
京东、阿里:打口水战不如共同推动数据开放
京东、阿里真是一对冤家。恍惚前几天小马哥刚刚道歉,平息了一段口水仗,昨儿又看到京东发文批评子沛。文采不错,争论的焦点好像是阿里要做国家企业,京东甘愿做国民企业,“国家企业”与“国民企业”道不同、术亦不同,所以如何如何?这两家企业都是我很尊重的新兴经济的代表,他们也是应用大数据技术、建立产业生态的急先锋。子沛和我也是好朋友。子沛在写作《大数据》时候,我正在忙着写大数据的深度研究报告。还是看到《大数据》热卖,最终促使我写作《大数据时代的历史机遇》。从名字上看,子沛的《大数据》、舍恩伯格的《大数据时代》、我的《大数据时代的历史机遇》看起来就像大数据三部曲。后来我去美国,还是子沛热情邀约,参加了一次旅美华人科技协会的会议。我在京东也有不少朋友,而且每次我作产业生态或者大数据的报告时,多用京东为例。所以,我打算和和稀泥,朋友们互相吵架有什么意思呢,大数据领域,有太多的事情,等着两家去做呐?
如标题所说,能不能一起干点推动数据开放的大事儿呐?在开源软件的历史上,谷歌公司的贡献,是无以伦比的。目前大数据的处理技术,像hadoop,mapreduce等开源软件,很大程度上受惠于谷歌公司的卓越实践。谷歌在创业初期,买不起IBM、HP比较贵的服务器,只好买一些二手的服务器,装上开源的linux操作系统,来支持其快速增长的搜索业务。二手服务器,总是喜欢出点故障,谷歌又自己动手,开发自己的文件管理系统,把数据分散存储在不同的服务器上,一台坏了没关系,还有其他服务器可用。不小心,谷歌一下子开发出来大名鼎鼎的GFS,解决了分布式存储和跨主机并行访问的难题。为其霸业奠定了基础。谷歌贡献在于它很快就把这些技术,分阶段开源出来,反馈到开源社区。狭义的大数据产业发展,如果没有早期像谷歌这样的公司的无偿贡献,很难获得行业性的爆发增长的。 但是谷歌开放的道路上,并非毫无保留。谷歌可以把广受欢迎的手机操作系统安卓开源,也可以把非常好用的诸多应用软件免费,但是, 谷歌绝不开放数据。 谷歌不择手段的获取各种数据,存储在其硕大无朋的多个数据中心里。它视数据为其核心资产,绝不容第三方染指。计算机刚刚发明的年代,是不区分所谓硬件和软件的。大家不觉得拷贝别人的软件拿来用用,有什么不可?后来比尔·盖茨一声断喝,随便拷贝别人软件是小偷,从此开创了独立的软件行业。软件也挣脱了硬件的束缚,独立成一个产业。
盖茨时代,软件和数据其实也是混在一起的,难以分割。数据总需要软件来识别和处理,离开特定的软件,数据就是一堆毫无意义的二进制组合。 现在 慢慢观察到数据独立存在的一些现象。 只要有独特的数据资产,总有人愿意开发软件研究算法,来发掘这些数据资产的价值。 数据如山,独自巍峨。软件如镐,山中掘金。谷歌通过开放软件的源代码,颠覆了微软卖软件谋生的商业模式,短短15年,市值超越微软,成为行业翘楚。但是现在谷歌开始雪藏数据,把数据圈起来,视为自家私产。 从商业模式来讲,谷歌的模式堪称完美。 比印钞机还要高效,每天净收入1亿美元,没有应收账款,都是现金流。谷歌盈利的奥秘就是收集、分析大量的数据,更精准的预测个人的需求,做更精准的广告。谷歌收得是广告费。但是随着谷歌数据维度的增加、数据量的增加,谷歌所拥有的数据,具备了广泛的社会意义。譬如谷歌根据其大众的搜索关键词,预测流行病爆发的可能性等等。继续数据如山的比喻,谷歌数据矿山中蕴藏丰富的金、银、铜、铁、锡……但是谷歌光靠挖铜就赚得盆满钵溢。社会视如金的东东,与谷歌而言却形同矿渣。 事实上,因为大数据蕴涵价值的多样性,单独靠谷歌一家,是不能穷尽数据的巨大社会价值、与经济价值的。 所以,谷歌坐拥宝库,但仅仅卖卖广告赚钱,其他的只是秀一秀。行文至此,我决定放弃“数据就是资产”这个概念,转而关注大数据的社会属性,开始倡导“数据就是资源”。我有资格这么做,因为“数据资产”的概念,是我在2011年12月07日,发布的第一篇大数据公开报告《大数据时代即将到来》中提出的,并由此推演出多个商业模式。现在我宣布这个概念成为历史。因为它关注的焦点是,一家企业如何利用数据来盈利。
数据就是资源,则强调大数据的社会属性、行业属性。对于推动数据开放、推动产业融合、推动经济增长、构建新型商业文明有着巨大的现实意义。 从数据资源角度而言,谁能颠覆谷歌,为新型商业文明开辟道路呢?我想,唯有打破数据资产的概念,把它看成社会共有的资源,开放出去,形成社会性、行业性的数据基础设施,在此之上,形成百舸争流、万马奔腾的数据应用大格局,才可以说我们真正进入了数字文明。而那家扮演数据基础设施提供商的公司,就是新时代的谷歌。 也许后人在撰写这段商业史的时候,会如是下笔:“XXX公司,宣布数据开放,以此为发端,人类真正迈入了数字文明时代!” 历史在翻页,我们有幸站在数字文明时代的入口处。阿里、京东无疑是开启数字文明大门的强势候选人,但是谁能开启这扇门,成为真正划时代的企业呢?且拭目以待吧!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29