京公网安备 11010802034615号
经营许可证编号:京B2-20210330
数据洪流下的企业未来
大数据正在成为企业所需面临的巨大挑战,这种挑战不仅前所未有,而且对于企业而言,这并非市场的波动,或经济的周期那么简单。这意味着一种新的生产方式和生产工具的应用,也意味着人们将以新的方式来理解和传播知识、信息。
市场需要越来越多的知识整合者,灵活“善变”地应对市场需求。在此大数据洪流面前,创造大数据硬件条件的企业本身如何认知这一变革呢?LSI公司副总裁GautamSrivastava在近日接受了采访,谈论了他对于数据洪流下企业变革的认知。
LSI是一家半导体元器件设计生产厂商,产品主要用于优化网络存储的性能。这家企业去年业务收入达20.8亿美元,年增长率近10%。在2011年上半年,这家企业将外部存储业务以4.8亿出售给NetApp,随后以3.22亿美元收购了固态硬盘芯片厂SandForce。这意味着这家传统的服务器优化服务商将业务重心完全放到了云数据和移动网络上。
GautamSrivastava认为近年来IT行业的巨大变革都意味着数据正在疯狂增长。“从视频的大幅增长,到Facebook等社交网络产生内容量的猛增,企业和消费者产生的数据量在不断地增加,我们预计这个数据量以每年40%-50%的速度再增长。而与此同时,我们的整体技术架构的增长是缓慢的,大概年增长2%-3%。”GautamSrivastava说,他认为,人们将迟早要面对有限资源与膨胀信息之间的取舍。
另一个巨大的需求在于数据正在要求可移动与被分享,百度和腾讯近年来建立了巨大的数据中心就是为了适应数据的大幅度增长,而一旦这些数据被要求可以移动分享,则意味着人们使用数据将耗费更多的资源。
“这意味着中国未来的移动数据市场将有着非常巨大的增长,我估计这个数字是未来3年内有50%的增长,互联网用户将从5亿人增长到7.5亿,这基本上是很多国家市场的增长集合了。”GautamSrivastava说。
移动市场也拥有着巨大的发展机会,目前中国的移动用户约10亿人左右,这类用户也将迅速转化为移动互联网用户,这一市场拥有高市场渗透率和转化率。
此外中国政府对于互联网行业有着长期发展战略,政府也在正在复杂的互联网环境中寻求一个长期优化的发展方案。
更重要的是,中国的人口基数决定了未来五年内,将是中国年轻人拥有越来越多消费能力的时期,而他们从一开始就生活在“互联网时代”。
大数据更需要本土化
“为了迎合这一庞大的趋势,我们从一开始就意识到中国将从一开始就一个高端市场,很多市场问题都必须在中国本土环境下得以解决。”GautamSrivastava说。
G得出这一结论,一方面是看到了全球范围内工程人才出现短缺,而中国已培养大批年轻工程技术人员,中国国内市场需求飙升,需要本土化的技术解决方案,这也意味着中国将成为大数据专利等知识产权最为密集的地方。而这些知识产权将可以再全球范围内使用。
“中国可以说是硅谷的延伸,无论是客户还是知识产权。中国拥有越来越多硕士学位的技术人员,与硅谷类似,而中国客户与我们在硅谷遇到的客户一样,最为关注的问题都是如何解决数据洪流。”
“华为和中兴这样的企业未来增长机会巨大,”GautamSrivastava说,“因为未来中国互联网的移动性将增长迅猛,移动网络快速发展意味着对华为、中兴等企业的技术需求将大涨。”
除此之外,对于原有资源的优化和节能也将迎来市场的热捧。在迅速增长的数据消费面前,有限的基础设施资源有着再优化的需求。这样的市场趋势与节能趋势是相一致。
此外,基础设置智能化也将成为一个关键趋势。企业将需要针对不同的细分市场来制定不同的产品与服务。这也意味着,企业内部数据将有能力对不同类型的客户排序区分,这不仅意味着效率的提升,也意味着创新服务和产品的可能。
整合型人才将更为抢手
“一个有趣的发现是,我们发现大数据的发展催生出一种需要,就是企业需要对大数据进行快速甚至实时的分析。”GautamSrivastava说。
十年前,企业高管们所需要做的是,收集整年或者半年的数据,在做财报的时候对全年数据进行分析和整合,而现在不管是CMO还是CFO,CTO,都需要及时地分析大量相关数据,并敏捷低应对市场变化。
更重要的是,企业与市场沟通的方式也在发生变化,以往企业与市场的沟通是单向的。企业仅仅需要给出信息,找到合适的渠道去发布信息。而现在网络成为了企业与终端客户之间互动的主要工具,越来越多的企业在网络上及时地描述自我前景。单纯的技术门槛已经无法成为说服或者吸引市场的方式,整合数据,从技术提供商转变为解决方案的供应商,才是网络市场,这个信息爆炸的时代下,企业的生存之道。
“我们意识到大数据带来的变化,我们越来越需要这样的人才:他不仅了解技术本身,更了解客户遭遇问题的环境及背景,并懂得如何利用技术来提供解决方案。”GautamSrivastava认为,“另一个关键在于,我们需要越来越多的整合型人才,他不仅有能力把知识产权,客户知识产权结合在一起,而且能够最终设计出整个架构和方案。这是我们看到的全新趋势。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据技术飞速迭代、数字营销竞争日趋激烈的今天,“精准触达、高效转化、成本可控”已成为企业营销的核心诉求。传统广告投放 ...
2026-04-24在游戏行业竞争白热化的当下,用户流失已成为制约游戏生命周期、影响营收增长的核心痛点。据行业报告显示,2024年移动游戏平均次 ...
2026-04-24 很多业务负责人开会常说“我们要数据驱动”,最后却变成“看哪张报表数据多就用哪个”,往往因为缺乏一套结构性的方法去搭建 ...
2026-04-24在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16