
数据库与大数据领域回顾与展望
2012注定是不平凡的一年,玛雅人将世界末日定在这一年的12月21日,然而这一天也许并不意味着结束,而是重生。正如2012对于大数据的意义一样,经过一年的历练,IT业界将在2013年迎来大数据元年。
一、2012年度回顾:大数据蓄势待发迎接元年
(一)2012年大数据呈现新特征
大数据不是刚刚出现的概念,大数据最早可以追溯到Apache的开源项目Nutch,当时大数据用来描述更新网络搜索索引所需批量处理或分析的大量数据集。随着谷歌MapReduce和GoogleFile System(GFS)的发布,大数据不仅仅用来描述大量的数据,还涵盖了处理数据的速度。
业界对大数据最普遍的认知是它的4V特征,即海量的数据规模(volume)、快速的数据流转和动态的数据体系(velocity)、多样的数据类型(variety)和巨大的数据价值(value)。2012年作为大数据产业蓄势待发的一年,大数据呈现以下新特征:
1.数据量增长更加迅速。随着社交网络和移动互联网的发展,数据呈现爆炸式增长,甚至过去三年里产生的数据量超越了以往四万年的数据量。国内最大的微博新浪微博在今年第三季度宣布注册用户已超过4亿,用户平均每天发布超过10亿条微博内容,活跃用户中有60%通过移动终端登录,所有来自移动终端的原创内容中,有40%的微博分享照片。根据IDC今年一项研究显示,未来10年全球数据量将以40%的速度增长,到2020年将达到35ZB(Zettabyte),大数据将迎来ZB时代。然而这仅仅是个开始,未来数据量将达到什么级别,我们无法想象。
2.数据在企业中的地位日益突出。数据是企业最宝贵的资源。当前,企业最迫切的就是希望能从大数据中挖掘商业价值,以保持其在市场中的竞争力。随着数据挖掘、数据分析和商业智能技术的不断深入,企业决策越来越依赖于数据。大数据将会创造一个新的经济领域,该领域的全部任务就是将信息或数据转化为经济利益。分析的数据越全面,分析结果就越接近于真实,才能更好的指导企业运营。.企业中的数据既包括结构化数据,也包括非结构化数据,且非结构化数据的比例越来越高。IDC在报告中指出,利用大数据的商业价值:领军企业与其他企业之间最大的显著差别在于新数据类型的引入,那些没有引入新的分析技术和新的数据类型的企业,不太可能成为其行业的领军者。
3.大数据人才缺口巨大。大数据时代更需要复合型人才,能够帮助组织在大量信息中挖掘有价值的数据,并将数据转化为深入的认知和精准预测的模型。大数据人才须具备综合性素质:他们通常是统计学家并且精通数据建模,同时知道如何在可用数据中使用最佳的算法,这极具技术含量。据Gartner预测,到2015年,全球将新增440万个与大数据相关的工作岗位,且会有25%的组织设立首席数据官职位。今年7月,阿里巴巴集团成为国内第一家任命首席数据官的企业,业内也普遍看好数据人才的未来。
4.企业对大数据的投入增加。2012年大数据市场的增长速度明显快于整个IT市场,据Gartner的最新统计,大数据市场销售额将在2012年增长21.4%,达到340亿美元。在今年大数据总开支中,只有43亿美元或12.6%的资金是直接由新的大数据功能产生的,而大部分的开支仍流向比较传统的解决方案,以满足企业对速度、多样性和数据容量的需求。目前企业对大数据的投入还停留在基础设施建设阶段,想要真正将数据转化为价值,还需继续在数据分析和展现等环节加大投入。
(二)IT巨头进军大数据 新兴企业不断涌现
大数据带来的商业机遇被越来越多的厂商看重,传统IT厂商陆续推出大数据产品及解决方案,引入多年技术积累和客户资源;同时大数据新兴企业不断涌现,大有超越前者之势。
1.IT巨头进军大数据。以IBM、Oracle、SAP、Intel、微软为代表的老牌IT厂商将业务触角伸向大数据产业,推出软件、硬件及软硬件一体化的行业解决方案。这其中既包括对Hadoop等开源大数据技术的集成,也包括各大厂商独有的创新技术。
收购也是IT巨头进入大数据市场的敲门砖。今年4月,虚拟化巨头VMware收购大数据分析的初创企业Cetas,提供Hadoop平台上的分析服务,从而开启VMware大数据之旅。另外,大数据收购案例还包括Teradata收购高级分析和管理各种非结构化数据领域的市场领导者和开拓者Aster Data,IBM收购商业分析公司Netezza等。
这些老牌IT厂商技术实力不俗,产品线丰富,在各个领域发挥重要作用。进军大数据市场,既增加了雄厚的技术底蕴,也能够让客户更容易的接受他们的产品或解决方案,逐渐成为大数据产业发展的主力军。
2.新兴企业不断涌现。与那些老牌IT厂商不同,大数据市场还吸引了许多新兴企业的加盟。面对大数据带来的无限商机,初创公司开始挖掘大数据的商业价值,推出别具一格的产品或解决方案。
在这些新兴企业中,有业内比较熟悉的基于Apache Hadoop的大数据分析解决方案的提供商Datameer、大数据分析公司Connotate、大数据技术初创公司ClearStory Data等,其中大数据公司Splunk于今年4月在纳斯达克成功上市。
新兴企业拥有独特的技术优势,是传统IT企业所不具有的。相对于IT巨头,新兴企业更能够从细化的角度服务企业,向企业提供更专业的大数据服务。因此,在充满机遇的大数据市场,新兴企业完全有可能超越IT巨头,在短时间内获得市场的认可。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20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