
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
如何考取数据分析师证书:以 CDA 为例 在数字化浪潮席卷各行各业的当下,数据分析师已然成为企业挖掘数据价值、驱动决策的 ...
2025-07-15CDA 精益业务数据分析:驱动企业高效决策的核心引擎 在数字经济时代,企业面临着前所未有的数据洪流,如何从海量数据中提取有 ...
2025-07-15MySQL 无外键关联表的 JOIN 实战:数据整合的灵活之道 在 MySQL 数据库的日常操作中,我们经常会遇到需要整合多张表数据的场景 ...
2025-07-15Python Pandas:数据科学的瑞士军刀 在数据驱动的时代,面对海量、复杂的数据,如何高效地进行处理、分析和挖掘成为关键。 ...
2025-07-15用 SQL 生成逆向回滚 SQL:数据操作的 “后悔药” 指南 在数据库操作中,误删数据、错改字段或误执行批量更新等问题时有发生。 ...
2025-07-14t检验与Wilcoxon检验的选择:何时用t.test,何时用wilcox.test? t 检验与 Wilcoxon 检验的选择:何时用 t.test,何时用 wilcox. ...
2025-07-14AI 浪潮下的生存与进阶: CDA数据分析师—开启新时代职业生涯的钥匙(深度研究报告、发展指导白皮书) 发布机构:CDA数据科 ...
2025-07-13LSTM 模型输入长度选择技巧:提升序列建模效能的关键 在循环神经网络(RNN)家族中,长短期记忆网络(LSTM)凭借其解决长序列 ...
2025-07-11CDA 数据分析师报考条件详解与准备指南 在数据驱动决策的时代浪潮下,CDA 数据分析师认证愈发受到瞩目,成为众多有志投身数 ...
2025-07-11数据透视表中两列相乘合计的实用指南 在数据分析的日常工作中,数据透视表凭借其强大的数据汇总和分析功能,成为了 Excel 用户 ...
2025-07-11尊敬的考生: 您好! 我们诚挚通知您,CDA Level I和 Level II考试大纲将于 2025年7月25日 实施重大更新。 此次更新旨在确保认 ...
2025-07-10BI 大数据分析师:连接数据与业务的价值转化者 在大数据与商业智能(Business Intelligence,简称 BI)深度融合的时代,BI ...
2025-07-10SQL 在预测分析中的应用:从数据查询到趋势预判 在数据驱动决策的时代,预测分析作为挖掘数据潜在价值的核心手段,正被广泛 ...
2025-07-10数据查询结束后:分析师的收尾工作与价值深化 在数据分析的全流程中,“query end”(查询结束)并非工作的终点,而是将数 ...
2025-07-10CDA 数据分析师考试:从报考到取证的全攻略 在数字经济蓬勃发展的今天,数据分析师已成为各行业争抢的核心人才,而 CDA(Certi ...
2025-07-09【CDA干货】单样本趋势性检验:捕捉数据背后的时间轨迹 在数据分析的版图中,单样本趋势性检验如同一位耐心的侦探,专注于从单 ...
2025-07-09year_month数据类型:时间维度的精准切片 在数据的世界里,时间是最不可或缺的维度之一,而year_month数据类型就像一把精准 ...
2025-07-09CDA 备考干货:Python 在数据分析中的核心应用与实战技巧 在 CDA 数据分析师认证考试中,Python 作为数据处理与分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 检验:数据趋势与突变分析的有力工具 在数据分析的广袤领域中,准确捕捉数据的趋势变化以及识别 ...
2025-07-08备战 CDA 数据分析师考试:需要多久?如何规划? CDA(Certified Data Analyst)数据分析师认证作为国内权威的数据分析能力认证 ...
2025-07-08