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
在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18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导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 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。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 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 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12在数据分析日常工作中,Excel数据筛选是数据清洗、数据提取、样本筛选的核心基础操作。传统Excel手动筛选、函数筛选方式,面对多 ...
2026-08-12 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-08-12在数据分析、统计建模、数据挖掘与商业调研过程中,原始数据往往无法做到绝对干净规整。受系统故障、人工录入失误、设备误差、突 ...
2026-08-11在数据分析工作中,聚类分析是典型的无监督学习方法,核心作用是依据数据自身的多维特征,将相似样本自动划分为若干类别,实现“ ...
2026-08-11 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-11AB实验是互联网产品迭代、营销优化、功能升级的核心科学验证手段,通过流量随机分组、对照组与实验组对比,科学验证策略、功能、 ...
2026-08-10在MySQL数据库优化中,索引是提升查询效率、降低数据库IO开销、优化系统性能的核心手段。普通单列索引仅适配简单查询场景,面对 ...
2026-08-10