
“天下大同”才是大数据的理想归宿_数据分析师
“大同”原本是中国古代的思想,指人类最终可以达到的理想世界,代表着人类对未来社会的美好憧憬。现代又加入了全球范围内的政治、经济、科技、文化融合的思想。而今正流行的“大数据”,其理想模式也是“天下大同”,最终才能更好的发挥大数据的效能,并最终实现大数据的共治共享。
然而现实世界中,要实现大数据的共治共享似乎有点“天方夜谭”,最典型的例子就是巨头们都在叫嚣着大数据,但往往又出于商业利益的考量,谁都希望守住自家的一亩三分地,不愿意将自家的数据积累共享,甚至连平台接口协议共享实现都不易。
我们都知道Fitbit之前就曾表态过,其产品不会支持苹果的Apple Store平台,数据也不能实现共享,自然和Apple Health就无法同步。结果可想而知,强势的一方苹果公司要求Fitbit公司的应用全部从Apple Store下架,而这仅仅只是APP应用平台和APP应用之间的故事。
在另一个流行的领域“车联网”中,数据的共享同样是难中之难,而且目前也因此而导致目前车联网发展举步维艰。作为汽车的主导者,汽车公司基于安全以及自身商业利益的考量,自然也不愿意将车联网的核心数据共享出去,顶多友情开放一些无关紧要的数据。而车联网产业链条的各方仅能得到有限的数据,弃之可惜,但是即便都收集起来也没多大的实际意义。最终可悲的是,汽车企业尽管也在美其名曰的主导和推行自家品牌的车联网,但车联网始终放在自家品牌之后,都是站在为汽车品牌服务的角度,重点在于售车,其主导的车联网也是自家品牌的联网,和其他品牌的汽车无关,甚至和车联网链条的其他企业亦无关。但车联网的最终实现又必须是人、车、路多方的数据共享和协同,车企自身的车联网充其量也就是一个“过家家”的游戏罢了。
除了APP应用平台和APP之间的故事,车联网产业链关于数据的故事,时下iOS和Android两大系统的大战和数据兼容也是一大难题。对于APP开发者来说,同样的应用必须开发适配iOS和Android两个系统的不同版本。不过更为头疼的是两大系统之间的数据同步和共享问题,因为两方企业基于商业利益的竞争,谁都不愿意妥协和让步,也都不愿意放开自己的用户和数据。
然而尽管企业有企业的商业利益考量,企业有企业的自建屏障进行保护,但数据的共享和协同终究是大趋势。
关于Fitbit数据和Apple Health同步问题有了更好的解决方式。Fitbit数据可以通过第三方数据和Apple Health实现同步,此举自然是可喜的一大步,总有一种力量在推动着大数据的共享。
而关于车联网间的数据共享问题,目前也有着介于“法律边界红线边缘”的处理方式,即有第三方公司通过破解can协议和网关的方式取得汽车数据,并最终“分享”给车联网的产业链。尽管手段有待商榷,但确确实实在助推汽车公司走向更加开放。
iOS和Android数据共享和数据整合则应该交给新的创业型公司,总会有惊喜。iOS和Android的数据共享也是一大刚需和大市场,有理由值得期待。
然而,事情的发展总会损伤到既得利益者的固有利益和脆弱心里,既得利益者必然会防抗。但不管怎么样,笔者不太希望现实世界里,平台太多,“数据”不够用的“杯具”继续。过多相互有意隔绝的平台,势必会造成未来大量的产生的数据,却又人为地产生大量不兼容、不互通、不可二次利用的问题。每个投身期间的大小企业,都惦记着用自己的产品和数据格式和协议,形成竞争壁垒,然后党同伐异都算奢望,每家企业都想着凭借数据制霸天下。
如此,最终大数据终将成为空中楼阁,很难造福人类。前文说到的车联网也就只能成为各家车企内部的局域网,离人、车、路的协同越来越遥远。
有需求的地方,自然就会有商机,自然也会产生新的创业公司和创业智慧。第三方的同步和兼容工具,就极有可能成为一个衍生应用市场。尽管各路衍生应用市场和原有平台诸侯也一定会在捍卫自己的“江山”的过程中打个你死我活。但最终,肯定会有非常少量的平台最终成为数据协同和整合共享标准,推动大数据的“大同”。
当车联网、跨系统平台不再是梦,而是现实的时候,大数据的“天下大同”就开始迈出了实质性的步伐。革命尚未成功,第三方应用,第三方数据协同平台们仍需努力。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11数据时代的黄金入场券:CDA 认证解锁职业新蓝海 一、万亿级市场需求下的数据分析人才缺口 在数字化转型浪潮中,数据已成为企业核 ...
2025-08-11DBeaver 实战:实现两个库表结构同步的高效路径 在数据库管理与开发工作中,保持不同环境(如开发库与生产库、主库与从库)的表 ...
2025-08-08t 检验与卡方检验:数据分析中的两大统计利器 在数据分析领域,统计检验是验证假设、挖掘数据规律的重要手段。其中,t 检验和卡 ...
2025-08-08