京公网安备 11010802034615号
经营许可证编号:京B2-20210330
企业IT迎来拐点,大数据关键业务是集成
新一代信息技术已经在影响企业IT的方方面面,大多数企业都已深刻地意识到,企业IT必须结合云、开发运维和大数据,才能带来颠覆性改变。
其实,IT要面临的真正挑战是大数据的集成。大数据分析被视为是一种真正深入了解客户行为和 IT 性能的方式。 但是,惠普软件 CTO Jerome Labat 表示,虽然现在有多种快如闪电的分析工具,但如果您不能以类似的速度对这些工具提供的深入见解作出响应,那么拥有这些工具就毫无意义。 因此,对于在过去一两年里一直在纳入大数据工具的许多企业来说,新的前沿领域是集成。
“通过深入了解客户,我们可以在他们需要时提供服务和解决方案”,Labat 说, “但前提条件是我有一套目前多数 IT 商店没有的功能和技术”。 缺少的功能包括对实时应用使用数据的快速分析,以及其他功能。“您需要具有快节奏敏捷性的后端基础设施来应对那些创建和销售服务的新方法”。
企业多年来一直在集成云和自动化,虽然开发运维对企业并没有足够的牵引力,但相关的敏捷开发原则已被广泛采用。 Labat 表示,在 2015 年,随着大数据成为最新热门 IT 话题,为了真正获得收益,CIO 将面临将这三者整合在一起的压力。
协同能力
Labat说,真正的目标,即短期目标而不只是在模糊的将来的目标,是迅速利用多种来源的大数据,提供见解并创建新的服务,从而实现所有下游业务目标。 实现这个目标意味着要按序准备好以下三个关键要素:
第一,云。 通过云来快速配置 IT 基础设施和应用服务的能力。
第二,开发运维。 应用和运维团队需要协同工作,才能应对冗长的构建和测试周期。
第三,大数据。 大数据是构成应用或运维目标中下一个迭代步骤基础的深刻见解。
“第一个构建块是快速配置和部署基础设施及应用服务的敏捷性。 这意味着要首先掌握云”。Labat 表示,“一旦可以快速构建和部署环境,第二步要做的就是改变流程,不断创建和部署新的服务,基于使用模式在正确的时间向客户提供正确的产品。” 因此,企业需要开发运维。
但这仍然没有明确要构建什么、何时构建或为谁构建的问题,这就是为什么企业要构建第三个模块(大数据)的根本原因。
机会洞察
Labat 表示,当云、开发运维和大数据达到最佳成熟状态时,就有机会在战略上使用大数据投资来推动真正的、专注于结果的变革。
展望 2015 年,CIO 将不得不投资于大数据,但切记不要构建一个孤立的大数据。 企业必须利用客户相关信息来支持业务合作伙伴,借助实时分析甚至是预测分析来更高效地运行数据中心,还要支持更快地开发更好的应用和服务。并且还要注意,不要陷入技术本身,技术只是 IT 转型及其带来的业务成果的推动者。
“如今,我们过分关注大数据技术的炒作,却缺少对思维模式和流程转型的探讨。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27在CDA(Certified Data Analyst)数据分析师的能力体系与职场实操中,高维数据处理是高频且核心的痛点——随着业务场景的复杂化 ...
2026-03-27在机器学习建模与数据分析实战中,特征维度爆炸、冗余信息干扰、模型泛化能力差是高频痛点。面对用户画像、企业经营、医疗检测、 ...
2026-03-26在这个数据无处不在的时代,数据分析能力已不再是数据从业者的专属技能,而是成为了职场人、管理者、创业者乃至个人发展的核心竞 ...
2026-03-26