
在大数据时代下,“大数据”已经成为出现频度最高的词语,大数据受到的关注越来越多,“大数据”基本上是一个包罗万象的术语,指的是收集和分析大量信息的能力,而这些信息涉及到人类生活的方方面面。过去数据分析可能需要昂贵的数据库和专业化的技术,近几年,与大数据概念有关的创业公司如雨后春笋般涌现出来,如果你愿意,完全有条件用低廉的成本使用大数据分析。
无论是来自一般商业领域,还是零售、医疗、气候等专门领域的大数据都可用来盈利,这种可能性让投资界重新兴奋起来。
笔者收集了几家成长迅猛,并已经获得风险投资的创业公司:
【Splunk】
美国商业智能软件提供商Splunk,创立于2004年,2012年在纳斯达克上市,成为首家上市的大数据公司。目前在12个国家拥有700多名员工,最早通过分析日志数据排除机器故障,现在其软件可用于监控、分析实时的机器数据以及TB级的历史数据。今天所有的网站、通信和复杂IT基础设施每时每刻都在生成大量数据流,Splunk的技术特别适合于实时数据分析,帮助用户需要及时地了解业务发展趋势。
【Tableau】
美国计算机软件公司Tableau创立于2003年,总部位于西雅图,Tableau软件的研发最早源于美国国防部的一个项目,当时为了提高人们分析信息的能力,国防部召集了斯担福大学计算机科学专业的人才,以及专门探索和分析数据库和多维数据集可视化技术研究的着名教授Pat Hanrahan和他的博士学生Chris Stolte,他们很快认识到计算机图形可以帮助人们提高理解信息的能力。Tableau开发的桌面系统中最简单的商业智能工具软件,适合企业和部门进行日常数据报表和数据可视化分析工作,它将数据运算与美观的图表完美地嫁接在一起。
从2003年成立,2010年Tableau营收达到3420万美元,2011年增长到6240万美元,2012年增长到1.28亿美元。
【Cloudera】
美国大数据软件公司Cloudera,由来自Facebook、谷歌和雅虎的前工程师、甲骨文前高管在2008年创建,短短的几年时间里,Cloudera已从一家默默无闻的创业公司,发展成为企业在应对数据挑战时不得不依赖的公司。
Cloudera 利用Hadoop 这一开源技术帮助公司搭建他们的大数据系统,Hadoop 可以利用一些价格低廉的硬件就完成大量的数据分析,所以非常受大小企业欢迎。
Cloudera利用流行的开源软件Hadoop,帮助诺基亚、高通和Groupon等公司储存和处理大数据。
【HortonWorks】
Hortonworks是一家Hadoop初创公司,2011年7月由雅虎与硅谷风投Benchmark Capital合资组建。创立之初仅有不到30名员工,大多来自雅虎专门研究Hadoop的元老级工程师,这个团队几年前开发了雅虎内部一个开源项目Hadoop。Hortonworks公司正努力让更多的人使用Hadoop,并大胆预测这项技术将在未来五年内处理世界上一半的数据。
作为又一家基于Hadoop框架提供大数据服务的创业公司,Hortonworks在短短两年多的时间里就成长起来,引起业界关注。
Hortonworks对公司的融资情况一直讳莫如深。但风投公司Benchmark Capital的普通合伙人彼得·芬顿(Peter Fenton)是该公司的投资者和公司董事会成员。
【MapR】
MapR公司是美国加州的圣何塞市的一个企业管理软件公司,主要专注于可用性和数据安全优化和开发、销售Apache Hadoop的衍生软件。MapR号称下一代Hadoop,使Hadoop变为一个速度更快、可靠性更高、更易于管理、使用更加方便的分布式计算服务和存储平台,同时性能也不断提高。MapR通过为Hadoop用户提供专业咨询服务来获取收入。
MapR目前大约一半的客户是传统的Web和基于云计算的公司,而另一半则是金融、电信和制造公司。
评论:
大数据为风险投资带来了新的市场契机,对于一些敏锐的风险投资者来说,他们最早看到未来的方向,从中发现商机,过去的几年只是一个开始,可以预见大数据行业未来十年仍然会是创业公司的机遇地,这对一些创业公司来说,无疑是一大利好消息。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10