京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据2015年或成IBM核心业务_数据分析师考试
12月24日消息,据国外媒体报道,随着2014年年终的日子越来越近,IBM的股价却仍然在地位徘徊。过去十年时间里,IBM的收益的增长速度曾经令人惊叹。然而进入2014年之后IBM的业绩就开始衰败,一些市场分析人士对于2015年IBM的表现也并无太高的期许。在笔者看来,IBM在日益激烈的行业竞争中已经有所落后,不过令人感到安慰的IBM正在积极的进行自我转型。展望2015年,笔者认为IBM还是会面临一系列发展良机,而IBM能否抓住机遇实现业绩上的突破值得期待。
IBM上一次进行大规模的转型还要追溯到20世纪90年代早期,当时IBM的主营业务由于受到PC和服务器市场所发生的剧变而面临巨额亏损,面对此种情况IBM临阵换帅迎来了一位新的首席执行官郭士纳(Louis V. Gerstner),在新掌门人的带领之下IBM迅速向软件和服务业调整,这也成为如今IBM在全球软件市场拥有一定话语权的根本原因。
眼下全球IT市场的变化格局同20世纪90年代之时有着明显的区别。云技术已经成为改变IT时代发展的推手之一,而同样是面对行业市场的剧变,这一次IBM并不会暴露出同25年前一样的短板。当年全球硬件市场的飞速发展使得IBM不得不跟上整个行业的变革脚步,事实证明“被拖着走”的IBM表现并不令人满意。如今面对云技术市场的进步,IBM主动自我调整以完成迎合市场需求,这也就决定了未来IBM将会面临更多的发展机会。
笔者认为大数据将成为IBM业务增长最显著的领域。大数据无非是海量数据的收集以及分析,事实上IBM已经推出了大数据市场产品——Watson。Watson如今通过云端向用户提供服务,而与此同时其还在其他诸多行业领域发挥着作用。今年10月IBM同Twitter签署合作协议,IBM将Twitter所掌握的用户数据纳入到Watson之中,由此商业客户可以通过Watson对大量数据的分析发现过往他们从未注意过的用户消费习惯等等。Watson另一项成功应用于实际的例子就发生在本月。IBM在本月月初同美国退伍军人事务部签署合作协议,后者将使用Watson对所掌握的全美退伍军人病历数据进行分析以便向患者提供更高质高效的医疗服务。IBM在评价同美国退伍军人事业部的合作时强调,美国退伍军人事业部的病历数据规模每三年便会增加一倍,对于如此大规模的数据进行分析唯有Watson才有能力承担。
今年年初IBM推出Watson之时,IBM首席执行官罗睿兰曾经表示,IBM为Watson所制定的发展目标是在10年之内使其成长为百亿美元级别的业务。罗睿兰的论调看似有些“放卫星”。眼下Watson在IBM众多业务之中所占份额还只是少数,不过笔者认为Watson的发展潜力不可小觑。根据市场调查机构IDC公布的数据显示,从今年开始知道2018年全球大数据技术和服务市场规模年度增幅将维持在26%的高位,而届时整个市场的价值预计将达到415亿美元。
笔者想要提醒投资者一点的是“罗马可不是一天建成的”,IBM的转型不可能再短时间内就收到成效。笔者预计IBM在2015年可能仍然会遭受一些业绩增长方面的压力,尽管在明年IBM旗下的Watson和大数据业务会签下更多订单 ,但这对于整个IBM的发展来说只是杯水车薪。2015年IBM的业绩来源将仍由传统软件和服务所占据,而硬件业务也会继续面临较大的发展压力。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06