
下一代的社交,移动手机,分析和云端技术已经引起了一场对那些能够持续快速革新的开发者争夺战。想要在明天仍然有立足之地的公司就必须在今天做出明智的选择。
三月份,我讨论了2014年的IDC预测。这项预测是基于IDC对于第三方平台的定义,是云计算,移动终端和APP、社交媒介及大数据的一个集合。
相比于一些分析者晦涩难懂和概念模糊的预测,IDC的这项第三方平台的预测确实表达鲜明并且严格的。它描绘了在动荡的IT世界中,现有权威的威胁和那些正在出现的新生力量。这项预测可以认为是吹响了改革的号角——却是对那些没能成功进入第三方平台的人的遗憾宣判。
数据整合常常被低估,也很难完美实现,这些都需要时间和资源。随后的几个月,我没看到什么能够让我对这项预测的判断,它依然是对即将发生的前所未有的变化的精确描述。
在三月份的文章中有一项特殊的预测我没有陈述,就是IDC陈述了,在一些云供应商和云技术的市场上,我们会目击异常短暂的开发者战争。IDC说,在建立自己的统治市场中,云供应商会尽其所能的最大程序的吸引开发者,因为这将不避免的预示着战争中的胜利。
大多数商家还没有意识到开发者的重要性(尽管Red Hat的CEO已经明显提到了这一点)。在今年的VMworld大会上,例如,似乎大多时候都聚焦在基础设施上,而开发者只是放在之后而已。就像重要的决策是在厨房里,而进餐者更多的只是被动的接受厨师提供的食物。
我不能说这是什么大的错误。Stephen O’Grady,是一个小的但是很有影响力的行业分析公司中的首席分析师,在他的《The New Kingmakers》中描述了将要发生的事情。他的观点:开发正在变得越来越有影响力——并且,实际上,在APP设计和架构阶段,开发者直接与APP打交道,这也是IT生存的价值。
IDC的报导这样描述:
“开发者,开发者,开发者,开发者!”将会成为2014年第三平台竞争者的最有力口头禅——在下一个二十年,行业最大的赢家将会是那些在未来两年抓住改革者的心和思想的人。错过开发者,就是丢失市场。
IDC继续说:
在2014年和2015年,我们将看到一场云端的开发者大战,像Android,iOS和WP手机APP和开发者之间一样。Amazon,Microprosoft,Salesforce.com,Google,Oracle,SAP,Pivotal,HP和其它一些知道云端APP将引发未来的产业增长,他们需要开发者将他们的创意实现成新的APP,在平台即服务/电子市集上实现自己的方案。
并且IDC也详细阐述:
在2014年,这场开发者之战会是紧急的:IDC预测到2017年,80%或者更多的新的云端方案(和开发者)将会进入竞争平台的前六。
最后,IDC的总结如下:
新的App——产生的数据及相关的APP——将会在下一个十年和更远的时间里,激发第三平台的增长。IDC预测,在未来四年,我们会看到,在云App生态系统中,开发者/贡献者的数量有三倍的增长,而这会驱动云端App的数量十倍的增长。
吸引开发者时,少一些福利,多一些体系改变。
开发者主导的IT世界的显示让我想起了最近的一次和两个公司的讨论。这两家公司都是在传统软件行业的大公司。尽管如此,他们也重构了IT架构和实现app的方法来加速App的迭代速度——因为,尽管是大公司,也看到了改革正在他们的核心市场中建立新的解决方案,意识到自己需要去起身迎战。仅仅希望客户由于习惯和品牌来做生意,从长远来看就是一种失败。
这两家公司有三个共同点:
现在,根据你自己的观察,你或许会发现这些绝无夸张之意。当然,获取在最近的VMworld大会上,你已经发现了一些对此的支持者;在那里,与会者的口号就是“不断变化”。
然而,保持这种态度也越来越难。VMworld搁置公有云计算的的防御性措施也表明与会者在他们的同事和客户中看到了对此的巨大热情。基础设施组也担心未来的世界——如果未来是走向破坏性的创新而不是在逐步改善又该怎么办。
为了解决这种麻烦,下面是每个公司要在开发者大战中生存的一个方法列表。
有时,会认为IT界的快速更新是如此不公平。昨天你努力去适应的需求,今天却被“下一个闪闪发光的东西”取代。但事实就是我们处在一个IT变化比我们看到的要多得多的时代——只有那些找到如何适应这场开发者之战的人才能够幸存。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23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