
写在大数据变革之前
目前,最活跃的领域是网络终端创新和网络基础设施创新,也就是所谓的大数据产业链的前台和后台。从人们所熟知的台式机,笔记本到智能手机和平板电脑,再到即将问世的网络电视,网络相机,网络眼镜,还有研讨中的网络灯泡,自行汽车和各种各样匪夷所思的网络终端和传感系统,将物质世界和人类社会越来越全面,越来越深入地转化进数据世界的工作正在顺利迅速地进行,好像看不到什么了不起的理论或实践上的障碍能够阻止这一进程。
从人们所熟悉的传统云计算和数据中心到今天的公有云,私有云,开放云,封闭云,再到层出不穷的集硬件,软件,数据存储和分析工具于一身的基础设施,大数据的后台正在从软件即服务(SaaS),平台即服务(PaaS)走向基础设施即服务(IaaS)。在这条路上,好像也看不到什么了不起的理论或实践上的障碍能够阻止这一进程。
真正的决战还是在大数据的中台也就是网络平台方面,这方面的大创新才是大数据时代真正到来的引爆点(Tipping
Point)。无论前台如何丰富多彩,无论后台如何强壮有力,毕竟还需要有一个体系,一个架构,一个服务把人与人,物与物,人与物之间产生的数据按自然逻辑和社会逻辑联系起来,对接上去,集成到一起,才能够释放潜在的经济和社会价值。这种联系,对接和集成的方式用户越喜欢,成本越低,效率越高,数据越多,这个平台的价值就越大,在大数据生态圈里的地位就越高。就现有的网络平台看,还没有一个有足够的能力或潜力完成这一任务,整个产业需要一个或几个大的创新。
就目前产业发展的状况和大数据时代的内在需要看,未来三五年内会在网络平台层面上有机会产生创新性突破的不外乎以下三大方向:
个人数据集成----这是WEB2.0革命的自然深化和扩展,终极目的是创造真正的“数据人”,也就是以个人为中心,将其在互联网上的言行举止和世上一切有关此人的所产生的数据汇集起来精准描述,在保护隐私的前提下进行智能化和个性化的服务匹配。在这方面,FACEBOOK和苹果的基础最好,走的最远。“我的数据”(My
Data),“自我量化”(Quantified
Self),“纳米定位”(Nanotargeting)等一系列新概念正在业内出现,一批围绕个人完整动态数据获取的服务和机制正在尝试之中。
公共服务数据集成----过去远远落后于时代发展的网络公共数据服务近年来异军突起,从零散,滞后,粗略和被动的状态开始迅速走向集成,动态,精细和主动的新阶段。以DATA.GOV为代表的政府数据服务网站在立法,预算,舆论监督和民众督促等力量的推动下,正在成为大数据时代一股崭新而强大的力量,扩展和充实着互联网服务的空间和深度。一个国家,一个社会乃至一个城市的发展水平和竞争实力将和自身的公共服务数据集成和服务的水平紧密相连。公共服务数据集成水平的高低很快将成为“软实力”的主要标志之一。
物质生产数据集成----物质产品的设计和制造一直远离互联网,而现在正以极高的速度和极大的力量与网络业相融合。以“3D打印”这个不甚准确的名词所代表的网络化和数据化的物质产品设计和生产革命极大地提高了人们对网络世界和数据世界的想象力,极大地拓展了网络业的产业边界。过去,网络业只能进行完全数据化的产品和服务,或者通过网络平台帮助物质化的产品和服务进行推广销售。而新兴的网络化和数据化物质产品生产模式展现出由数据到实物的转化过程开始进入低成本,大规模,打破时空界限和个性化的全新历史阶段。这将重新定义众多产品制造业的产业链和商业模式,使物质产品的设计,制造和流通过程所需的数据集成成为产业上游。
这三个方向正好是一个由个人,社会和物质世界三维所组成的空间,这个空间在大数据时代有机地融合起来,为产业发展和社会进步创造机会。在这个空间中任何一维或三维上的任意一点的显著进步都将是大数据服务产业的福音。这不是空想的神话,而是看得见的未来。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01