京公网安备 11010802034615号
经营许可证编号:京B2-20210330
写在大数据变革之前
目前,最活跃的领域是网络终端创新和网络基础设施创新,也就是所谓的大数据产业链的前台和后台。从人们所熟知的台式机,笔记本到智能手机和平板电脑,再到即将问世的网络电视,网络相机,网络眼镜,还有研讨中的网络灯泡,自行汽车和各种各样匪夷所思的网络终端和传感系统,将物质世界和人类社会越来越全面,越来越深入地转化进数据世界的工作正在顺利迅速地进行,好像看不到什么了不起的理论或实践上的障碍能够阻止这一进程。
从人们所熟悉的传统云计算和数据中心到今天的公有云,私有云,开放云,封闭云,再到层出不穷的集硬件,软件,数据存储和分析工具于一身的基础设施,大数据的后台正在从软件即服务(SaaS),平台即服务(PaaS)走向基础设施即服务(IaaS)。在这条路上,好像也看不到什么了不起的理论或实践上的障碍能够阻止这一进程。
真正的决战还是在大数据的中台也就是网络平台方面,这方面的大创新才是大数据时代真正到来的引爆点(Tipping
Point)。无论前台如何丰富多彩,无论后台如何强壮有力,毕竟还需要有一个体系,一个架构,一个服务把人与人,物与物,人与物之间产生的数据按自然逻辑和社会逻辑联系起来,对接上去,集成到一起,才能够释放潜在的经济和社会价值。这种联系,对接和集成的方式用户越喜欢,成本越低,效率越高,数据越多,这个平台的价值就越大,在大数据生态圈里的地位就越高。就现有的网络平台看,还没有一个有足够的能力或潜力完成这一任务,整个产业需要一个或几个大的创新。
就目前产业发展的状况和大数据时代的内在需要看,未来三五年内会在网络平台层面上有机会产生创新性突破的不外乎以下三大方向:
个人数据集成----这是WEB2.0革命的自然深化和扩展,终极目的是创造真正的“数据人”,也就是以个人为中心,将其在互联网上的言行举止和世上一切有关此人的所产生的数据汇集起来精准描述,在保护隐私的前提下进行智能化和个性化的服务匹配。在这方面,FACEBOOK和苹果的基础最好,走的最远。“我的数据”(My
Data),“自我量化”(Quantified
Self),“纳米定位”(Nanotargeting)等一系列新概念正在业内出现,一批围绕个人完整动态数据获取的服务和机制正在尝试之中。
公共服务数据集成----过去远远落后于时代发展的网络公共数据服务近年来异军突起,从零散,滞后,粗略和被动的状态开始迅速走向集成,动态,精细和主动的新阶段。以DATA.GOV为代表的政府数据服务网站在立法,预算,舆论监督和民众督促等力量的推动下,正在成为大数据时代一股崭新而强大的力量,扩展和充实着互联网服务的空间和深度。一个国家,一个社会乃至一个城市的发展水平和竞争实力将和自身的公共服务数据集成和服务的水平紧密相连。公共服务数据集成水平的高低很快将成为“软实力”的主要标志之一。
物质生产数据集成----物质产品的设计和制造一直远离互联网,而现在正以极高的速度和极大的力量与网络业相融合。以“3D打印”这个不甚准确的名词所代表的网络化和数据化的物质产品设计和生产革命极大地提高了人们对网络世界和数据世界的想象力,极大地拓展了网络业的产业边界。过去,网络业只能进行完全数据化的产品和服务,或者通过网络平台帮助物质化的产品和服务进行推广销售。而新兴的网络化和数据化物质产品生产模式展现出由数据到实物的转化过程开始进入低成本,大规模,打破时空界限和个性化的全新历史阶段。这将重新定义众多产品制造业的产业链和商业模式,使物质产品的设计,制造和流通过程所需的数据集成成为产业上游。
这三个方向正好是一个由个人,社会和物质世界三维所组成的空间,这个空间在大数据时代有机地融合起来,为产业发展和社会进步创造机会。在这个空间中任何一维或三维上的任意一点的显著进步都将是大数据服务产业的福音。这不是空想的神话,而是看得见的未来。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13