
国云数据CEO马晓东:没见过大数据何谈玩大数据
很坦诚,很直接,没有夹杂太多企业家、高管习以为常的官方话,这是我对马晓东的第一点印象。更进一步,作为国云数据的创始人兼CEO,马晓东的谈吐中却不时流露出对阿里的推崇,以及对在阿里巴巴工作经历的感激,可谓难得。
1986年1月出生,中国科技大学硕士毕业,早前在阿里巴巴从事大数据优化器、Hadoop、MapReduce等核心算法的研究,参与阿里大数据平台框架创建,马晓东于2011年从阿里巴巴辞职进行大数据挖掘、可视化分析领域的创业,创建苏州国云数据科技有限公司,现任创始人兼CEO。
2011年,大数据还远没有2013、2014年的火热,甚至于无人问津,“2011年选择从阿里巴巴辞职去创业,基于哪些方面的考虑?”因此我采用了直白的开场,不绕任何弯路。
当时在阿里巴巴做的大数据平台只有阿里自己能用,应用效果特别好,马晓东认准未来市场需求很大,同时难度很大,而他在淘宝这一苛刻环境成功做过大数据挖掘,有这方面的经验;其二,希望更多人、更多的企业能够应用大数据分析和挖掘,尤其是个人、中小企业很多用不起或者根本没有意识到数据分析的真正价值,他也希望真正推动产业发展,实现数据分析工具的普及,就像windows系统现在普及和造福大众一样,因而大数据大数据魔镜系列的免费版本也因此而生,目前也已服务上万家用户;其三,马晓东在校期间就拥有一支100人的精深技术团队,多次得到国家级肯定,并获得李开复老师的青睐与支持,而几年的工作经历,整个团队在实力、视野上也已经成熟;其四,“我从骨子里就想做有价值的事情”,出身于经商世家的马晓东,有着做企业的梦想。
时至今日,马晓东对创业的经历依然不胜唏嘘。2011年,当时市场还处于热炒“云计算”的阶段,大数据甚至可以说是无人问津,而理工科出身的他,创业之路可谓不足为外人道。实在的性格让他在没做出成绩之前不愿去拿投资,而在做出一定成绩之后,大数据作为一个新名词、新领域,投资人对大数据的认知可谓云里雾里。同时2B市场比2C市场更难被人认知,企业级市场总体发展不好。
发展到近两年,在对比美国大数据市场之后,在美国企业级大数据企业陆续上市之后,业内才逐渐对大数据有所认识。很多企业认为大数据等于舆情处理,去做非结构化数据,但在美国市场,结构化数据已经成熟才开始研究非结构化数据,中国却处于后知后觉的状态,结构化的东西没做好就去做非结构化数据, 所以很多企业最终走向被淘汰。
国外大数据之所以领先国内市场,还在于国外有数据环境,只有真正见过大数据才知道怎么玩,这也是国内ERP、CRM很多,但真正的数据产品并不多的原因。“没见过大数据去玩大数据,玩得好不好就可想而知了”,而国云数据的成功正是得益于见识过阿里海量的数据、玩过阿里苛刻的数据处理环境。
见过大数据的国云数据相较于国外的同类企业,优势到底体现在哪?马晓东表示稳定性、容错能力、准确性是一个有价值的大数据产品的基本要素。而国云数据因为真正经历过大数据,在这三点远强大于其他产品,基于比同类产品更强大的三大因素,国云数据更是一个数据价值提炼平台,其优势体现于以下几点:首先是功能,别的商业智能有的功能全覆盖;其二性能,渲染速度是是IBM Cognos的25倍;其三是大数据处理能力,大数据魔镜具备探索式分析、自动建模、省50%计算能力、精准营销几大特色;其四是易用性,人人都可以进行数据分析挖掘。
对于当前企业大数据市场,马晓东认为相比于13、14年,今年的市场虽然处于低谷,但其发展前景更加乐观。之前的市场可以说是病态的火热,很虚,而当概念炒到低谷,随之就会趋于理性,进而产生做实事的企业。
“国内企业大数据市场尚处于起步阶段,企业的精力更应该放在提升产品价值、产业链合作,共同对抗国外大数据产品,而不应该放在内耗上。”
