京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据2.0再掀狂潮 你准备好了吗
随着物联网、云计算、移动互联网、车联网、手机、平板电脑以及遍布各个角落的各种各样的传感器的出现,互联网承载了前所未有的数据量,数据已经变成了生活中的宝矿。大数据分析已经逐渐介入到企业的各种决策之中,互联网相关产业相对略快,而传统企业在大数据分析方面的武力却尤为薄弱。
目前,大数据由单一的业务数据收集和数据分析,逐步跨入数据开放、数据共享的新时代。伴随新时代而来的自然是新的法则,“地球村”下网络高速互通,现在的市场几乎是以“秒”为单位来计算,企业若无法从各方数据中挖掘价值,错过的很可能是一个时代。复杂的竞争手段,多变的环境,稍有不慎落后一步就会被后进者拍在沙滩上。这样的巨浪突袭之际,作为企业,你准备好了吗?
备战大数据2.0 别被后浪拍在沙滩上!
俗语有兵来将挡一说,新时代下,知己知彼有备而战对企业来说十分重要。近日,在IT168旗下论坛ITPUB举行的活动讨论《大数据2.0再掀狂潮 堪比Windows变革》中,参与的网友遍布很多行业,他们对大数据2.0时代的看法和预期各不相同。在话题中分享了自身的经验,下面我们就来看看网友的意见。
什么是大数据2.0时代?
互联网从由技术主导的Web 1.0时代发展由用户主导的Web 2.0时代,是概念的飞跃,谁也不能否认,它给人们工作生活所带来的变化是翻天覆地的。作为同样是互联网产物的大数据,与人们的生活联系却并不紧密直观,其发展也不易被感知。
网友陌路巨额投入提到大数据2.0时是这样说的:“大数据1.0是对BI的扩充,它通过对企业自身业务生产的大量数据进行深入挖掘,能够进一步发掘数据价值,再产生新的数据,如此成一个闭环。而大数据2.0时代,是真正迈进了大数据的门口,它所强调的并不是一类数据上纵深的关系,而是强调解决问题。2.0与1.0最大的不同是企业要解决问题的数据可能并不是企业本身产生的,反之企业的数据也可以解决其他的外部问题,产生很大的原来不可预计的价值。”他还为我们举了几个日常生活中不容易注意到的事件:“百度搜索,点开搜索查看以获得更好的体验,搜集更多的数据;移动互联网平台每天收集的用户数据深入分析,以便更好地投放广告。这是典型的大数据1.0时代。而Google利用很多搜索词以及用户点击,来对传感病进行预测,或对动态电价进行预测。这是大数据的2.0时代。”还是听不懂他在说什么?没关系,网友pure_lotus简要通俗的将其概括为:“在2.0时代,每个人都既是数据的提供者,又是数据的使用者。而在1.0时代,人们只被动获得数据或者提供数据。”
新时代企业面临的困难与机遇?
众所周知,大数据有四大特点:Volume(大量)、Velocity(高速)、Variety(多样)、Value(价值),其中,最重要的是Value(价值)。网友Xkf01提到:“在1.0时代,大数据4个V中的前3个V(大量、多样、高速)都被有效的诠释了。但是最重要的一个V(价值),还没有得到良好的利用。”网友2009532140说:“目前企业所面临的主要问题并不是知道如何挖取却没有相应的技术,而是不知道如何挖取有价值的信息提供分析指导。大部分的挖掘都是基于已有的感觉经验,有相应充分的理论作为指导的并不多。”
确实,在较新的领域面前,大多企业都是零基础,起跑线相同。数据分析人才的缺乏,企业对于数据价值的敏感度不够,这些都导致了数据资源的极大浪费。金融领域的网友baijiong998谈了他的感受:“目前,我们能从数据中发现的价值还是有限的,因为数据链可能并不是特别完整。在这方面,阿里可能做得比较好,从渠道、客户、交易、银行支付、社交等一连串的数据都拥有,就可以更好的利用,这些数据能够为每一个客户画出一幅金融肖像图。”
困难中不难发掘机遇,随着竞争方式的多样化发展,在市场竞争中,谁能从数据的海洋中,获取到高价值的信息更多,将在市场上占据制高点,从而获取更多的经济利益。陌路巨额投入认为:“大数据带给我们的意义,是促使社会认识和树立起,信息是资源、是财富、是生产要素的观念。大数据对网络精准营销的作用很大,并且还在往非物联网企业,传统的企业,特别是政府领域扩散。企业开始重视对已掌握数据的挖掘、利用、开发,互联网企业有携大数据跨界融合的趋势。它能够影响传统的行业加速到数据应用,全面的提升全社会自动化水平。而这些正是企业的机遇。”
谈这个问题之前小编先来汇总网友们提到的热门数据挖掘工具:Splunk、SPSS、R语言、SAS、Tableau、Qlik等。然而,随着海量大数据带来数据存储与传输上的更高要求,这些工具虽然可以进行数据挖掘,但并不足以完全支撑未来的竞争。
那么,未来具备什么素质的系统才有可能满足市场需求?“企业应选择什么样的系统?一体化”派与“可视化、个性”派依然存在分歧。多数网友认为,可视化、个性化的系统更可能成为救世主。因为一体化的大数据系统从立意来说是好的,但是,一体化意味着系统的复杂,意味着起步较慢,而可观测的角度太多就有可能失去了对有价值意义的数据的专注。对于此类看法,网友000sss却不认同:“大数据2.0时代,企业关注更多的是如何将数据变废为宝,很多人会觉得个性化推荐系统、营销系统、大数据分析系统将会成为大家所期盼的救世主。但对于企业来讲,我们很期望有一个一体化的大数据系统,能够有效简化数据采集、存储与处理优化流程。”对于两派之争,小编认为,在现代数据类型和分析需求如此复杂多变的情况下,单一类型产品称霸的可能性越来越小。与大数据息息相关的数据库领域,垄断多年的甲骨文等巨头亦不似当年风光,需求的多样化将会被更细分的产品组合满足。最流行的不一定是最适合你的,分析自己的需求,找到契合自己的有针对性的解决方案才是王道。网友Liuhuoxingkong在讨论中分析 了二者的关系:“采集、存储、处理与优化的一体化是整个流程,而可视化、个性化是结果,也可能是很多企业的最终目标。所以,此二者都会被需要。”
备战大数据2.0 别被后浪拍在沙滩上!
