京公网安备 11010802034615号
经营许可证编号:京B2-20210330
联想要做“互联网+大数据”实践者
在服务器、HPC、云计算等企业级业务已经取得巨大进展的联想,又将目光投向了大数据。
提及联想,我们首先想到的可能会是其传统的PC、平板、手机等业务,以及近年来逐渐发力的企业级业务,对于大数据,联想还是一名市场新兵。
实际上,联想在大数据上已经有了数年的耕耘,是一名大数据的实践者。据联想集团副总裁、联想研究院云计算与智能计算实验室主任黄莹介绍,联想内部已经在IT管理、产品反馈、门店管理等多个领域应用了大数据技术,并计划将成熟的方案推向市场。
“互联网+大数据”更具价值
《大数据时代》中写道:“如今,数据已经成为了一种商业资本,一项重要的经济投入,可以创造新的经济利益。事实上,一旦思维转变过来,数据就能被巧妙地用来激发新产品和新型服务。”
没错,数据是当今企业最为宝贵的财富,故而“大数据”成为当前最热门的话题,大数据及分析被视为企业变革、获得更强竞争力的有效手段。
不过,就像历史上的很多新生事物都会经历过质疑和争论,在对“大数据”的认知上也存在着一些误区。很多时候我们认为BI就是大数据、“数据仓库+Hadoop”就代表着大数据,然而并非如此。
联想集团副总裁、联想研究院云计算与智能计算实验室主任黄莹指出,大数据技术的价值在于能快速且基于事实的支持决策而产生巨大的商业价值。相比传统的BI,大数据的数据来源要更加广泛,不仅包括CRM、ERP、网店交易或会计账簿等传统企业数据,也包括网页日志、智能电表、制造传感器、设备日志、交易系统数据等机器或传感器数据,同时还包括具有时代特色社交媒体数据,如客户评论、微博和社交平台等。
“互联网与传统企业结合单一的企业数据仓库或者单一的互联网大数据平台无法满足企业发展需要,结合企业传统数据与物联网、自然语言等技术,互联网+大数据平台应运而生”,黄莹表示。
联想集团研究院大数据总监郭炜补充说,“数据仓库+Hadoop”并不等于大数据,“在网上的数据”才是真正的“互联网+大数据”:“现在设备采集的数据、互联网对话的数据,甚至是跟用户交互的点击流和线下的行为轨迹流,都是要纳入企业数据平台的。企业在设计大数据平台的时候,一定要考虑将用户交互的数据都纳入到企业的大数据平台上。”
如今,联想所从事的就是“互联网+大数据”平台的建设。据黄莹介绍,其中包括与传统企业系统对接,通过“爬虫”技术获取社交大数据来倾听客户体验,跟踪企业最新动态、加盟开源社区,基于大数据特殊应用需求定制软硬件解决方案等多个层面。
郭炜表示,从数据获取、再到存储、处理、展现、加工、挖掘,再形成用户画像,联想内部在使用着一整套的解决方案。
做“互联网+大数据”实践者
联想虽然是一名大数据领域的新兵,但对大数据有着清晰的认知,并且在内部已经开始了大数据实践。
例如,联想在互联网“爬虫”技术上有着多年的积累,并通过模拟用户行为、转换Cookie等技术来增强“爬虫”的能力。通过“爬虫”,联想能够将合作的电商平台,如京东、亚马逊、淘宝上有关联想产品的数据“爬”下来,第一时间获得用户的反馈信息、并能够将这些数据快速反馈给产品经理。
“通过对大数据进行分析、比较集中的用户信息反馈,比如电脑、笔记本跟屏幕相关的,或者是一些零部件的信息,怎么样把电脑设计得更加符合用户的使用习惯。比如有的用户是打游戏,我们就会在这个方面进行加强,在做产品定位的时候可以更加确切。这样的案例有很多,对联想产品更贴近用户产生了很大的价值”,黄莹表示,“互联网+大数据”让联想能够“聆听客户声音”,对联想改进产品有着重要意义。
在IT资源管理方面联想也应用了大数据技术。据黄莹介绍,联想大数据部门和IT部门一起协作,采集分布在世界各地数据中心的网络数据,然后分析产生价值:“如果将某一个应用布到某一个数据中心,它可能会对已有应用产生影响。我们可以通过大数据分析模拟,计算出对现在的带宽产生什么样的影响,可以对分析决策产生帮助。”
再如,联想有很多门店,过去都是用人工进行管理,这样导致的效果是低效的,决策者看不到真正发生了什么事情。如今联想建立了门店管理的大数据解决方案,联想内部的相关业务部门先跟门店进行合作,积累了比较好的经验以后再变成类似的方案,也可以分享给其他的合作方。
如今,联想的大数据方案已经初现雏形,据黄莹介绍,从爬虫技术、自然语言处理、底层大数据处理工具的平台化设计,比如Hadoop、Spark、数据清洗,以及一些数据可视化的工作,联想或者已经在实验室平台上实现,或者已经被联想业务部门应用起来。同时,定价、营销、供应链的分析等大数据方案也已经投入业务部门使用。
“在内部实施比较成功的大数据方案,联想计划将其包装成其他企业能够应用的方案付诸商用”,黄莹表示。
——从服务器、云计算、HPC,再到如今的大数据,联想在企业级市场逐渐发力。从联想大数据的应用实践、以及对大数据整体解决方案的构建不难看出,联想企业级解决方案提供商的角色已经更加鲜明。
在大数据领域,联想的优势在于有着齐全的终端设备,有着大量收集数据的渠道;具有丰富的软硬件,以及广泛的合作伙伴,具有构建大数据整体解决方案的良好基础;同时联想进行了大量的内部大数据实践,本身就是大数据的受益者,这为构建大数据方案提供了经验。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19