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
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
在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 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 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21