京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据将助企业更好实现商业价值
大数据将帮助企业更好地实现商业价值,以及通过改善商业智能来帮助企业改变组织流程和客户体验。
2016年,各行各业的大数据应用开始从空洞的理论变为具体实践。因此,很多专家认为2016年才是真正意义上的大数据元年。那么,2017年大数据发展趋势主要集中在哪些方面?为此,本报记者近日采访了中兴飞流信息科技公司CTO郑龙。
大数据时代数据处理有三个特点
记者:大数据时代,如何从海量数据中分析得到需要的数据,是很多公司的努力方向。在您看来,大数据时代数据处理的特点是什么?
郑龙:总体来说大数据时代数据处理的特点包括三个方面:一是海量实时流数据需要高吞吐、低延时处理能力。实时事件、交易、交互数量每秒以百万计,由此产生的数据兼具海量与实时的特性,自然会给大数据处理系统造成巨大的压力,需要具备强大的并行计算能力,需要同时满足高吞吐、低延时的特点。可见实时处理是大数据发展的重大趋势。
二是基于Lambda架构的动态流批混合处理能力。目前市场上流行的流式处理系统有Spark Streaming和Storm。但还是存在计算延时仍然无法保障以及资源调度低效等缺点。Lambda架构整合离线计算和实时计算,融合不可变性(Immunability),是一个能满足实时大数据系统关键特性(如高容错、低延时和可扩展等)的架构。基于Lambda架构的统一流批混合处理平台,可以动态感知批处理或流处理的优先级,使得资源高效调度成为可能。
三是面向高度数据智能需求的大数据处理能力。当下业务场景除了对实时性要求越来越严格,业务场景的复杂程度也越来越高,数据分析、决策支持将成为大数据的重要应用。如今结合智能计算的大数据分析逐渐成为热点,包括大数据与神经计算、深度学习、语义计算以及人工智能其他相关技术结合,成为大数据分析领域的热点。
未来大数据将从三个方面快速发展
记者:未来大数据的发展方向是什么?
郑龙:大数据将帮助企业更好地实现商业价值,以及通过智能化手段来帮助企业改变组织流程和客户体验。未来大数据的发展方向包括以下几个方面——
一是机器学习将在图像识别、预测分析等领域实现商业化。Gartner研究报告称,机器学习是2017年十大战略技术趋势之一。当今最先进的机器学习和人工智能系统正在超越传统的基于规则的算法,创建出能够理解、学习、预测、适应,甚至可以自主操作的系统。随着大数据分析能力的不断提高,很多企业开始投资机器学习。
二是高吞吐、低延时的实时数据处理技术广泛运用。典型的实时数据将产生于临床实验与医疗设备、疫情预警、保险欺诈检测、电信运营商DPI分析及位置定位业务、智能电网的生产及勘探设备、交通行业路线拥堵及车辆追踪等领域。鉴于这样的流数据的分布广,影响大,所以,对于全行业大数据应用都是非常重要的组成。
业务需求驱动高吞吐、低延时的流数据处理技术应运而生,离线计算和实时计算需要在统一框架中予以动态调配完美融合,而幸运的是,这样的技术已经浮出水面,商业模式也已呼之欲出。
三是物联网与大数据的结合愈加紧密。数十亿与互联网连接的“物件”将生产大量数据。企业日益期望从这些数据中获得价值,通过发展大数据技术以便与物联网数据衔接起来。Forrester报告预计,可提供物联网洞察能力分析的第三方供应商在2017年将翻一番。
Yita是基于数据流的大数据计算引擎
记者:在您看来,什么是数据流?
郑龙:为了提高计算机的并行处理能力,人们一直致力于研发高度并行的计算模型,在这样的计算模型中,不仅要考虑数据控制类型,更要考虑驱动方式。
数据流跟控制流的区别可以简单理解为市场经济和计划经济的区别,控制流处理过程中会预先设定好每一步该干什么,然而在数据处理的实际过程中,如果有动态的变化,就没有办法处理和调整,有点类似于计划经济。相反,数据流更加像市场经济,它只规定了市场经济的准则,只要有资金、有技术、有人就开始执行。在实际处理过程中,只要有数据、计算资源、CPU就可以让任务启动起来。这样就减少了计算中的控制同步等待,从而实时性更强。
记者:正是看到了数据流模型在大数据处理方面的优势,中兴飞流推出了基于数据流模型的Yita大数据计算引擎。您能谈谈Yita大数据计算引擎的具体情况吗?
郑龙:目前数据流思想在中国的落地正是Yita计算引擎。这个从运算机理上进行创新的计算框架,不仅面对海量高压数据场景处理更加游刃有余,而且使用Lambda架构动态感知处理方式的优先级,可以进行流批混合计算,同时有机结合了机器学习能力、图计算能力和深度学习能力,最终实现了以Yita计算引擎为核心的大数据平台的智能化。
中国大数据企业需在核心技术上下功夫
记者:目前在大数据领域,我国企业需要在哪些方面下功夫?