在大数据的影响下,存储和计算方式转向了分布式进化,操作系统向IAAS、PAAS进化,软件也向SAAS进化。有人认为数据2.0时代将会掀起新一轮的变革,其意义将不亚于当年DOS向WINDOWS系统进化的革命性成果。当年,WINDOWS的出现彻底改变了个人计算机口令式的操作操作方式,以图形界面的操作方式,极大简化了用户操作流程。
网友baijiong998认为:“DOS到WINDOWS改变了全社会的生活方式,开启了信息化时代。我记得当年用DOS操作系统时,干什么都得敲命令,搞得很专业一样,其实又没有干多少事情。到了WINDOWS操作系统上,做什么都显得不那么专业,但确干了很多事情。所以,虽然大数据时代来临了,但他的影响,应该不及WINDOWS取代DOS。”
然而,网友renxiao2003却不这么认为:“前几年很多企业已经形如向IAAS、PAAS、SAAS转换。随着它们的发展,传统的操作系统,存储将逐渐的退出企业领域。这个影响应该应该会大于当年从DOS向Windows系统进化的革命性成果。而这个影响也会对个人用户产生一定影响,比如使用的云存储等。”
小编点评:大数据2.0时代真正改变了传统意义上的市场竞争规则,市场多元化发展,技术方向的改变。它正在驱动着整个IT行业在架构和服务上发生着转变,而影响力到底有多大还都只是猜测。海量大数据带来了一系列的对数据存储和传输上的要求,我们尚有许多问题需要解决。在整个商业领域面临重新洗牌的时刻,企业首先应清楚自身需求,打起十二分精神紧跟时代步伐,关注新的热门技术及一手行业消息。对于经验资源更加稀少的传统企业来说,转变思路、储备信息人才更是刻不容缓,而资源互换与合作未必不是更实惠的方法。总之,准备不充足、搞不清楚状况就是被巨浪砸趴的先兆。大数据2.0时代的到来,是乘风而起还是被卷入海底,只看企业各显神通。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在机器学习建模、数据预处理、抽样划分、模型初始化训练的全流程中,随机种子是控制实验随机性、保证结果可复现、提升模型稳定性 ...
2026-08-04Python作为面向对象的主流编程语言,核心编程体系由变量、方法、类三大基础要素构成。三者层层递进、相互协作,支撑起所有基础代 ...
2026-08-04 很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问 ...
2026-08-04为什么学习数据分析? 当下,我们已然步入数据要素价值全面释放的智能时代。数据不再只是零散的数字记录,更是驱动新质生产力运 ...
2026-08-03CDA等级认证证书有效期为三年,三年进行一次年审,主要考察CDA持证人的职业发展情况;学历、工作单位及职业变更情况;继续教育 ...
2026-08-03【核心关键词】金融、岗位、企业、算法、知识、专业、理论、课程、软件、数据分析、业务类型、应用场景、经营管理、大型企业、 ...
2026-08-03在日常数据分析、业务报表复盘、业绩预测工作中,平均增长率是衡量数据长期变化趋势的核心指标,广泛用于营收增长、用户增长、销 ...
2026-08-03很多人把统计学理解为“一堆公式和计算”,却忽略了它的本质——一门让数据“开口说话”的科学。真正的数据分析高手,不是会算平 ...
2026-08-03在数据指标体系搭建工作中,从业者常困惑于指标搭建的核心逻辑:究竟是依托一线零散数据自下而上汇总指标,还是基于战略目标自上 ...
2026-07-31在数据分析、问卷研究、实验复盘、业务建模的工作中,大多数人最关注的是“用什么统计方法”:是做T检验、方差分析、卡方检验, ...
2026-07-31 许多数据分析师精通Excel函数和SQL查询,但当面对一张上万行的销售明细表,要快速回答“哪个地区销量最高”“哪款产品增长最 ...
2026-07-31在问卷调研的数据分析流程中,“先检验信效度,再开展进阶统计分析”是通用的规范逻辑。很多从业者会听到“问卷效度高,后续可以 ...
2026-07-30【核心关键词】大数据、统计学、专业、毕业生、论文、课程、计算机、建模、知识、数据分析、机器学习、数据科学、大数据技术、 ...
2026-07-30 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-07-30在业务数据分析中,按天拆分统计夜间时段的数据是高频需求——比如电商夜间订单监测、平台夜间用户活跃度分析、运维系统夜间异常 ...
2026-07-29在机器学习建模与特征工程实践中,判断不同特征对模型预测效果的贡献度,是特征筛选、模型解释、业务归因的核心环节。特征置换重 ...
2026-07-29 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-07-29【核心关键词】岗位、数字化、经验、课程、方法论、决策、企业、大方向、数据分析、销售管理、理论知识、思维方式、分析销售、 ...
2026-07-28在问卷调研、用户分群、效果对比等业务数据分析中,分类变量的关联性与差异性验证是高频需求。卡方检验作为针对离散分类数据的经 ...
2026-07-28 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-07-28