京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在机器学习建模、数据预处理、抽样划分、模型初始化训练的全流程中,随机种子是控制实验随机性、保证结果可复现、提升模型稳定性 ...
2026-08-04Python作为面向对象的主流编程语言,核心编程体系由变量、方法、类三大基础要素构成。三者层层递进、相互协作,支撑起所有基础代 ...
2026-08-04 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 ...
2026-08-04为什么学习数据分析? 当下,我们已然步入数据要素价值全面释放的智能时代。数据不再只是零散的数字记录,更是驱动新质生产力运 ...
2026-08-03CDA等级认证证书有效期为三年,三年进行一次年审,主要考察CDA持证人的职业发展情况;学历、工作单位及职业变更情况;继续教育 ...
2026-08-03【核心关键词】金融、岗位、企业、算法、知识、专业、理论、课程、软件、数据分析、业务类型、应用场景、经营管理、大型企业、 ...
2026-08-03在日常数据分析、业务报表复盘、业绩预测工作中,平均增长率是衡量数据长期变化趋势的核心指标,广泛用于营收增长、用户增长、销 ...
2026-08-03很多人把统计学理解为“一堆公式和计算”,却忽略了它的本质——一门让数据“开口说话”的科学。真正的数据分析高手,不是会算平 ...
2026-08-03在数据指标体系搭建工作中,从业者常困惑于指标搭建的核心逻辑:究竟是依托一线零散数据自下而上汇总指标,还是基于战略目标自上 ...
2026-07-31在数据分析、问卷研究、实验复盘、业务建模的工作中,大多数人最关注的是“用什么统计方法”:是做T检验、方差分析、卡方检验, ...
2026-07-31 许多数据分析师精通Excel函数和SQL查询,但当面对一张上万行的销售明细表,要快速回答“哪个地区销量最高”“哪款产品增长最 ...
2026-07-31在问卷调研的数据分析流程中,“先检验信效度,再开展进阶统计分析”是通用的规范逻辑。很多从业者会听到“问卷效度高,后续可以 ...
2026-07-30【核心关键词】大数据、统计学、专业、毕业生、论文、课程、计算机、建模、知识、数据分析、机器学习、数据科学、大数据技术、 ...
2026-07-30 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-07-30在业务数据分析中,按天拆分统计夜间时段的数据是高频需求——比如电商夜间订单监测、平台夜间用户活跃度分析、运维系统夜间异常 ...
2026-07-29在机器学习建模与特征工程实践中,判断不同特征对模型预测效果的贡献度,是特征筛选、模型解释、业务归因的核心环节。特征置换重 ...
2026-07-29 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-07-29【核心关键词】岗位、数字化、经验、课程、方法论、决策、企业、大方向、数据分析、销售管理、理论知识、思维方式、分析销售、 ...
2026-07-28在问卷调研、用户分群、效果对比等业务数据分析中,分类变量的关联性与差异性验证是高频需求。卡方检验作为针对离散分类数据的经 ...
2026-07-28 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-07-28