
大数据来了 机会将被“数据鸿沟”所延宕
当前,苹果、Google、微软都在设法强化自身的生态系统,比如,微软最近几个月,已陆续宣布了Windows 8、Windows Phone 8等一系列新终端平台。
三年前,我首次提出了“三大平台之争”,这是一场注定要旷日持久的争夺战。如今,这场争夺战已进入新的阶段。
触摸技术及人机交互,让数以百亿计的新机器与传统的IT设备和网络连接到一起,大数据与云的结合,正为科技和商业生态带来巨大影响。云服务和彼 此连接的人群与海量设备,将发展出反映真实世界中人与人、人与机器、机器与机器关系的社会化网络,并诞生出消弭真实与虚拟界限、更加人性化、交互更自然的 商务和社交平台。
三大平台里,云是前提,是基础。
三年前,云计算对许多人来说还是新鲜和深奥的概念;而今,云已是触手可及。个人用户将文档、照片、视频、游戏存档记录上传至云中永久保存,企业客户根据自身需求,可以搭建自己的私有云,或托管、或租用公有云上的IT资源与服务,这些都已不是新鲜事。
我们看到,将现实社会关系数字化、网络化、商业化的尝试早已开始,但迄今为止,现实世界数字化的程度还不够,真正超越国别、种族和文化壁垒的社会化网络的平台仍未建成,这是中国IT产业的一个重大机遇。
无论是云计算本身、或是智能终端,还是凌驾于云和端之上的,基于社会化网络的平台和应用,都会让数以百亿计的机器、企业、个人随时随地都在获取 和产生新的数据,计算设备硬件性能进化的速度早已赶不上数据增长的速度,并且这一问题会日渐严峻——这样的背景下,只有云才能解决“赋予数据以更大价值” 的问题。这也就引出了最近产业和社会都非常关注的“大数据”话题。
和云计算一样,业界对达到怎样的数量级才算大数据并无定论,在很多行业的应用场景里,数据集本身的大小并不是最重要的,是否完整才最重要。
IT业界所指的数据,诞生不过60多年。而一直到PC普及到千家万户之前,由于存储、计算和分析工具的技术和成本限制,许多自然界和人类社会值得记录的信号,并未形成数据。
进入Web 2.0时代,智能设备用户不单单可以通过网络获取信息,还成为了信息的制造者和传播者。这个阶段,不仅是数据量开始了爆炸式增长,数据种类也开始变得繁多。
如今,通过各种有线和无线电网络,人和人、人和各种机器、机器和机器之间的连接无处不在。用户想驾车去吃饭,先用地图应用查询餐厅的位置、预计 行车路线的拥堵情况、停车场信息甚至是其他用户对餐厅的评论。吃饭的过程中,他会用手机拍摄食物的照片,编辑简短的评论,发布到微博上,还可以用LBS应 用查找在同一间餐厅吃饭的人,看有没有好友在附近……
通俗地说,就是将信号转化为数据,将数据分析为信息,将信息提炼为知识,以知识促成决策和行动。归根到底,大数据的最终意义在于获得洞察力和价值。
大数据意味着激动人心的业务与服务创新机会。零售连锁企业、电商业巨头都已在大数据挖掘与营销创新方面有着很多的成功案例,它们都是商业嗅觉极其敏锐、敢于投资未来的公司,也会因此获得丰厚的回报。
最近几年,我们还看到一些明星初创公司,比如Cloudera, Splunk, Klout, TellApart等,人员规模只在数十人,但对某个行业拥有深厚知识,并通过整合云和大数据的技术,快速解决共性需求和痛点。在未来数年,这样的“小而 精”、“快而准”企业会越来越多,并做出有可能改变世界的颠覆性产品。任何一家有雄心、渴望获取洞察力的企业,都应及早制定大数据战略和方案。否则,所有 的机会将被“数据鸿沟”所延宕。
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