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
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12