
大数据带来重要战略机遇
大数据与其他新一代信息技术的关系,我们以云为核心,云端连上传统互联网、物联网电子商务平台、社交网络平台,云端直接面向不同网络获得数据,数据再交给大家数据,由大数据给云端反馈或者是分析出我们所需要的结果。通过刚才的背景介绍,我们认为未来IT有三个重大发展趋势,也是我们庆幸我们现在处在IT转变阶段,首先是基础设施云化,通过大数据应用云计算各方面技术,看到企业后台技术是会变成云基础,这样的话企业也好、个人也好都不需要构建自己的IT平台了。我们可以提出需求响应,我们付费获得到这方面的服务,不管是企业角度来讲还是消费者角度来讲,未来进入IT消费化时代,我们不需要一次性购置很多的设备或者软件,我们只要通过网上付费交易系统获得相应服务得到结果就可以满足我们的需求了。另外一个方向是企业社交平台,企业未来必须要注重如何让企业跟企业之间沟通、跟供应链环节沟通,都可以通过企业社交平台扩展企业的资源影响力。包括企业自身CRM管理,企业营销管理,新品发布、促销手段、甚至包括公关都可以纳入企业社交平台。企业也不一定要通过各种各样的媒介平台或者通过企业召开发布会,只要通过企业社交平台就可以把企业宣传得更远,这也是一个划时代的突破,这主要得益于微博。
企业IT技术点分布,第一层次是成熟技术应用,移动互联网有移动攻关存储技术、新一代存储标准等等。还有核心技术和主要应用。我们更多的把大数据跟信息产业连接起来,因为我们国家在很多年以前强调信息产业发展,怎么样进行转型升级,怎么样做到突破现有瓶颈达到世界领先水平,从整个发展趋势来说,我们必须要抓住IT技术转型的过渡期来做一个跳跃性的发展。现在大数据对于整个信息技术产业的影响是显而易见的,我们认为IT技术与产品将会得到更快加速创新,甚至整个行业也会进行重新整合。大技术产业结构图包括硬件、软件、应用软件和社区服务,这是大数据所能囊括的各个方面,甚至以后大数据会出现数据咨询服务公司,能够给企业在架设大数据的时候提供相应咨询服务,还包括大数据的集成设施服务。
从厂商来说的话,现在引导的厂商有六家,IBM、英特尔、SAP、EMC、ORACLE和微软,从大数据对信息技术应用的影响来看,我们认为有两个方面,一方面促使数据获取、数据存储会更广泛。另外会激发大家对信息技术挖掘的强烈需求,导致的趋势也是两个方面,第一是让信息部门从成本中心转向应用中心,阿里巴巴也设立了CDO的首席数据执行官这样一个位置,他可能会更多把IT技术向业务方向转型,跟CRO有很大的区别。CRO更注重信息技术的构建包括价值可用性,但是CDO未来发展更趋向于信息的价值提升甚至包括对整个公司决策的影响,大数据可能对企业架构也会产生一定影响。决策智能化,企业战略从业务驱动转变成数据驱动,业务可能在之前更多是业务部门制订业务方向,管理层制订业务目标,但是在未来会通过数据挖掘,大数据技术获得更多的决策方面的驱动的支持。
大数据在当前阶段处于一个发展初期,我们更侧重大数据技术研发、概念的推广、解决方案的推广甚至包括商业模式未来怎么构件。但是两三年以后整个环境会变得好转,生态环境的逐步完善以后,大数据应用案例增多,用户可能对它的认可度更高,基于大数据业务创新将会得到更好的完善,整个数据变成资产的进度也会更快,企业未来会真正把数据作为他的一个资产来进行管理。再过几年可能整个行业是数据解决方案更成熟,会渗透到各个行业中,数据已经成为整个企业智能检测驱动力量,整个社会的信息化沉重也会出现质的提升。
大数据带来重要战略机遇,一个是新一代信息技术融合应用新焦点,会未来创造比较大的商业价值、社会价值、经济价值。第二信息产业持续高速增长的新引擎,大数据对数据存储产业包括整合设备产生巨大推动,同时数据挖掘市场也会得到很好的发展。第三行业用户竞争力得到不断提升,更好定位到自己的目标市场,更好扩大企业未来市场份额,这时候企业具有更强的竞争能力,在数据方面扶持会更多,市场会发展更快。从国家角度来看,国家现在还没有把大数据作为发展方向,但是有三个,国务院关于加快培育和发展新战略性新产业的规定,国民经济和社会发展十二五规划纲要和十二五国家战略性新兴产业发展规划都提到海量数据处理软件要开发,智能海量数据化处理相关软件开发产业化,推进高性能服务器海量数据存储也要产业化。从市场机遇来看的话,我们看到国内各地云计算已经遍地开花了,包括北京、天津、上海、武汉、西安、重庆无锡等等这些地方政府都在制订自己的云计算产业规划,我们认为归来他们势必会把大数据作为他们的发展方向,大数据在未来能给这些云计算产业基地或者园区提供更好的价值。从行业角度来看,大数据分成三个纬度,优先关注行业,互联网电信医疗制造金融等等;值得关注行业交通能源、零售、教育,这都是大数据未来发展的方向。适当关注房地产未来也有突破。
策略建议,我们对四个方面的假设提出四个建议,政府更应该把握战略机遇期IT转型期,更好提升产业层次,更多制定相关扶植政策,营造产业发展环境,并且起动立法保障信息安全。对于IT厂商来说,应该更深刻洞察客户需求,提供高可用性整体解决方案,专注细分领域创新提供有行业特色的专家级方案。对于应用开发商来说,移动互联网的发展是势不可挡的,企业更应该抓住移动互联网发展契机,提高企业移动应用产品的便捷性和互动性,深入研究企业用户消费行为,把握企业数据应用消费需求发展方向。对于行业用户来说,通过云平台实现数据大集中,形成企业数据资产,设立CDO岗位,有专业人员管理者深度分析挖掘大数据的价值,推动企业智能决策。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 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 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15