京公网安备 11010802034615号
经营许可证编号:京B2-20210330
英特尔关注大数据前沿趋势 促部署落地
如今,在IT圈,你不谈大数据都不好意思说你是做IT的。如今,各大厂商也加大力度在大数据领域拓荒,试图抢占这个未来战略制高点。作为全球知名的IT企业,英特尔在大数据领域深耕已久,大数据与软件关系密切,今天我们就来看一看英特尔在大数据与软件方面的进展情况。
此次我们采访了英特尔公司软件与服务事业部副总裁兼系统技术和优化部门总经理Michael Greene先生;英特尔公司软件与服务事业部、大数据技术全球总经理马子雅女士;英特尔中国研究院院长吴甘沙先生;英特尔亚太研发有限公司物联网解决方案与产品事业部商务开发经理顾典经理,由他们为我们详细介绍了英特尔的情况。
英特尔公司软件与服务事业部副总裁兼系统技术和优化部门总经理Michael Greene
大数据领域 英特尔各司其职
MichaelGreene目前主要负责英特尔内部开源问题,在大数据上面,英特尔一直提供开放代码的大数据和分析平台。目前在STO里面有一个专门针对大数据领域的团队,马子雅女士是这个团队总经理,这个团队有三个主要功能,第一是领导英特尔在开源社区方面的贡献;第二就是通过和业界合作,完善在IA架构上的用户体验;第三,就是基于IA上面对大数据进行优化。这是Michael Greene所领导的团队的最大特点。
英特尔中国研究院院长吴甘沙先生
吴甘沙先生是英特尔中国研究院的院长,目前在大数据这块,主要的任务在SSG方面,这个方面有点向侦察兵的职责,负责在前面谈论,也就是负责大数据方面发展的前沿的一些研发。比如,如今SSG正在努力的研究Hadoop相关东西,比如流处理、图计算、内存计算,这是SSG的第一阶段,接下来还会研究大数据和人的关系,以及大数据跟中小企业以及传统公司的关系等等。
英特尔亚太研发有限公司物联网解决方案与产品事业部商务开发经理顾典经理
物联网行业如今快速发展,也已经成为大数据行业非常重要的一个领域,顾典领导的物联网事业部是英特尔内部的一个部门。如今随着互联网设备的快速增加,这些互联的设备本身每天都会实时的不间断的产生很多数据,从英特尔推广物联网普及的角度来说,顾典不仅仅是关注这些设备的互联,还关注设备互联以后怎么样被高效管理。
第2页:英特尔关注大数据前沿趋势
关注大数据前沿趋势 促行业部署落地
目前,人们无疑关注的是大数据的发展趋势,哪一个行业领域会是英特尔接下来的研发方向呢?Michael Greene表示,深度学习将会作为大数据接下来的一个研究方向。另外,英特尔主要关注在软件上、问题的处理,包括大容量的复杂计算,这上面英特尔可能还会加入一定的精力做进一步的开发,并且现在英特尔已经有一些成功案例。
英特尔公司软件与服务事业部、大数据技术全球总经理马子雅女士
作为英特尔中国研究院的院长,吴甘沙也认为深度学习是发展方向,并且深度学习是大数据分析当中比较偏向高性能计算的一种,比如在Spark上做了很多的各种各样的大数据分析。事实上深度学习现在有很多种方式来对它进行加速,可以用GPU、可以用Xeon Phi,也可以用FPGA这样的平台进行加速。从英特尔研究角度来说,英特尔希望各种选择都能够尝试一下。
无论何时,大数据分析的落地部署一直是用户关注的话题,Michael Greene认为目前需要帮助用户更加快速轻松的部署,Cloudera现在有一个组件——ClouderaDirector,可以帮助客户快速的自动化地部署。另外在开源社区Open Source里面,英特尔一直在做一个项目Sahara,在这个项目不管你是Hortonworks、Cloudera甚至MapR都可以帮助容易的帮助用户实现落地。
英特尔各个部门在大数据这块有明确的分工。Michael Greene比较专注于具体用户的问题,因为只有把用户的问题放在最高点,所有的解决方案才会整合到一块儿。一旦英特尔把问题搞清楚了之后,第二个重心是要在英特尔平台上做最大的优化,尤其是很多时候用户的问题,从端到端,中间的每个组件都要做一些英特尔平台的优化。比如像SSD、新的存储技术这些都可以做到英特尔平台上的优化。
