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
在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 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 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24