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
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27