
2014年6月21日,由《互联网周刊》主办的“2014大数据创新论坛”于大连软交会期间成功举办,来自英特尔、IBM、腾讯云、集奥聚合、威立方、趋势科技、昆腾、中关村数海大数据交易联盟的嘉宾就“大数据时代企业如何解构案例价值”做了专题研讨。全国各地IT、物联网、安全、营销、移动互联网、电信等领域的精英以及大专院校师生150余人参加了本次研讨会。
开放架构 双双共赢
在大数据时代,随着数据存储量的爆炸性增长以及分层网络架构的出现,IT复杂性达到了前所未有的高度,而大数据分析、存储和安全使得传统IT架构更是不堪重负。那么从企业角度来看,他们的大数据环境需要怎样的IT架构呢?
传统IT架构下,IT系统不可避免地会遇到性能瓶颈问题,必然会出现性能拐点。比如现在的信息环境决定了用户数据量处于快速增长状态,用户对存储系统功能和扩展性方面的需求愈加强烈,而传统存储架构的局限性使之很难满足要求。相比之下,开放架构的优势突显,众所周知,x86平台拥有庞大成熟的软件生态圈,基于开放的x86架构、用各种开源软件构建未来的大数据处理架构已经成为系统架构师们的共识,这也是现在各种开源软件如Hadoop、MongoDB、Redis、Xen等如此受架构师热捧的原因。
今年3月,英特尔与Cloudera达成合作,英特尔投资7.4亿美元,这是英特尔在数据中心领域资产投资最大的一笔,英特尔的硬件和Cloudera的软件完美结合,可以碰撞出更加完美的解决方案,更好地推动大数据产业的发展。
IBM则选择跟开源社区合作,推动开放的企业级平台云的构建。Bluemix也是IBM今年10亿美元级的一个投资,其标志着IBM正在转型,将其所有的计算能力用云的方式提供出去。
腾讯也启动了开放战略,把自己用户数以亿计的核心平台开放给所有的开发者,以为用户提供更多更好的产品。比如游戏厂商乐逗就和腾讯合作,把开放平台上的产品全部迁移到腾讯云上来,乐逗负责人是这样评价这一举措的:(以后)我们不用再担心数据丢不丢,不用担心网络快不快,不用担心流量的负载平衡,不用担心安全问题�
安全问题 不容忽视
安全是影响云计算发展的关键问题。由于云环境的灵活性、开放性及公众可用性等特性,给应用安全带来了很大挑战;同时云安全作为云计算技术的重要分支,给信息安全产业也带来了更多想象空间,各种云安全解决方案纷至沓来,令人目不暇接。一些安全厂商通过整合资源,将安全作为云服务提供给用户,已经找到了新的发展空间。与内部部署的网络安全相比,云安全服务具有低成本、易部署、少维护、可扩展、支持移动用户等多种优势,其可靠性足以取代企业内部的一些安全工具。
大数据的商业化航线已然开通,数据作为企业资产的重要组成部分,其核心价值不断凸显。由于大数据具有数据量大、流速高、种类繁多、非结构化强等一系列特点,其面临的安全威胁也将是多样的、复杂的、前所未有的。因此在大数据时代的安全对抗中,企业需要建立以数据保护为核心的云安全智能防护战略,更全面、更迅速地化解Hadoop等基础架构层的威胁。
当下,90%企业环境里有活跃的恶意软件,为了帮助用户保护个人信息安全以及隐私不受侵犯,趋势科技提出了无代理虚拟化安全解决方案,实现了底层的防护。
大数据应用之路 仍将上下求索
随着企业开始利用大数据,我们每天都会看到新的奇妙的大数据应用,帮助人们真正从中获益。大数据的应用已广泛深入我们生活的方方面面,涵盖金融、电信、教育、零售等各行各业。
比如在国内教育领域,传统教学模式已越来越难以满足信息时代高速教学的要求,为此清华大学选择采用一种稳定、适应性强的可视化交流服务系统来满足当前的需要,创造未来更大的价值。据学校相关使用者表示,由威立方提供的这套系统产品,充分实现了海外与国内的教育教学沟通,同时其功能丰富、互动灵活的在校教学产品,也为老师和学生省去了很多时间和精力。
再如在数字营销领域,GEO在某品牌的一次大规模促销活动中,针对行业竞品用户,利用非Cookie数据截获浏览竞品网站和检索竞品词的人群,对于其中需求明确的潜在用户,非Cookie数据实现了检索关键词定向和URL定向。找到人群后,GEO洞察分析出这部分人群的原型画像和触媒习惯,选取其中重合度较高的媒体,DSP即搜即投平台再通过PC端加移动端动态匹配竞品人群和准用户人群去投放不同创意的广告,最终实现了订单转化效果提升90%的高指数收益。
然而看似美轮美奂的大数据,在具体落地时却不得不面对一系列这样那样的现实问题。如目前大数据的数量和质量都远远不够;大数据的开放、共享还没有完全破冰,缺乏完善的大数据交易机制;大数据技术的创新发展也有很大的空间;大数据的数据保护,特别是个人隐私和公共安全还缺乏相关法律的保护�上述这些挑战都需要认真面对。
大数据交易平台 初露端倪
多年来,国内电信、金融、零售、交通等各行各业已经沉积了大量数据,企业能够使用的只是其冰山一角,其余大部分都处于长期沉睡状态。随着大数据时代的到来,未来数据将成为企业最具经济价值的战略资源,大数据分析将成为企业挖掘客户需求、创新商业模式的有力手段。但鉴于目前缺乏规范的数据共享和交易渠道,不同行业间很难形成数据互利共享,如何将“数据”变成商品?如何实现有效的数据交易?如何进行合理定价?如何保证数据安全?这些已成为阻碍大数据产业发展的关键。因此数据交易平台成为势在必行的产业需求。
随着中关村数海大数据交易平台的成立,把“互联网时代最值钱的数据”变为了商品,使数据增值、数据定价成为可能。
尽管大数据风起云涌,但是其相关技术及应用尚处于起步阶段。要想从大数据分析中挖掘出更多的商业价值,毋庸置疑,云计算技术必不可少,大数据与云计算需要完美结合,更需要提供更大、更强、更完善的解决方案。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14