京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据能量爆发遭遇瓶颈:技术+管理
“大数据的进一步发展显然面临着很多的技术瓶颈,而且还是一个长期的问题。”日前,Gartner 数据中心首席分析师张瑾接受ZDNet记者采访时非常直接的指出了这个问题。
金融机构利用大数据反欺诈、运营商利用大数据提供个性化服务、零售企业利用大数据挖掘更多销售机会……当然还有,诸如大数据可以挽救信任危机、大数据可以减少无用功、大数据可以……大数据开启的貌似是个全新的商业领域,而企业真正地领会大数据的内涵、利用好大数据则需要从技术和业务到意识和管理通盘考虑。
技术瓶颈短时间内难突破
张瑾在采访时分析了一个目前很常见的现象:很多领域、很多企业都已经开始重视数据分析,而且也在各自的领域做着相应的尝试。如平安城市的人员就会研究人脸识别、气象领域在研究更多的气象数据如何利用、教育领域研究如何个性化教学等等,每个领域甚至每个企业在做着自己的大数据探索。
“最后会产生一大堆特定的基于各个行业的应用。”张瑾说到。而这个现象会造成的问题就是,某一领域的研究应用成果很难放到其他领域里用,因为无论是数据类型、数据模型都会不一样。
所有的领域之间没有通用特定的技术模板,甚至每个企业的情况都会不一样。这样就很难促使大数据的能量和价值能迅速全面的发挥出来。
按照IT界的发展规律,一般这个时候会有两种类型的“人”跳出来承担这个责任。一是一些领域的集成商,但是张瑾认为对于集成商而言,大数据买卖很难做。“集成商更希望说做出一个项目后,可以复制到其他项目中,而不是为每一个领域、每一个企业定制一套方案出来。”还有一种是,现在很多领域都有行业厂商,这些厂商一般针对特定的行业,如电信、金融、能源等等提供IT解决方案。但是这类厂商的技术积累也没有那么深,而大数据的应用却从硬件到软件技术还有企业的商业模式和组织结构等都有很高的要求。
张瑾告诉记者,大数据难的是没有一个通用的解决方案将非结构化数据结构化,同时可以建立好的模型去分析这些数据。
当然,目前来说从整体市场看,结构化数据依然占着很大的比例。这类数据的分析技术相对简单成熟,但是其数据量也越来越大,对于很多企业而言原有的数据处理方案也不太适用了。
IT部门失控 IT架构呈现“混合”状态
因为很多企业开始进行数据分析,而这对其原来的IT架构会产生一定的影响。张瑾认为这种现象更大的影响会是在IT部门,在某些企业里甚至会带来IT部门对IT失控的后果。
经过多年的发展,多数企业的IT部门已经可以相对成熟地控制企业的IT运营,包括与业务部门的对接。而大数据的到来,有很多业务部门的需求现有的IT条件无法及时响应实现,业务部门只能自行寻求外包,这时必然会挑战到内部的IT管理。
张瑾说,理论上CIO应该将企业对IT需求都会集中管理,然后具体地实施体现到IT各个环节,甚至对IT基础架构和组织架构进行的调整。而如今,很多CIO普遍无法解决大数据带来的需求。
与此带来的还有一个影响是企业的IT架构会是一个并行的状态。“有些企业为了满足大数据的需求,会另行一套架构来做数据分析,这与原来的传统IT架构并行存在。”张瑾说,这对于CIO的管理而言是一个极大的挑战。
面对这种情况,业界也有流传着“CIO无用论”,因为大数据就是逼着一些不懂技术的人去干技术的活儿。对于CIO的价值问题,张瑾的看法相反。他认为,这恰恰是CIO的机遇,因为如今的环境更加说明了IT对于业务发展和市场竞争的重要性,CIO要做的是主动了解业务,积极迎接和胜任这份工作。
“我们并不鼓励所有的CIO都去创新、去做吃螃蟹,但是对于新的事物,尤其新的IT部门在企业中的角色变化技术,CIO们应该主动地去迎接。而且CIO应该是更加主动地站在业务需求的角度上,去发展这些技术,让技术优势成为企业业务的核心竞争力。”张瑾说原本大数据的解决,原本是个技术问题,但是若想让其发挥价值,CIO则不能单纯地把其作为技术问题来看待。
总结
大数据促使着企业IT部门更加主动地走到业务端,而事实,未来企业的IT部门本就不会只是支持部门,其会真正地按需提供服务的部门。
张瑾在采访中,也提到了云计算。从目前的应用来看,私有云依然会是众多企业的选择,公有云的障碍在于安全和服务内容的问题。Gartner日前有个统计指出,到20167年,全球企业的IT预算里面只有35%会用到分配给公有云。
对此,张瑾认为CIO们可以部分地尝试公有云,也可以真正去理解用户体验的内涵。“这更利于CIO们可以很好地定位IT部门,更加重视业务部门的用户体验。”
因为未来的IT架构必须可以很快速地实现提供服务,尤其是在日益激烈的竞争环境中,可以让业务部门以速度和质量来取胜。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18小陈是某电商平台的数据分析师。老板交给他一个任务:“我们平台的注册用户已经突破1000万了,想了解一下用户的平均月消费金额。 ...
2026-05-18【专访摘要】本次CDA持证专访邀请到拥有丰富物流供应链数据分析经验的赖尧,他结合自身在京东、华莱士、兰格赛等企业的从业经历 ...
2026-05-15在数字化时代,企业的每一次业务优化、每一项技术迭代,都需要回答一个核心问题:这个动作到底能带来多少价值?是提升了用户转化 ...
2026-05-15在数据仓库建设中,事实表与维度表是两大核心组件,二者相互关联、缺一不可,共同构成数据仓库的基础架构。事实表聚焦“发生了什 ...
2026-05-15 很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问 ...
2026-05-15【核心关键词】互联网、机会、运营、关键词、账户、数字化、后台、客户、成本、网络、数据分析、底层逻辑、市场推广、数据反馈 ...
2026-05-14在Python数据分析中,Pandas作为核心工具库,凭借简洁高效的数据处理能力,成为数据分析从业者的必备技能。其中,基于两列(或多 ...
2026-05-14 很多人把统计学理解为“一堆公式和计算”,却忽略了它的本质——一门让数据“开口说话”的科学。真正的数据分析高手,不是会 ...
2026-05-14在零售行业存量竞争日趋激烈的当下,客户流失已成为侵蚀企业利润的“隐形杀手”——据行业数据显示,零售企业平均客户流失率高达 ...
2026-05-13当流量红利消退、用户需求日趋多元,“凭经验决策、广撒网投放”的传统营销模式早已难以为继。大数据的崛起,为企业营销提供了全 ...
2026-05-13 许多数据分析师精通Excel函数和SQL查询,但当面对一张上万行的销售明细表,要快速回答“哪个地区销量最高”“哪款产品增长最 ...
2026-05-13在手游行业存量竞争日趋激烈、流量成本持续高企的当下,“拉新”早已不是行业核心痛点,“留存”尤其是“付费留存”,成为决定手 ...
2026-05-12