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