
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
MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16