
马云:不参与大数据建设 十年后一定会抱怨
“十年以后,很多人会说,中国的经济也好,世界的经济也好,都是贵州惹的祸。如果你不参与整个大数据的建设,如果你不参与大数据技术、云计算,不把自己的企业真正变成一个互联网的制造业,我相信你一定会像今天一样抱怨和埋怨。”5月26日,阿里巴巴创始人马云在2015贵阳国际大数据产业博览会暨全球大数据时代贵阳峰会开幕式上作出表示。
马云表示,未来30年是人类社会最精彩的30年,未来30年也是令人期待的30年,未来30年是令人恐慌恐惧的30年。马云庆幸自己是15年前创的业,要是今天创业,肯定被年轻人活活搞死,因为“他们用的大数据,他们用的是互联网模式,他们说的很多东西我不是很理解,但是我相信,一旦我理解,我会越来越恐慌。”
马云还指出,未来的制造业不仅仅是会生产商品和产品,未来的制造业制造出来的机器必须会思考,必须会说话,必须会交流,未来所有的制造业都将会成为互联网和大数据的终端企业。
以下为马云发言实录:
大家好,尊敬的陈省长,怀部长,各位同仁,坐在下面听演讲,特别的激动,几年前,从一个概念、从一个想法到今天贵州真正全面进入大数据时代,觉得有的时候真的是特别的了不起。
我今天早上来之前在网上查了一下,看到很多线下小店说在打折,在关店,都说了一个事,都是马云惹的祸,都是淘宝惹的祸。其实我在想,13年以前我们在推广整个电子商务的时候,我们会说互联网会影响生产、制造、销售,互联网将会影响社会的方方面面,电子商务将会对很多的行业带来巨大冲击,很多人并不以为然。
今天我也可以这么讲,十年以后,很多人会说,中国的经济也好,世界的经济也好,都是贵州惹的祸。如果你不参与整个大数据的建设,如果你不参与大数据技术、云计算,不把自己的企业真正变成一个互联网的制造业,我相信你一定会像今天一样抱怨和埋怨。
我觉得任何事情要站在未来角度看今天,而不仅仅从今天成绩,今天你能做什么能力去看待未来。这个世界正在发生很大变化,我相信未来30年是人类社会最精彩的30年,未来30年也是令人期待的30年,未来30年是令人恐慌恐惧的30年。
今天我们是生活在一个非常纠结的年代,经济下滑趋势,小公司在关门,说是因为互联网,大公司无所适从也是因为互联网,反正每个人都怪因为互联网我们出了麻烦。
但另外一方面,又发现很多欣欣向荣的企业在不断的起来,前段时间我面试了六个年轻人,我是倒吸了一口凉气,我幸好是15年前创业,要是今天创业,肯定被这帮小子活活搞死,因为他们用的大数据,他们用的是互联网模式,他们说的很多东西我不是很理解,但是我相信,一旦我理解,我会越来越恐慌。
其实今天来讲,我们喊了很多年的信息数据时代开始,政府转型创新的时代开始,转型、升级是要付出代价的,这个代价正在开始形成,也许很多人说我们期待转型升级。
回应一下刚才田溯宁讲的三次工业革命,第一次美国的蒸汽机,第二次电的能力,第一次工业革命造成的就是煤第一次工业革命是真正释放人的体力,第二次工业革命能源起来之后释放了人的能力,人希望能走得更远,第一次工业革命希望更强,第二次工业革命希望能走得更远,第三次工业革命我们说会是什么商业形态,这是我最近考虑最多的,因为每一次工业革命的变革对商业的形态所造成影响是非常之大,必须从组织上去思考,我们未来组织应该怎么样,我思考最多就是任何一次军事变革经过很多年以后一定会变成一个商业的变革。
从第一次世界大战和第二次世界大战,也可以讲,第一次工业革命造成了第一次世界大战,第二次工业革命产生了第二次世界大战,这次技术革命会造成什么东西?因为这次技术革命释放的是人的智慧,人的脑袋。人们没有去想过这次技术革命对整个人类社会会发生什么翻天覆地的变化,未来得组织不是公司雇佣员工,而是员工雇佣公司,这一系列的变化是因为整个技术发生了巨大的变化,因为数据的产生,人类整个社会商业发生变化一定会造成整个社会发生变化,经济、政治体系发生变化。
所以大家要去思考,在座每一个企业去思考什么样的组织才适合未来,什么样的团队能够适合未来?
另外我想今天重点讲的是从it到dt的变革,我们认为it和dt以为是技术的提升,其实这是两个时代的竞争,这是一个新的时代的开始,所以大家一定要高度重视dt时代的思考,dt时代的思维。it时代是让自己更加强大,dt时代是让别人更加强大,it时代是让别人为自己服务,dt是让你去服务好别人,让别人更爽,是以竞争对手服务竞争对手。it时代是通过对昨天信息的分析掌控未来,是控制未来。
而dt时代是去创造未来。it时代让20%的企业越来越强大,而80%的企业可能无所适从。而dt时代是让释放80%企业的能力。所以整个世界将会发生翻天覆地的变化,it时代把人变成了机器,而dt时代把机器变成了智能化的人,所以这正在我们进入一个新型的时代。
而未来的制造业不仅仅是会生产商品和产品,未来的制造业制造出来的机器必须会思考,必须会说话,必须会交流,未来所有的制造业都将会成为互联网和大数据的终端企业。未来的制造业要的不是石油,未来的制造业它最大的能源是数据。
所以我相信未来的竞争将会发生天翻地覆的竞争。所以,以前如果说从平台型企业,以服务别人为中心,和自己企业服务为中心,我想这儿有一个简单的例子。第二次世界大战,日本建立了全世界人类历史最强大的军舰,叫做大河舰,它拥有强大的钢甲,最强大的力量,他认为他可以摧毁一切,但是它第一次远航出去的时候,想找航母对抗,连航母都没有找到,被几架飞机给击沉了,因为航母是一个平台,自己不产生进攻能力,让航母上的舰载机具备强大进攻能力,它是一个生态。所以不管你自己有多强大,要思考让你员工更强大,让你的客户要强大,让你合作伙伴要强大,展开竞争。假如我们对未来dt时代整个思考不去把握,那么我们的技术将是无形,还是生活在昨天。
今天我们看到无数企业在追逐,发现和参与大数据时代,我们也看到了很多互联网的公司今天很快沦落成为传统的互联网企业我们看到很多it企业变成了传统it,因为很多人还没有搞清楚it,我们进入了dt,互联网企业要参与社会变革,参与经济发展,参与教育和问题,让整个社会各方面越来越强大,所以让经济更富裕,让人类更幸福,是所有互联网大企业的历史担当。
今天互联网已经不仅仅是上网看新闻,不仅仅是购物,不仅仅是玩游戏,不仅仅是聊天,互联网必须成为整个社会发展进步巨大能源和动力,如果我们把互联网仅仅当成一种工具,那么我们曾经也把中国发明的火药当做只能是放烟火,只能当炮仗,而别人把它当做机器,别人把它当作了武器,所以我想这是一个巨大的时代,这是一个共同可以展望未来的时代,不是去改变别人,而是改变自己,去拥抱这个时代,这样你就不会十年以后说这是大数据惹的祸,我们应该共同把它变成真正人类未来巨大能源所在,谢谢大家,谢谢贵州。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29