
“大同”原本是中国古代的思想,指人类最终可以达到的理想世界,代表着人类对未来社会的美好憧憬。现代又加入了全球范围内的政治、经济、科技、文化融合的思想。而今正流行的“大数据”,其理想模式也是“天下大同”,最终才能更好的发挥大数据的效能,并最终实现大数据的共治共享。
然而现实世界中,要实现大数据的共治共享似乎有点“天方夜谭”,最典型的例子就是巨头们都在叫嚣着大数据,但往往又出于商业利益的考量,谁都希望守住自家的一亩三分地,不愿意将自家的数据积累共享,甚至连平台接口协议共享实现都不易。
我们都知道Fitbit之前就曾表态过,其产品不会支持苹果的Apple Store平台,数据也不能实现共享,自然和Apple Health就无法同步。结果可想而知,强势的一方苹果公司要求Fitbit公司的应用全部从Apple Store下架,而这仅仅只是APP应用平台和APP应用之间的故事。
在另一个流行的领域“车联网”中,数据的共享同样是难中之难,而且目前也因此而导致目前车联网发展举步维艰。作为汽车的主导者,汽车公司基于安全以及自身商业利益的考量,自然也不愿意将车联网的核心数据共享出去,顶多友情开放一些无关紧要的数据。而车联网产业链条的各方仅能得到有限的数据,弃之可惜,但是即便都收集起来也没多大的实际意义。最终可悲的是,汽车企业尽管也在美其名曰的主导和推行自家品牌的车联网,但车联网始终放在自家品牌之后,都是站在为汽车品牌服务的角度,重点在于售车,其主导的车联网也是自家品牌的联网,和其他品牌的汽车无关,甚至和车联网链条的其他企业亦无关。但车联网的最终实现又必须是人、车、路多方的数据共享和协同,车企自身的车联网充其量也就是一个“过家家”的游戏罢了。
除了APP应用平台和APP之间的故事,车联网产业链关于数据的故事,时下iOS和Android两大系统的大战和数据兼容也是一大难题。对于APP开发者来说,同样的应用必须开发适配iOS和Android两个系统的不同版本。不过更为头疼的是两大系统之间的数据同步和共享问题,因为两方企业基于商业利益的竞争,谁都不愿意妥协和让步,也都不愿意放开自己的用户和数据。
然而尽管企业有企业的商业利益考量,企业有企业的自建屏障进行保护,但数据的共享和协同终究是大趋势。
关于Fitbit数据和Apple Health同步问题有了更好的解决方式。Fitbit数据可以通过第三方数据和Apple Health实现同步,此举自然是可喜的一大步,总有一种力量在推动着大数据的共享。
而关于车联网间的数据共享问题,目前也有着介于“法律边界红线边缘”的处理方式,即有第三方公司通过破解can协议和网关的方式取得汽车数据,并最终“分享”给车联网的产业链。尽管手段有待商榷,但确确实实在助推汽车公司走向更加开放。
iOS和Android数据共享和数据整合则应该交给新的创业型公司,总会有惊喜。iOS和Android的数据共享也是一大刚需和大市场,有理由值得期待。
然而,事情的发展总会损伤到既得利益者的固有利益和脆弱心里,既得利益者必然会防抗。但不管怎么样,笔者不太希望现实世界里,平台太多,“数据”不够用的“杯具”继续。过多相互有意隔绝的平台,势必会造成未来大量的产生的数据,却又人为地产生大量不兼容、不互通、不可二次利用的问题。每个投身期间的大小企业,都惦记着用自己的产品和数据格式和协议,形成竞争壁垒,然后党同伐异都算奢望,每家企业都想着凭借数据制霸天下。
如此,最终大数据终将成为空中楼阁,很难造福人类。前文说到的车联网也就只能成为各家车企内部的局域网,离人、车、路的协同越来越遥远。
有需求的地方,自然就会有商机,自然也会产生新的创业公司和创业智慧。第三方的同步和兼容工具,就极有可能成为一个衍生应用市场。尽管各路衍生应用市场和原有平台诸侯也一定会在捍卫自己的“江山”的过程中打个你死我活。但最终,肯定会有非常少量的平台最终成为数据协同和整合共享标准,推动大数据的“大同”。
当车联网、跨系统平台不再是梦,而是现实的时候,大数据的“天下大同”就开始迈出了实质性的步伐。革命尚未成功,第三方应用,第三方数据协同平台们仍需努力。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01