
大数据产业积极落地 会是未来“数据主义”前奏吗
翻看科技发展史,当某些跨时代的技术转捩点来临之时,两种状况似乎同时出现:大众观念里的鸡同鸭讲,以及,从业者对于概念追逐的狂热。近几年一个好例子即是:大数据。
公众一端:哪怕到了2015年,当马云数次宣称阿里正从一家IT企业转型为DT企业,舆论普遍关切的依旧是最新出炉的商业鸡汤。 从农业社会,工业社会,到信息社会,中国两三步并作一步的路径,让数据概念几乎远离大众语境。
产业一端:大概三年多前,创业公司十之八九说自己能做大数据,与之相关的产业链也被粗暴切分为采集,处理,分析,可视化四个节点,一时间暗潮汹涌——泡沫也随之而来,从2014年进入2015年,行业开始小步洗牌,大数据从一个纯技术名词,或者说一个虚妄的概念,转变为应用范畴,以更为务实的姿态蔓延到一个又一个行当。时至今日,对大数据概念的热炒已有些无力,各种峰会与论坛所谈话题几乎都是如何让大数据“落地”的声音更为掷地有声。
大数据产业积极落地 会是未来“数据主义”前奏吗?
当然,让数据落地并非新鲜论调,真正令人着迷的是落地的“程度”——数据即权力,这是我真正想说的,大数据带来了权威的转移。
早在几年前关于大数据的哲学意涵呼之欲出的时候,数据是一种“宗教”就被不少学者大肆探讨。最近,我看到关于数据未来最具象的描述,来自《人类简史》作者尤瓦尔·赫拉利(我觉得他最有希望代替凯文·凯利在中国互联网界的地位),他为我们勾勒了一个“数据主义”的未来时代。
在他看来,那些极端的持数据主义世界观的“信徒”将整个世界视作一个数据流,任何事物的价值判断都由它对数据处理的贡献决定。“正如自由市场资本主义者相信市场无形的手,数据主义者相信数据流无形的手,当全球数据处理体系变得全知全能,接入这个系统就成为了一切意义的来源。”
从几年前从业者对大数据概念的热炒便知,大数据是个无远弗届的概念。赫拉利就曾写道:“数据主义允诺了人类在过去几个世纪里求而不得的科学‘圣杯’:一项将从音乐学,经济学一直到生物学的科学学科统一起来的无所不包的理论。根据数据主义,贝多芬第五交响曲,股票交易泡沫和流感病毒不过是三种数据流形式,能用相同基本概念和工具进行分析。”
嗯,数据主义的未来对数据从业者而言非常诱人——倘若数据是这个世界的主体,侍奉它的人无疑将收益颇丰。
将视角拉至现实。
搁置在上述宏大叙事框架中,如果你忘了未来由现实铺就,以下数字似乎顿时显得渺小。
我看到的数字,2016年上半年,共有18家大数据相关创业公司获得上千万融资;新三板与大数据相关企业有50家左右。在寒冬中,资本市场对大数据项目怀有巨大热情。其中一个原因是,越来越多投资者厌倦甚至惶恐于B2C疯狂烧钱的迷途,开始转向那些由技术驱动,商业模式清晰健康的领域,大数据就非常符合他们的胃口,何况在包括赫拉利在内的一众预言家眼中,它看起来就是未来本身。
现在看来,无论数据采集,传输,建模存储,统计分析挖掘还是可视化,都存在创业者的短兵相接。但从他们的服务对象一端分析,必须承认,诸多企业在试图驾驭数据的过程中,都面临着如何快速有效地处理海量数据,以及密集的多源异构数据的现实境遇,对数据关键节点有效整合的方案缺失,也让决策者丧失了对自身业务的最终判断。
而站在数据运营商的立场,将项目充分产品化,脱离难以复制且交付难度相对较大的项目制,无疑是将生命周期延绵下去的最佳商业模式——在大数据行业,这并非易事,困扰大数据产品化至少有三个痛点:1,数据量太大,这对软硬件系统都会带来巨大冲击;2,作为决策依据,数据处理的效率必须非常之高。3,多样性,行业和业务场景的不同,会对数据的呈现方式有不同要求。
所以买卖双方因素相加,做数据的生意,理想之举无疑是提供一整套完善的解决方案——用户的需求加快了大数据行业从软件到硬件到一站式应用的产品化进程。毕竟,面对行业的多元化需求,人们对过去单一的数据分析产品似乎愈加不满,在理解数据的方式上,他们希望最好能有从数据发现,存储,到可视分析,再到交互模式的一站式产品。举例来说,最近被投资人颇为看好的海云数据就发布了通用性综合解决方案“图易大数据决策产品生态平台”,提供一站式整体解决方案,协助企业,园区,城市,政府,重新通过数据认知自己的业务。举这个例子是因为,在面对任何项目和节点里,他们80%的工作都已经完全实现标准化和模块化,另20%则可根据不同行业属性和应用节点定制。
总之,说到底,这个时代,驾驭数据的能力是所有决策者“技能清单”里最重要的一章,因为任何行业,无论竞争,合作,还是管理,其本质都将趋向于“信息战”。而技术变迁史又同时告诉我们,无论哪个行业,谁能率先在行业中拾起新工具是多么重要。譬如对于数据的掌握,谁都知道数据可视分析能最大化做到价值变现,但当不少决策者还将思维停留在用饼状图和百分比了解业务,或者用守旧的IT系统装备自己时,他们已经落伍了,而那些对诸如图易这种“正在发生”的新工具敏感的决策者,无疑拥有了赢得信息战的利器。
因为,历史早已证明,当一项跨时代的技术转捩点来临之时,除了开篇所言的“大众观念里的鸡同鸭讲”以及“从业者对于概念追逐的狂热”,还有另一件更重要的事同时发生:新技术的诞生本身即是一个人群分野过程,它将人群划分为“会用它的”和“不会用它的”——率先拿起新工具的人总会走在竞争者前面。
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