京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据孤岛会出现吗
3月份时,我和IBM全球副总裁兼大中华区软件集团总经理胡世忠,IBM软件集团大中华区战略及市场总监吴立东有过一次交流,谈论的焦点可以概括为围绕大数据的5个为什么,不仅包括大数据作为一个热门行业本身催生的机会,IBM的大数据战略,也包括大数据所带来的一些深刻影响,比如企业是否应该将现在在第三方平台上实施的交易转移到自家门户,是否会受制于数据孤岛等,这些或许能透露出面向云服务时代的IBM到底在想什么和做什么。
之一:大数据是不是泡沫?
目前很多所谓的大数据创业者,似乎就是对微博等社交网络的分析信息做一些分析,然后帮助促进销售,但显然这不是全部,IBM这样的软硬件公司似乎才是最大受益者,我甚至开始怀疑这个概念一开始就是软硬件巨头们为了卖更多产品而发明的。
胡世忠同意“IBM会是最大受益者之一”的说法。不过他也认为,小公司在一些细分领域也会有很多机会,比如如何在不同种类的数据之间建立可分析性,对其进行分析等,其中的一些会获得独立的生存空间,但很多可能会被收购。
“过去18个月中有比我想象中更多的国外的小公司进中国来,它们有一些是专门做数据的日志、数据的来源等等。在这里,每一个障碍都是机会。”
但这个行业处理的对象处于快速变化中,比如移动数据的涌现,可能客户更愿意和IBM这样的整体解决方案公司打交道,这也是小公司的最大风险——它们可能稍有不慎就会被潮流抛弃。IBM将在很多领域扮演收购者角色,过去已经收购了超过30家与大数据相关的公司。
IBM在这方面最早收购的是Cognos,是做一般分析型的。现在则转向收购专业的,解决大数据领域特定问题的公司,要不然就是解决行业问题的,要不然是数据的分类问题,或者是一些数据存储上的技术问题,或者是数据挖掘,越来越窄、越来越精。
“这让我们提供给客户、帮助客户解决问题的类型越来越多,而不是用同一个东西来解决所有问题。”
之二:企业最终会逃离第三方电商平台,回到自己的门户?
淘宝去年的交易额已经超过1万亿元,这个行业的高增长还在持续,当大数据成为一个大问题时,企业是否需要对其电商模式进行重新定位?据两位采访对象介绍,他们掌握的信息是,国外一些企业已经开始将交易环节从亚马逊撤出,而转向自己的门户,因为它们不愿意失去客户的第一手信息和客户关系。
而IBM显然正努力让中国的企业也意识到这点,因为这样一来它们将更需要IBM这样的解决方案商的支持,这是一个大生意。
“我们现在跟每个企业谈智慧商务的时候,开始向他们介绍把这个东西放第三方平台上,放在淘宝天猫的代价是什么,你不知道谁买了东西,不知道他的爱好是什么,没有办法让人知道你的产品是什么。另外,你设计的产品不见得是客户想要的,这将造成库存。”
之三:第三方数据运营是个大生意?
SAP正在做一项尝试,即鼓励一些企业将自己的数据放在一个公共平台上,这样就能发挥数据的优势——因为当每家公司将自己的数据共享出来时,就更有机会建立起大数据的优势,当这些信息仅仅是每家企业的私有财产时,是一座座数据孤岛。
IBM也会这样做吗?胡世忠的回答是:第一,在国内还没有听过有这种需求,没有碰到过;第二,如果客户有这个需求,IBM可以做到这一点。不过在国外,IBM已经开始为企业提供大数据运营服务,帮助其应用数据。
“但在国内还没有,因为很多企业都有很多自己的低成本IT人员,还需要将这些人员的能量尽可能地发挥出来。”
之四:大数据会让行业的界限变得更模糊吗?
一个行业和另一个行业的界限,在很大程度上是因为知识和技术的界限造成的,大数据正使界限变得模糊,比如一些物流公司正介入电商领域,阿里巴巴同样是金融领域强大的竞争者。
这种趋势同样在IBM身上发生着,比如奥美是IBM传统的公关公司,每年给它一笔费用,但现在变成了IBM在EMM(企业营销管理)领域的合作伙伴,而其传统的客户苏宁则有可能变到IBM下一代的产品合作伙伴,或其渠道合作伙伴。
之五:大数据孤岛会出现吗?
那些拥有大量关键数据的社交网络和电商交易平台,都将数据列为其私有财产,希望借此使其成为大数据的赢家,而这将导致新的信息孤岛出现。
两人的看法是,一方面,Facebook和Twitter已经带头开放部分数据给第三方公司,因为它们自身也能从这种开放中受益,它们不可能自己进行所有的分析和运用,而更多的企业也最终会走向这条道路,但他们的开放不会是无偿的,他们会希望从开放中受益。
另一方面,虽然微博、微信等外部数据是重要的数据来源,但大多数客户已经有足够多的内部数据,完全可以从内部数据应用开始,他们需要做的,是制定一个统一的管理者,以协调各个部门的行动。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27