
大数据时代的大变革
在云计算仍处于“云里雾里”而亟待落地的今天,IT的浩瀚天空中突然传来了天使的号角声——大数据时代来了!大数据,开启了一个彻头彻尾的变革年代,更开启了一个蕴含无穷多机会的年代。谁能够“号准”大数据时代的“脉搏”,谁就能够在全球IT业的新一轮角逐中独领风骚。
令人充满想象的大数据,究竟“大”在何处?
今天,我们再也不能用狭隘的视角来审视大数据了。因为今天的大数据,不仅体现为数据量的惊人增长,更前所未有地引入了正在不断扩展中的数据类型。从量的增长来看,IDC报告显示,未来10年全球大数据将增加50倍。而刚刚过去的2011年,就产生了1.8ZB(1.8万亿GB)的大数据,这相当于每个美国人按每分钟发3条微博的速度,不停发布2.6976万年。与此同时,社会上的各行各业,从电信、IT业,到金融、证券、保险、航空、酒店服务业等,地球上的各种存在,从每个人到每棵树、每朵花乃至每粒沙子,无一例外地都在成为大数据的生成者。在量和面上的双重积累,让我们不难想象和接受数据大爆炸的现实——2020年的全球数据使用量将达到35.2ZB(1ZB=10亿TB)。
犹如一座富矿的大数据,究竟该如何“开采”?
这是一个令人着迷的问题,因为与正确答案相伴的将是谁都渴望的巨大商业成功。当前,伴随着变革的发生,传统的互联网企业已经站在了大数据时代的最前沿。作为探索的先锋,他们能否笑到最后,是否会成为“先烈”?这一问题尽管很难回答,但至少为成功的觊觎者提供了充分的借鉴和参考。
作为后PC时代的四大巨头,Facebook、谷歌、苹果、亚马逊正在成为大数据的拥有者和使用者。在自觉或不自觉间,Facebook已然成为业界第一个生成大数据的“巨鳄”,而其他三巨头仍在努力中。苹果依靠操作系统和颠覆性的终端,正在努力打造大数据的生成之地;谷歌主要依靠操作系统、搜索引擎和“Google+”平台整合终端产品,以储备可以利用的大数据;亚马逊作为云计算的最早倡导者之一,则通过网络平台、云计算平台和阅读终端,期望建立起一个电子商务垂直领域的大数据汇集地。虽然巨头们的策略各有不同,但利用种种手段整合碎片化的数据进而加以利用的趋势,已经再明显不过了。
相比这四大巨头,电信运营商的探索才刚刚起步。“日内瓦的电信运营商,正在针对市民活动的可视化展开研究。”天云科技副总雷涛在近日举行的云计算大会云基地专场上指出,“通过在用户手机上安装传感器,就能够记录下大量的位置信息,从而使得市民活动可视化,这对建立一个智慧城市,进行人口规划、区域规划都具有重要意义。”事实上,一个个再简单不过的位置信息背后,隐藏着巨大的、待挖掘的价值,这个价值对于各行各业都具有关键的作用。例如,房地产开发商就很渴望知道高端用户最频繁出入的区域,而这些区域就是商业地产的最佳候选地。而除了位置信息外,电信运营商能够挖掘的信息和数据,仍有无穷无尽的空间,包括了用户喜好、消费能力等等。
在企业的自发行为以外,国家级的战略支持已经浮出水面。美国,作为ICT强国,嗅觉最为敏锐。2012年3月29日,奥巴马政府公布了“大数据研发计划”,目标在于改进当前人们从海量和复杂的数据中获取知识的能力,而这是美国继高速网络和超级计算中心之后的另一个重大科技项目。据悉,首批共有6个联邦部门宣布投资2亿美元,共同提高收集、储存、保留、管理、分析和共享海量数据所需核心技术的先进性,并形成合力,同时增加大数据技术开发和应用所需人才的供给。显然,先行一步的美国,已经把大数据当作了其ICT产业再度在全球崛起的重要契机。在找准了崛起的方向之后,富有行动力的美国,自然就会毫不拖泥带水地实施下去。
大数据,正在撬动全世界的神经,无论是国家、企业,还是每一个独立存在的个人,都将成为大数据时代的贡献者和受益者。但问题是,你准备好了吗?
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03