马晓东对大数据市场有着独特的理解,并将大数据企业分为三类:其一是拥有数据方,比如阿里、京东、政府等;其二是大数据的纵向应用,例如行业专家,做大数据分析咨询,此类门槛较低;其三是大数据的横向应用,此类门槛较高,相当于挖金子的工具。
而大众认知中的大数据企业更多的是第三类,大数据的横向应用。而在这一产业链又拥有众多分支:可视化、可视化大屏、大数据分析挖掘、工具、存储、数据传输采集等等。相较于美国市场,以上应用尚处于起步阶段,同时企业级大数据市场很大,兵戎相接的局势不会出现,企业更应该担心的是国外的搅局者。产业链上下游应合作共赢,建立健康生态,促进市场发展,将竞争目标瞄准国外产品。
“我们有一个愿景,让人人都可以数据分析,企业都能用得起大数据”。据悉国云数据即将推出“大数据魔镜标准企业版”,面向中小企业,10万+的配置标价1万元,完全颠覆市场,也对市面上国外工具狮子大开口式的圈钱策略做了一回反攻。不管结果怎样,相信很多因工具昂贵而放弃购买的中小企业迎来了数据春天。
对于2015年及未来发展规划,马晓东透露国云数据定位于工具厂商,并且专注于工具厂商,不会涉足其他链条,在加大工具研发的同时,拓展海外市场,不会过多内耗。同时国云数据在2015年的战略重点是合作共赢,希望能与产业链上下游加大合作,推进产业发展,让人人都会、都可以数据分析。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28PCU:游戏运营的 “实时晴雨表”—— 从数据监控到运营决策的落地指南 在游戏行业,DAU(日活跃用户)、MAU(月活跃用户)是衡量 ...
2025-08-28Excel 聚类分析:零代码实现数据分群,赋能中小团队业务决策 在数字化转型中,“数据分群” 是企业理解用户、优化运营的核心手段 ...
2025-08-28CDA 数据分析师:数字化时代数据思维的践行者与价值推动者 当数字经济成为全球经济增长的核心引擎,数据已从 “辅助性信息” 跃 ...
2025-08-28ALTER TABLE ADD 多个 INDEX:数据库批量索引优化的高效实践 在数据库运维与性能优化中,索引是提升查询效率的核心手段。当业务 ...
2025-08-27Power BI 去重函数:数据清洗与精准分析的核心工具 在企业数据分析流程中,数据质量直接决定分析结果的可靠性。Power BI 作为主 ...
2025-08-27CDA 数据分析师:数据探索与统计分析的实践与价值 在数字化浪潮席卷各行业的当下,数据已成为企业核心资产,而 CDA(Certif ...
2025-08-27t 检验与 Wilcoxon 检验:数据差异比较的两大统计利器 在数据分析中,“比较差异” 是核心需求之一 —— 如新药疗效是否优于旧药 ...
2025-08-26季节性分解外推法:解锁时间序列预测的规律密码 在商业决策、资源调度、政策制定等领域,准确的预测是规避风险、提升效率的关键 ...
2025-08-26CDA 数据分析师:数据治理驱动下的企业数据价值守护者 在数字经济时代,数据已成为企业核心战略资产,其价值的释放离不开高 ...
2025-08-26基于 SPSS 的 ROC 曲线平滑调整方法与实践指南 摘要 受试者工作特征曲线(ROC 曲线)是评估诊断模型或预测指标效能的核心工具, ...
2025-08-25神经网络隐藏层神经元个数的确定方法与实践 摘要 在神经网络模型设计中,隐藏层神经元个数的确定是影响模型性能、训练效率与泛 ...
2025-08-25CDA 数据分析师与数据思维:驱动企业管理升级的核心力量 在数字化浪潮席卷全球的当下,数据已成为企业继人力、物力、财力之后的 ...
2025-08-25CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22