郑龙:目前我们可以很明显看到,在系统软件领域没有一款产品是纯自主研发的。从技术角度来说这是一个很严重的问题。
中国企业要拿出核心竞争力,在大数据技术发展中占据一席之地,就如通讯业从3G向4G、5G的发展进程中,中国企业不再被牵着鼻子走,而是开始发出自己的声音,引领技术的发展,这是我国企业在技术层面需要重视的事情。
记者:作为大数据技术公司,中兴飞流着眼点在什么领域?
郑龙:作为专业从事创新大数据核心技术研发和服务的高科技软件企业,中兴飞流提供具有核心自主知识产权的大数据技术及解决方案。核心产品是以数据流思想为理论基础的Yita计算引擎,基于该计算引擎的JDH大数据平台,辅以丰富的算法库,构建了融合hadoop生态的、面向海量实时和流批混合计算的行业大数据整体解决方案。主要面向电信运营商领域、金融领域和交通、公安等政府领域,持续创造和提供具有竞争力的产品和应用,实现“数据智慧,极速共享”。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
一、问题:为什么 ID 会"断号" 很多刚接触 MySQL 的同学都会有一个困惑:表里的主键 ID 是自增的,删了中间几行数据之后,ID 变 ...
2026-10-22一、问题场景:为什么会重复 JOIN 同一个子查询 在写复杂 SQL 时,经常遇到这种需求:同一张表或同一个聚合子查询,要和主表关联 ...
2026-10-22人力资源专员是HR体系的执行入口。招聘信息发布、简历初筛、面试安排、考勤汇总、入离职手续、劳动合同与档案管理,大多由这个岗 ...
2026-10-22人力资源经理问“必学技巧”,真正要解决的不是知识清单不够长,而是时间有限、业务催得紧,学完却用不上。更有效的路径是:先用 ...
2026-10-22内容营销岗位的核心任务,不是“把文案写得更漂亮”,而是围绕目标受众,用持续的内容供给影响认知、推动转化并沉淀复购。它至少 ...
2026-10-22理财经理培训课程很多,难的是判断“先学什么、后学什么、学完能做什么”。与其按课程名称罗列,不如先看岗位任务:客户分层与维 ...
2026-10-22理财经理的知识结构,可以先用一句话概括:合规与产品知识决定“不出错”,客户经营与资产配置决定“够不够专业”,市场研判与数 ...
2026-10-22经济学背景做数据分析,优势不在工具,而在问题意识:供需如何相互作用、成本与收益如何权衡、变量之间是相关还是因果。真正的缺 ...
2026-10-22需要,但要把“需要”理解准确。经济学本身就在处理数据:GDP、物价、就业、企业营收、问卷调研,都是经济分析的原料。真正的区 ...
2026-10-22经济学分析能力不是单一技能,它至少由三层构成:把现实问题转成可检验假设的理论框架能力、用数据与统计方法验证假设的工具能力 ...
2026-10-22金融分析师的知识提升,先补的不是更多模型,而是让结论可复核的底层能力。按任务顺序,大致是四层:财务与业务理解、指标口径管 ...
2026-10-22金融分析师的“通用技能”,指换到不同机构、不同行业组仍用得上的底层能力,而非某家公司内部系统的操作经验。按任务拆,日常要 ...
2026-10-22先给结论:数据分析证书不是金融分析师的准入条件,招聘方也不会因为一张证书就直接判断你能做分析。要不要考,取决于你当前任务 ...
2026-10-22金融分析师的核心技能,不是“会看K线”或“会讲宏观”,而是能把一家公司、一个行业或一类资产,转化为可核查的数据判断与书面 ...
2026-10-22产品经理的知识提升,不是把需求文档、原型、SQL、数据分析、项目管理都学一遍,而是先对准目标岗位的真实任务,找出自己最缺的 ...
2026-10-22产品专员提升工作知识,最有效的方式不是先囤课程,而是围绕日常交付的四件事来补:需求调研与优先级判断、原型与PRD表达、竞品 ...
2026-10-22产品运营专员提升个人能力,常见误区是先把Excel、SQL、Python列成一张学习清单,然后从第一个工具开始学。更有效的做法是先回答 ...
2026-10-22产品运营的能力提升,最怕从“课程目录”出发:今天学增长模型,明天背SQL语法,学完却说不清自己负责的功能为什么激活率低。更 ...
2026-10-22产品经理的技能和影响力不是两条分开的赛道。技能决定你能不能把问题分析清楚、把方案设计对;影响力决定你的判断能否被团队接受 ...
2026-10-22产品经理要学的数据分析能力,不是“会写SQL”或“会用BI工具”这么简单。更准确地说,是围绕需求评估、功能迭代、指标监控、实 ...
2026-10-22