京公网安备 11010802034615号
经营许可证编号:京B2-20210330
云计算和大数据无一例外都是生态经济
如今,生态经济成为一种新型模式,比如把生态经济不断演绎出新花样的乐视生态,滴滴围绕出行所打造的出行生态等等。这些还更多集中在商业层面,而在技术层面,关于生态经济同样很有市场,云计算和大数据都是生态经济的典型代表,这在他们刚刚出现时就已经注定。
云计算和大数据无一例外都是生态经济
所谓“云”,其实就是打造一个计算的资源池,人们可以按需购买;所谓“大”,就是大家的数据都彼此开放,让数据样本足够大,以便挖掘出其中的价值。但纵观当下云计算和大数据的参与者,如果是巨头,都在努力打造自身的生态系统,而那些小企业们,也在寻求加入大企业的生态系统中。
在云计算领域,BAT等互联网巨头都在打造属于自己的云生态。阿里云一方面与SAP、神州数码、世纪互联等诸多合作伙伴一起合作拓展云计算市场,另一方面,也通过开放自身的云生态,让更多的中小ISV入驻阿里云。阿里云自今年4月发布全新的软件生态战略以来,最新数据显示,经过4个月的运营,累计新增入驻服务商300家,成为全球增速最快的云计算软件交易与交付平台;云市场上架在售商品超3000个,支持镜像、容器、编排、API、SaaS、服务、下载等7种类型的软件与服务接入。而即将召开的杭州云栖大会更是一场立体的生态峰会。
腾讯作为云计算市场的后来者同样也不示弱,云计算直接被定为公司战略后,高举高打做法也让腾讯云在短时间内进步神速。腾讯云一方面依托整体腾讯生态体系输出的云服务,LBS、安全和支付四大核心能力,与合作伙伴携手打造满足产业应用需求的特色行业云;另一方面也在金融、视频、游戏等垂直行业与行业伙伴合作,推动针对性的产业云化解决方案落地。
从阿里云和腾讯云的谋略可以看出,它们首先选择能够与自己互补的企业结成伙伴,彼此共享资源,形成横向的生态;其次则团结垂直领域、行业的企业,形成纵向的云生态。生态系统的算盘都打得啪啪响。
不过,它们所建立的云生态都是围绕其自身开展,而不是说向彼此开放。这就如同微信屏蔽淘宝联接,淘宝则不支持微信支付一样,商业利益面前,彼此可谓泾渭分明。而从与他们合作的伙伴以及垂直行业合作伙伴上来看,这种合纵连横并没有绝对的排他性,至少在云计算市场还没有出现一家独大的局面前,这种排他性暂时还不会存在。
相比较云计算而言,大数据同样比拼的同样也是生态。显然,数据资源的共享比起云计算来的难度更大。正如国家信息化专家咨询委员会常务副主任周宏仁所说:没有一家互联网企业愿意把数据释放给社会。
为什么?很明显,大家都把数据看作是核心资产,不能公开。比如,百度的数据库肯定不对腾讯和阿里巴巴开放,而阿里巴巴的数据库同样也不会向其他对手开放。彼此想获取数据,只能通过自身的数据采集系统进行收集整理,并进行分析。
不仅如此,政府部门手里的公共数据尽管原则上应该向全社会开放,但实际上也不可能全部开放,至少国家机密数据和公民隐私数据是不可能开放的。但对于主流的大数据企业来说,他们则在不断呼吁政府部门开放公共数据,而他们则把着自己的数据不放。
长此以往,大数据显然也大不起来,可就如同专利互相授权一样,不同的大数据企业同样也在与友商们做一些数据交易或交换,让彼此都能够从大数据中获取更多的价值。
可以看出,不管是云计算和大数据,所谓的开放、共享都是相对而言的;即便是当下火热的开源领域,虽然整个领域都秉承着“我为人人、人人为我”的心态,但在开放共享上,同样也是有所保留的,比如,不少小的开源企业都期望能够从开源社区上获取一些有价值的内容,但一旦涉及自己的内容共享时,就变得扭扭捏捏起来。
常言道,“教会徒儿,饿死师傅”。云计算和大数据领域同样面临这样的问题:在平台没有成为巨无霸之前,姿态总是低的,甚至是“为人民服务”的;可一旦市场上再无竞争对手,资本便露出其贪婪的嘴脸。说到底,云计算也好,大数据也罢,大家拼的是彼此的生态,只是这种生态又是建立在合纵连横的基础上的,就如同春秋战国时期一样,大的国家称霸,小的国家成为附属,整个世界维持着一个相对的平衡。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12