京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27