京公网安备 11010802034615号
经营许可证编号:京B2-20210330
BM Insight 峰会今日在美国拉斯维加斯召开。在峰会中,IBM发布了名为DataWorks、dashDB和Cloudant的三款云数据服务,组成了基于云计算的、面向企业的大数据分析工具链。这三款云数据服务分别涵盖了企业大数据分析的数据准备、实时分析以及分享使用三大环节,目前已经进入IBM BlueMix云计算商店中,供企业选用。
三种云数据库服务图示
构建大数据分析工具链据调研机构Nucleus Research今年9月的一份报告显示:在今天,企业每投入1美元到数据分析领域,将产生13美元的新价值。也就是说,在各类数据“泛滥”的当下,企业拥有数据分析和洞察的能力,将使其在竞争中占据优势。
事实上,企业大数据应用的真正难点不在于数据缺乏,而是没有分析的能力。IBM大数据业务总经理Beth Simith 表示,“如果你不能将数据为你所用,那么即使你拥有全世界所有的数据也是毫无意义的。”
而让数据“为你所用”的第一步前提是数据筛选和准备。据调查显示,在大数据分析过程中,80%的时间和精力将花费在数据筛选和准备这一环节当中。“筛选和准备数据”这一环节不仅是出发点,而且是大数据分析的第一道难关。
这一现状,成为IBM构建其数据分析服务的逻辑起点。IBM新推出的云数据库服务首要的任务是使企业拥有筛选和管理大数据的能力,“并将筛选和准备好的数据,像发动机的燃料一样,投入到分析以及后续应用中”,Simith用生动的语言解释了这一出发点。
顺着这一出发点,在今日的Insight峰会上,IBM“一气呵成”发布了三款云数据服务。在具体细节方面:
DataWorks主要负责数据筛选和准备。这项数据定义服务,将使企业能够整理、筛选原始的数据,使之用于后续的数据分析。
dashDB主要用于实时分析,这一服务使用了“内存数据库”技术,可以要分析的数据置于内存、而非传统磁盘,将大大提高读取写入速度,加快数据分析和呈现,以应对企业实时分析的需求。
Cloudant主要用于数据分享和使用,今日新推出的版本拓展了Cloudant Local功能, 是一项“数据库即服务”(Datebase-as-a-services)的业务。这一业务使得企业可以在其私有云部署数据分享服务,让企业员工和合作伙伴借助各类设备更轻松的访问到企业数据。
从数据准备到实时分析、再到数据分享和使用,IBM用这三款服务构建了大数据分析的完整工具链。并且,这一工具链是完全基于云计算的,目前已在IBM BlueMix云中正式上线。
这一工具链的连贯性,将会使企业在分析和使用大数据时更加连贯和流畅,并得以与现有的业务结合,让大数据优化企业运营、改造和颠覆原有商业模式成为可能。
IBM布道大数据分析
事实上,以“抓住这一刻”为主题的Insight峰会处处充满了“了解、洞察、觉醒、优化、变革、改造、颠覆”等关键词。与其说Insight是一次技术峰会,更不如说Insight是IBM的一次“大数据分析布道会”。
不久之前,IBM给出的第三季度财报表现不佳,营收和利润同比双双下滑。值得注意的是,IBM已经经历了连续10个季度的营收下降。与不好看的数字相对应的是IBM积极转型的决心:IBM接连卖掉非核心业务,加速向云、大数据等新兴领域转型。
与卖业务相对应,IBM在大数据分析领域大力投资和并购。数据显示,IBM已经在构建其大数据分析能力方面投入了240亿美元,并收购了超过30家公司或业务。而此次峰会的“布道”,更是展现出其的大数据领域的信心。
IBM提出了“洞察经济”的概念
布道的对象,主要是IBM的合作伙伴和客户。除了一个个现实的案例之外,IBM更是将大数据分析提升到了宏观经济的层面。“大数据,及其实时分析技术将催生一个洞察经济时代的来临”,IBM高级Bob Picciano在峰会的演讲环节做出如上的表示。
所谓“洞察经济”,即因为技术的成熟,企业应用数据分析将会大大增进企业对其业务、趋势、消费者、行业等方面的了解和洞察,从而应用这些洞察力优化企业运营,甚至改造企业原有的商业模式。IBM员工分享的案例甚至包括:一家传统汽车厂商借助大数据分析技术,成立了一家出售数据的子公司。这一案例已经不是优化运营的范畴了,而完全是一个商业模式的转型。
在“洞察经济”当中,IBM将其定位为技术提供者、赋予能力者和顾问者的角色。借助技术的发展,在不远的将来,企业中能使用大数据分析的不仅仅是IT或者数据科学家,而应该是企业中的每一个人。
在工具层面,DataWorks、dashDB和Cloudant数据服务仅仅是一个开始,而基于Watson人工智能技术构建的Watson Analysis将在技术普及方面走的更远。目前,Watson Analysis已经支持机器学习、自然语言交互和智能分析建议。并且,Watson Analysis将会有免费的基础版本供所有大众使用。
综上,“布道大数据”行为本身是“水面”上的行动,而在水面之下,则是IBM这个业界巨头的庞大转型。无论在理论层面、还是在实践层面,大数据分析是这次转型的重要方向之一。
IBM有超过一百年的企业历史,历经从打卡器到计算设备再到软件服务的数次转型。 IBM转型的基因和文化一直存在。那么,转型的基因、决心和信心都已具备,成功与否,剩下的就看IBM人的执行力和最终的市场表现了。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09