京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据、云计算可以使CIO不会在盲目采购IT设备而是考虑云服务,减少成本,提升IT管理水平。
开展大数据、云计算需要CIO解放思想、大胆运用新技术,把落后的方面赶超上去。
未来我们看到随着大数据、云计算、移动等技术的应用与发展,我们看到也将推动提升企业CIO在企业中的地位,甚至有可能CIO和CEO合二为一,对于企业发展有非常大的好处。
未来我们看到随着大数据、云计算、移动等技术的应用与发展,我们看到也将推动提升企业CIO在企业中的地位,甚至有可能CIO和CEO合二为一,对于企业发展有非常大的好处。
【比特信息化】大数据、云计算等技术已经深入渗透到企业中,对于企业的业务以及IT都形成了巨大的挑战,特别是现有的环境下作为企业的IT负责人如何在这些技术环境下做好IT管理,并且把它们成功应用企业中,已经成为CIO所要思考的问题。面对现状,本期比特网百家讲坛我们邀请了来自中国水利水电科学研究院的IT总监傅红旗,就当前大数据、云计算环境下企业IT管理以及全面拥抱新技术进行了解读,为行业用户开展大数据、云计算提供参考。
大数据 云计算 变革企业IT
中国水利水电科学研究院(以下简称研究院)是中国最早建立的面向全国的水利水电综合科研机构,成立于1958年,由中国科学院水工研究室,水利部北京水利科学研究院和电力工业部水电科学研究院三单位合并而成,它是水利发电方面权威机构主要负责如大型水坝的建体、水流水能的计算,然后应用到工程中去。从研究院的IT应用来看,研究院IT发展可谓有起有伏,可追溯到上个世纪80年代,80年引入了国外的M180中型机、大型机以及到90年代的各研究所引入小型机,目前各个院、各个专业研究所更多采用小型机。对于研究院的IT管理,因研究院下属多个研究所,每个研究所他们更多是IT的使用者——使用计算机作业务计算,而IT管理还需要依赖专业的IT人员来解决,因此,在研究院中设立了网络中心,主要帮助研究所做IT管理以及新技术应用等工作比如最早通过与相关服务商的合作引入的财务软件、OA、ERP系统以及BPM。
正如刚才所言,网络中心除日常IT管理外同时会考虑先进的IT技术应用比如大数据或者云计算,那么,当这些新技术引入后会对企业以及IT管理带来哪些价值和挑战呢?对于此,傅红旗认为,现在进入大数据时代IT主要面临数据的管理和存储问题,而在云计算方面更多是来自安全的问题。从价值的角度来看,研究所过去撤销了计算中心,原本要打算恢复计算中心,但今天随着云计算的成熟,促使我们在虚拟服务以及云服务方面的考虑,可能会改变恢复计算中心的计划,有可能不会在盲目采购IT设备而是考虑云服务。减少成本,提升IT管理水平。
傅红旗再次强调了安全的重要性。目前我们所处的云计算环境存在一个安全的问题比如硬件服务商留下后门,因为研究院的数据涉及到国家安全比如水坝在和平时期它是一种能源储备但是在战争时期,它就是一个破坏危险的因素。所以,在这些方面对于运算数据要有一个安全的保障。
对于云安全的防范应分为两方面:第一、技术防范;第二、人为防范,主要包括人文学、社会学等。目前更多的技术防范,技术防范现在是要求相关的安全部门能够做一些更切实的工作比如微软和中软合作期间把源代码93%是公开交流,能够提供一定的安全防范。基于此,“我们不想做封闭式的数据采集,我们也希望将来所有科学的计算数据进行国际交流,但是安全问题必须要保障。”而对于云服务商则言则需要保障站在任何时间、任何地方都可以提供云服务,对于客户来讲,则能够在任何地点任何时间都要以使用云服务,这是未来的趋势。
迎接大数据 云计算 CIO要有开放的心态
今天的大数据、云计算已经成为一种发展趋势,虽然还有许多的问题要解决,但这一趋势已经迫使我们必然去主动接受,对于企业的IT管理者而言,要想做好企业的IT管理以及满足业务的需求,必然要有充足的准备和应对良方。傅红旗建议,“企业的IT负责人或者CIO的思想要更加开放,应该承认技术不足,勇于应用新产品,了解他们的内容和技术,做好我们自身防范之后融合新技术中。我们在技术方面还需要大踏步追赶,需要CIO解放思想、大胆运用新技术,把落后的方面赶超上去。IT从业者要接受最新的观念来解决业务工作才是当务之急。首先自己要开放尽快接受新知识”
比如不同行业企业的相关部门可以把一些非核心业务通过采用公有云来进行办公,使得各个机构在日常办公中尽快融入云服务,而对于一些关键部门则可以采用私有云服务。在大数据方面现在对于数据会产生“疲劳感”暨每天的数据量非常大,想获得数据分析结果比较难,因此在这种“疲劳感”下,企业可以把30%的核心的数据掌握在企业自身中,而其它70%的数据完全可以在云上运行比如通过服务商的大数据、云平台,数据处理70%的工作量由服务商来做则大大减轻IT负担、节省能源空间,提升企业IT效率。
未来我们看到随着大数据、云计算、移动等技术的应用与发展,我们看到也将推动提升企业CIO在企业中的地位,甚至有可能CIO和CEO合二为一,对于企业发展有非常大的好处。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25