些找到如何适应这场开发者之战的人才能够幸存。
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