京公网安备 11010802034615号
经营许可证编号:京B2-20210330
是骗局还是变革 大数据改变谁的命运
大数据会是一场概念的骗局么?近期这样的讨论在网上随着大数据的话题而不断涌现出来。其实大数据并不是一项全新的技术,它的本质表现在数据的形态更为复杂,增长的速度更快和交互的频率更高。如何对具备这样特征的数据集群进行管理和使用,是区别于传统数据应用的主要特点。更为重要的一点是:当前的技术将大数据应用的成本降低到了中小型企业也可以使用的阶段,在有关大数据的话题讨论中,这一点也是备受关注和认可的。
大数据分析意味着企业能够从这些新的数据中获取新的洞察力,并将它与已知业务的各个细节相融合。微软亚太研发集团服务器与开发工具事业部,中国云计算创新中心商务战略总监殷皓在接受记者专访时特别谈到了一个很有意思的案例:“某汽车销售机构希望了解历年油价的波动对汽车销售带来的影响,这时他们不需要重新采集关于油价的数据,而是通过Windows Azure上的一个数据集市服务,获得了准确而专业的数据信息,很快的完成了这项分析,充分体现了数据服务带来的价值。”殷皓认为数据不能停留数据存储的阶段,而是要转换成为有价值的信息服务,创造新的商业机会。
大数据将改变谁的命运
DBA是在传统数据库应用领域中极为重要的人群,也许大数据会带给他们理念上的转变。“DBA曾经是IT行业中的金饭碗,因为核心的数据库技术发展 相对来说变化的较少,所以有些DBA会慢慢变懒”,殷皓谈到:“但是,变化少不代表不变。如果DBA的工作定位偏向底层运维型的话,那么他们的职能会变得 越来越小,甚至会被自动化的服务来取代,未来DBA对基础设施的管理会越来越少,更多的向上层业务扩展。”
我们关注到发展中的DBA分工,其中的一种可能会涉及到企业核心安全保障,成为企业里数据的守门人之一。另一种角色是研发DBA,它和业务应用结合 的非常紧密。包括数据定义、数据建模,从逻辑建模到物理建模,以及后端存储的设计等,未来更多的是成为企业数据模型的管理者。“这实际上也是一个职业发展 的过程”,殷皓认为:“运维DBA需要确保7*24的业务连续性,研发DBA更多的负责物理建模,完成开发人员写的存储过程。而我们看到的数据架构师层 面,就是需要从业务需求出发来实现逻辑建模。因为对业务的理解是自动化工具所不能取代的,这也是在大数据的趋势下,DBA所要面临的转变。”
SQL Server与大数据的对接
Hadoop是大数据的一个分布式系统架构。5月与微软SQL Server 2012同时发布的还有将Hadoop和SQL Server连在一起的连通器,他们通过标准的ODBC模式,把Hadoop和PDW微软并行数据仓库连在一起,实现多核并发的并行数据仓库。“用户无需对应用做出很大的改动,只是连接到SQL Server、数据仓库,或者是一个对象。通过这个对象可以把我的连接通过连接键引申出去,然后把所有的数据整合在一起”,殷皓兴奋的分享到:“在这种场景下,我可以把结构化数据和非结构化数据、甚至是数据仓库在模型中的数据整合在一起,做更加深入的数据分析。”
SQL Server 2012版本中,微软亚太研发集团服务器与开发工具事业部参与了两个大的功能研发:数据的迁移工具SSIS,数据库升级的服务。微软针对Hadoop在 Windows Server Kernel上做出性能的优化、安全认证的整合,形成企业级的AD整合,并实现了和BI工具的整合。“微软在NoSQL上加一个SQL的索引层,比如 eBay的底层用了MangoDB,但所有的交易数据都按照SQL来存储到结点中”,殷浩认为:“NoSQL提供了一个很好的存储机制,但要提高数据利用 的效率,最好回到SQL的场景。NoSQL将会是数据库发展过程中的一个中间阶段,会逐渐体现为数据服务中的一部分,而非数据平台的主流。”
关于大数据的话题还将继续争论下去,但可以看到的是,在企业商业智能的发展基础上,数据分析将作为一种服务提供给用户。IT技术提供商们开始实践的大数据,不仅是把数据用于企业内部的业务分析和决策支持,而是以提供数据分析模型的方式优化企业决策。这不仅仅是技术的更新,而是IT消费模式的变革。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据技术飞速迭代、数字营销竞争日趋激烈的今天,“精准触达、高效转化、成本可控”已成为企业营销的核心诉求。传统广告投放 ...
2026-04-24在游戏行业竞争白热化的当下,用户流失已成为制约游戏生命周期、影响营收增长的核心痛点。据行业报告显示,2024年移动游戏平均次 ...
2026-04-24 很多业务负责人开会常说“我们要数据驱动”,最后却变成“看哪张报表数据多就用哪个”,往往因为缺乏一套结构性的方法去搭建 ...
2026-04-24在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16