
大数据企业想要成为行业巨头的5个要素
Navin Chaddha是早期阶段风险投资公司Mayfield的总经理。这家公司目前正在投资的一些公司包括Gigya、Elastica、Lyft、MapR和Poshmark。
随着2014年下半年的到来,大数据俨然已经成为了一种社会主流,它影响了我们的休闲读物、多个产业的格局和面向消费者的应用等各方各面,同时也左右了大批资本的流向。风险投资行业在过去45年的时间内已经见证过许多技术周期——从PC时代的诞生,到主从式架构计算和基于网络计算的发展,还有云端和SaaS模式的崛起,我们对一家公司从创业阶段发展成行业巨头的模式已经形成了一种固有的认知。
根据我们的观察所得,成为一家基业长青的大数据公司需要具备以下的条件:
1. 从平台向生态系统的转换
要了解一个技术平台是否掌握主导地位,最清晰的方式就是看看这个平台的生态系统建立速度有多快。例如在SaaS时代,Salesforce能够快速成为业界领军的原因正是它拥有一个庞大的生态系统。大数据时代也是一样。
在大数据领域有一家叫做MapR的公司发展十分迅速,它就是一个从平台转换成生态系统的例子。作为一家Hadoop平台的服务商,它是唯一能够将开源(社区创新、便携性和灵活性)的优势体现在独特的平台架构升级的公司,为客户提供企业级的可靠性、安全性和性能。
MapR的生态系统不仅融合了新兴的Hadoop开源社区,而且在MapR App Gallery中迅速扩展合作伙伴的解决方案组合。企业客户可以在这个生态系统当中利用现成的大数据工具和应用轻易地部署和扩展大数据方案。
另外一个例子是MongoDB,这是一个业界领先的开源NoSQL数据库,被多家公司用于各种类型的应用当中。MongoDB正在为各行各业的合作伙伴建立一个大规模的生态系统。
2. 解决没有人愿意处理的棘手问题
这并非大数据世界当中最光彩的部分,然而我们相信这种类型的工作会造就许多大公司。在主从式计算的时代,数据整合先驱Informatica在解决复杂的数据整合难题的过程中逐步成为业界巨头,而且在Gartner Data Integration Magic Quadrant当中占据了连续八年领导地位。
在这个领域值得留意的另外一家公司是Trifacta,它的平台可以帮助技术类和非技术类的分析师将原始数据转换成可执行的数据。
3. 在大数据时代彻底改造商业智能,在获取数据的同时提供分析结果
像Business Objects能够帮助行业管理人员获取数据分析的结果,于是它成为了主从式计算时代的行业巨头。我们认为一部分的大数据公司也正在成为像Platfora这样的公司,后者能够在本地部署Hadoop,实现快速获取实时可视化的分析结果。
4. 深入运用专业领域的知识
确保专业领域的宝贵知识能够运用到你的分析应用当中,这样你才能立于不败之地。SAP就是利用这个策略成为了软件行业的巨头。
我们从Palantir这样的大数据分析公司当中看到了这种宝贵的专业知识,这家公司专门为反诈骗和网络安全这些特殊领域提供由人力驱动和机器协助的解决方案,它服务的垂直行业包括国防、保险、医疗和执法等。将机器数据转化成分析结果的Splunk也能体现出这种特质。
5. 利用直观的界面取悦客户
为你的IT和行业客户提供赏心悦目的数据交互界面;理解用户与应用进行交互的方式,不断改进用户体验的细节,做出直观和美观的界面。例如Dropbox在实现了一种简单直观的文件共享方式之后就迅速成长为一家行业巨头,现在它在世界范围内已经拥有超过2亿用户。
能够提供直观界面的大数据公司还包括Tableau,这家公司通过生成可视化内容 查看和理解数据,并从中得出分析结果;还有Elasticsearch,这是一个能够提供快速丰富搜索体验的开源解决方案。
大数据时代的未来
我们还需要关注的另外一个领域是物联网,因为它将会以各种全新的方式提供数据,从而改变技术产业的格局。现在这些数据的来源可以是恒温器、手机和手表,甚至是水杯这样的物品……以后的数据将会来自我们从来没有想过的地方。关于数据的所有权、生命周期和提取的全部观念都要经过重新定义,届时将会催生出一大批新的公司。这将会掀起新一轮的创新大潮,公司会推出一些以前从来没有想象过的全新产品和服务,而现有的产品和服务将会改写。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 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 ...
2025-09-01