你还在为弄不懂Hive、Spark、Pig这些编程语言而抓耳挠腮吗?别担心,一场竞争正让像Hadoop这种复杂的大数据技术能更容易被非专业用户使用,你还能享受它让你发家致富的额外好处。
对,就是你。
几年前,Cowen&Co.的前分析师PeterGoldmacher在一份调查简报中表示,毕竟,你越靠近大数据技术的最终用户,你 的回报就越大。他认为,在大数据的世界,最大的赢家并不是这项技术的供应商,而是那些会用它来创造全新的产业或者瓦解传统业务的公司。
随着时间一天天推移,Goldmacher在2012年做出的预测显得越来越正确。大数据基础的建造者应该得到赞扬,但从中获利最多的是那些与技术营销和销售专家关系最密切的公司,而这些人可能都不知道怎么从一张数据透视表中进行并行运算。
提供解决方法而不是技术
我们已经在一些公司身上见过这种做法,比如JohnDeere,它们运用Hadoop和NoSQL数据库技术开发了非常强大的以数据为导向的应用。当硅谷还把自己当做宇宙的中心时,外面那个更广阔的世界正把大数据用在最有用的地方。
如果不是这样我们才会感到惊讶。正如Goldmacher写的,这一点总是适用于科学技术:正如之前所说,如果我们回顾企业资源计划的历史,超过两 百家公司被创立,在标准商业流程的自动化过程中积累资本。这意味着1990年的投资者只有不到0.5%的可能性选择SAP或者ORCL作为最终赢家。但 是,如果投资者在1990年购买了Dow旗下三十家开展了企业资源计划的公司的股票,那他就能减少35%的一般成本和管理成本,并通过大规模自动化生产将 收益提高五倍,市值也将增加将近八倍。
当然,大数据基础框架服务提供商也会大捞一把,比如Cloudera。Cloudera的市值已经达到几十亿美元,其它一些公司,像DataStax和MongoDB之类,市值也已经超过了十亿美元。
但是从这些公司的软件中获益最多的并不是它们自己,理由如下:
大多数大数据技术是开放性资源,这意味着大家都能采用它,很难从中盈利。
这些技术主要的用户是像Hadoop这种发展中的公司,这些公司对推动技术的采用非常重要,但是它们不愿意花钱。
与消费者关系更密切的公司和资金相对充足的公司更可能用大数据盈利。
根据第一点理由,Cloudera的合伙创始人MikeOlson认为,你不可能靠封闭资源平台获得成功,你也不能仅凭开放的资源建立一个成功 的独立的公司。这使得供应商把所有权和开放资源许可结合起来,从而使收益最大化,但是那些处在行业顶端的公司就不用担心这种情况。
赢家是
显而易见,他们就是应用(具体服务)供应商,他们不向最终用户展示技术的复杂性,只为他们所提供的服务收费。Workday的合伙创始人AneelBhusri几年前就有了这个想法。
McKinsey&Co.详细说明了大数据对不同产业的影响:
这些公司包括我前面前面提到的JohnDeeres,但论起技术上更主流,谁会胜利呢?
答案就是那些最会隐藏产品的复杂性、能让用户轻松操作的公司。
举个例子,微软就符合这种模式。看看他对Azure的机器学习做了什么。Azure机器学习有望消除几乎全部首创费用中与制作、开发和扩展机器学习方法有关的部分,并且可视工作流程和首创模板可以让一般的机器学习任务更简单。
虽然微软有很多可挑剔的地方(我就经常找它的茬),但它在减少复杂计算中的困难这一方面做的比其他任何公司都多。Windows、VisualStudio,还有很多其他的科技使得主流系统管理员和开发者发挥创造性成为可能,Azure机器学习效仿了这些科技。
极客消失了!
但是,我们要进一步考虑。毕竟,虽然大数据给开发者和系统管理员用已经不错了,但真正要解决的问题是这样让大数据更容易为你我这样的普通人使用,Wikibon分析师DaveVellante有了下面这个想法:
商业智能造就了一类分析师,但它始终没有成为主流。我们希望大数据能成为主流。
有一个看起来很适合做这件事的公司就是Adobe。一直以来Adobe都很关注创造性的职业,几年前对Omniture的收购使得Adobe稳步跨越进了大数据世界,但它更关注帮助营销专家获得潜在顾客。
管理大数据的重点不在于巨大的数据量,更多的是关于不断增加的数据来源和数据类型。对一个像Adobe这样的公司来说,为了让营销专家根据广告、图表等内容在极短时间内做出决策,它要搜集和分析来自社会媒体、现金收据等等的各种信息来了解顾客的行为。
该清除杂草了
微软和Adobe仅仅是大数据可能的赢家的两个例子,当然还有很多其他公司可能脱颖而出,希望这里面的有你的公司。
为了达成这个目标,我们需要停止对大数据技术中没什么用的东西的钻研,转而去关注它们能创造的商业价值。这种价值能通过我们使用的应用传递,不会凭空消失。
Olson在接受博世的DirkSlama的采访时说,他和很多仅仅把大数据当做数据的人聊过,他觉得这些人不是理想的工作伙伴,因为他们从根本上来说不是以商业问题为导向的。大数据时代真正的赢家是那些专注于解决实际商业问题的人。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14