京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据的分岔路:一软到底还是软硬兼施?
在计算机发展史上,先是做硬件的风光,IBM曾经一枝独秀,然后就慢慢不行了;做计算机软件的开始发力,微软独占鳌头,IBM被迫向软转型。
在互联网发展史上,同样先是做硬件的风光,SUN和北电都曾得意一时,然后就慢慢不行了;做网络服务的开始发力,雅虎、谷歌、FACEBOOK先后称霸。在人类社会开始向大数据时代开始迈进的时候,相似的历史进程会不会重演?
大约从08年开始,广义的互联网产业出现了两个相互对立的发展路径。一个是以FACEBOOK为代表,逐渐发展出了以个人为中心,以人际关系为传播动力的WEB2.0平台。另一个是以苹果为代表,逐渐发展出了以个人数据终端为中心,以数据终端间的互动为传播动力的另类WEB 2.0平台。前者可称为软平台,后者可称为硬平台。
无论平台软硬,背后的逻辑是一致的,即通过平台生产,获取,整理,融合,利用尽可能多的网络用户和网络服务商的内容和行为数据,并在此基础上探索全新的商业模式。就软平台而言,迄今为止仍在坚持一软到底的初衷,认为无论人们使用何种硬件数据终端,只要还是用我的软平台,那么数据的汇集仍然会以软平台为中心,硬件厂商还是辛辛苦苦地为我打工。就硬平台而言,至少对产业顶端的几家企业来说,已经不是经典意义上的纯粹硬件制造商,而是集硬件,操作系统,开放平台和应用商店为一体,软硬结合,无缝整合的新型硬平台。
在大数据时代,究竟是一软到底的软平台还是软硬兼施的硬平台能够成为大数据时代的数据汇集点,在激烈竞争和产业整合中最终取胜,现在下结论恐怕为时尚早。
FACEBOOK在推出开放平台的6年间,一直将公司的使命定义为让全世界所有的人互相连接起来。然而,就在用户规模超过12亿,股价大幅飙升的时刻,公司创始人扎克伯格在9月初宣布了重新定义过的新的公司使命:让世界上的一切互相连接起来。这就将过去仅仅发力于人与人的关系,扩展到了人与物,物与物的关系,把潜在的市场规模扩大了千百倍。也就是说,在现实世界中的万事万物正在以极高的速度和加速度生成数据化的存在方式时,FACEBOOK有雄心把这个数据化世界中的一切连接起来,创造新的服务模式和商业模式。要做到这一点,它必须像现在创造出人与人关系数据的产业事实标准一样,创造出人与物,物与物关系数据的产业事实标准。而这在自身不具备自家硬件数据终端和操作系统的情况下,无疑是个巨大的挑战。
由于让FACEBOOK这样的后生小子抢了软平台的先机,业界几家传统老大只好半自觉半无奈地走上了软硬兼施的硬平台之路。谷歌以搜索生态圈和安卓操作系统为核心,同时向手机、平板电脑、眼镜、手表、汽车、卫星和高速宽带等五花八门的数据终端和系统全面出击,希望以量取胜,成为大数据时代的事实标准。苹果在确立了软硬兼施的路径之后,近年来竟然无所作为,将乔布斯拼命夺来的历史先机付之东流,与谷歌竞争已落下风。微软在长达近十年的踌躇不前,欲进还退后,终于出手收购了诺基亚,完成了谷歌,苹果,微软三国演义的产业格局。三家之间能否达成数据共享或数据交换协议,甚至形成共同的数据标准,是硬平台能否战胜软平台的关键。否则,任何单独一家都无法与FACEBOOK抗衡。
这场即将决定产业今后十数年走向的决战正在这四家市值过千亿美元,用户过十亿,全球为市场的巨头之间进行。这场决战完全与中国网络业无关,我们仍然在模仿者和跟随者的道路上洋洋自得地行走着。迄今为止,中国尚未出现一家居市场领先地位的软平台,虽然特殊国情为此提供了相当的机会。最有机会进化为软平台的当属微信,不过要看腾讯有无这样的决心,试金石就是它有无勇气尽快将自家的种种服务和产品整合到微信生态圈内,并将微信平台建成,同时全方位开放。微博有成为软平台的一线希望,但新浪的DNA决定了它无法承担如此挑战,除非做出全面的内部调整。百度和阿里具备一定的资质与能力,但它们好像志不在此,仍然停留在自家垂直领域深耕不止。
至于那些做手机、做盒子、做电视等硬件数据终端的公司,肯定与硬平台建设无关,把这些努力理解为IT制造业新一波可能更准确些,虽然旗帜上的确写着硬件加服务的口号。这些依赖安卓系统为生的东西,最好的结局就是成为谷歌大数据生态圈里的一员,扮演数据提供者的角色。如果未来硬平台战略在大数据时代占了上风,它们有机会在生态圈下游混日子。如果未来软平台战略得势,它们的日子就会很难过了。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
当沃尔玛数据分析师首次发现 “啤酒与尿布” 的高频共现规律时,他们揭开了数据挖掘最迷人的面纱 —— 那些隐藏在消费行为背后 ...
2025-11-03这个问题精准切中了配对样本统计检验的核心差异点,理解二者区别是避免统计方法误用的关键。核心结论是:stats.ttest_rel(配对 ...
2025-11-03在 CDA(Certified Data Analyst)数据分析师的工作中,“高维数据的潜在规律挖掘” 是进阶需求 —— 例如用户行为包含 “浏览次 ...
2025-11-03在 MySQL 数据查询中,“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中,“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”,直观呈现数据的分布特征 ...
2025-10-31在 CDA(Certified Data Analyst)数据分析师的工作中,“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24