在物联网用与大数据方面,顾典表示,通过和企业用户、行业用户的一些探讨,包括第三方的咨询,英特尔看到物联网的发展还是碰到了一些技术上的瓶颈。如果说以互联设备的增长量来说,从目前的150亿台设备增加到将来的500亿台设备。怎么样把这些设备实现互联,然后在规模部署上突破碎片化一些瓶颈,这是物联网事业部目前关注的地方。
尽管从谈话中我们了解到大数据分析目前还有很长一段路要走,但是我们也能够从几个被访者谈话中了解到大数据的魅力所在,以及英特尔在大数据分析方面所做的努力。对于大数据,英特尔一直走在发展对饿前列,当大多数人在考虑第N个阶段的时候,开始考虑N+1个阶段。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在问卷调研的数据分析流程中,“先检验信效度,再开展进阶统计分析”是通用的规范逻辑。很多从业者会听到“问卷效度高,后续可以 ...
2026-07-30【核心关键词】大数据、统计学、专业、毕业生、论文、课程、计算机、建模、知识、数据分析、机器学习、数据科学、大数据技术、 ...
2026-07-30 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-07-30在业务数据分析中,按天拆分统计夜间时段的数据是高频需求——比如电商夜间订单监测、平台夜间用户活跃度分析、运维系统夜间异常 ...
2026-07-29在机器学习建模与特征工程实践中,判断不同特征对模型预测效果的贡献度,是特征筛选、模型解释、业务归因的核心环节。特征置换重 ...
2026-07-29 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-07-29【核心关键词】岗位、数字化、经验、课程、方法论、决策、企业、大方向、数据分析、销售管理、理论知识、思维方式、分析销售、 ...
2026-07-28在问卷调研、用户分群、效果对比等业务数据分析中,分类变量的关联性与差异性验证是高频需求。卡方检验作为针对离散分类数据的经 ...
2026-07-28 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-07-28在Excel数据分析与报表制作中,数据透视表是快速完成多维度汇总、分组统计的核心工具。很多从业者在得到透视表汇总结果后,为了 ...
2026-07-27 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-07-27当下,我们已然步入数据要素价值全面释放的智能时代。数据不再只是零散的数字记录,更是驱动新质生产力运转的核心动能、滋养人工 ...
2026-07-27【核心关键词】客户、数据分析、指标体系、数据采集、数据指标、业务数据、分析思路、业务需求、分析方法 【专访摘要】本次 CDA ...
2026-07-24在数据分析、业务建模与数字化运营体系中,原始业务数据普遍存在缺失、重复、异常、口径不一致等质量问题,直接用于分析与建模会 ...
2026-07-24 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-07-24在数据驱动的精细化运营体系中,指标是业务判断、效果复盘、策略优化的核心依据。随着企业数据化程度提升,指标数量持续膨胀,但 ...
2026-07-23在用户运营与产品增长体系中,留存是衡量产品真实价值与用户粘性的核心标尺,也是决定用户生命周期价值、获客投产比的底层因素。 ...
2026-07-23 很多数据分析师精通Excel、SQL、Python等工具,但当被问到“面对一个具体的业务问题,该用什么分析方法”“描述性分析和诊断 ...
2026-07-23【核心关键词】埋点、产品、互联网、数据库、决策、数据分析、产品经理、商业模式、移动互联网、指标体系、运营模块、大数据平 ...
2026-07-22在高并发、大数据量的业务系统中,单表数据量达到千万级甚至亿级后,会出现查询性能骤降、索引维护成本飙升、存储扩容困难等问题 ...
2026-07-22