
中国惠普李时:2015大数据的真正落地是挑战
“在未来很长一段时间里,所有企业面临的IT核心问题都将是大数据的问题。因此,亟需将自然人、机器,以及所有IT系统所产生的数据,进行统一的集成和分析,而不管数据源在哪里,数据形态是怎样的”,这是中国惠普有限公司中国区副总裁、软件集团新任总经理李时在谈到2015应用趋势时表示的。
面对2015年,中国惠普软件集团的最大挑战是怎么样把大数据从一个概念真正地落地到为客户产生价值,即怎么样真正地结合企业用户的需求和惠普Haven大数据引擎的优势,把企业运营中所产生的大数据最终转化为用户的价值。这也是中国惠普软件集团在新的一年中拥有的最大机会。
李时坦言,“大数据的真正落地,一个最大的挑战和制约,是既懂大数据技术又懂业务还懂本地应用的人才的缺失。”中国惠普早两年就开始实施基于人才培养的大数据中长期发展战略了。“我们跟中国很多的地方政府进行合作,创立大数据人才培训基地、解决方案培训中心和大数据应用示范基地,就是希望通过现在的一些投入,在解决人才问题的同时,也能够有一些大数据解决方案的孵化,真正地做到大数据的落地。”
Haven大数据引擎实现100%信息利用率
经历这么多年IT的普及和发展之后,大部分企业的IT基础架构已经部署得非常好了。然而,企业又开始面临的一个新难题,即如何应对一个数据爆炸增长且多样性裂变的新常态、新现实——企业的IT系统在产生大量的数据,机器或者传感器也在产生大量数据;与此同时,企业中的每一个员工每天在发微信、发微博、拍照片的过程中会产生大量的数据,企业内外部运营中涉及的每一个传感器和摄像头,也同样会捕捉大量的视频数据和机器数据。另外,还包括企业所处社会生态的空气污染检测的数据、楼宇自动化产生的数据等等。
要想使这些大数据产生最大化的价值,惠普认为智能互联是最需要解决的一个问题,企业需要把自然人、机器,以及所有IT系统产生的数据做一个统一的集成和分析,而不能仅仅孤立地分析某一个渠道或某一种数据。
惠普Haven堪称一个高速的大数据的引擎,它能实现100%的信息利用率、出色的应用交付管理,打造可持续的市场营销优化,瓦解黑客入侵,并交付卓越的用户体验。
“具体来说就是,我们把业务数据、机器数据和自然数据的这三种数据,统一整合到Haven平台之上。因为其主要组成包括开放架构的Hadoop集成,因此能把所有原始的大量的数据做一个统一的存储、压缩和快速索引。然后,通过Autonomy产品,对自然数据或者非结构化、半结构化数据,进行统一的分析和认识;同时,也可以通过Vertica对结构化数据库里的行和列的数据,进行总体的分析。在安全性方面,通过惠普ArcSight安全产品,可以保证大量数据在可管可控的方式下被访问、被分析。此外,惠普还针对不同行业和不同业务场景,提供各种不同的应用,让数据在不同的维度产生价值。”
特别值得关注的是,最新发布的HP Haven OnDemand,还实现了大数据和云的结合。Haven OnDemand开放了所有的用户编程接口,这使Vertica、Autonomy不仅能为大企业客户所接触到,还能为个人开发者所接触到。让广大的开发者利用结构化和非结构化分析的能力,来开发适合他们的数据产生价值的下一代应用。当然,另一重要之处在于,Haven OnDemand还可以帮助企业把现有的数据迁移到云端,并把在云端的数据做一个全面的整合分析,为用户提升销售、降低运营成本或提升用户满意度。
大数据落地的实质是本地行业创新
针对大数据在中国落地还很慢的看法,李时并不完全认同。他介绍说,Autonomy在中国已有200多个行业用户,Vertica的用户增长也非常快,尤其是在电信、金融和政府等行业领域。
之所以市场上鲜有大数据案例的剖析和介绍,其原因是很多行业用户的大数据应用大多涉及某一企业的最新创新点、涉及企业的核心转型。比如,金融行业用户在考虑通过Vertica来做互联网金融授信和风险控制;通信行业用户在考虑通过Vertica来做网络优化,他们希望通过对现有客户的分析,更好地设计适合的产品,使客户留在现在的通信公司;他们还希望通过客户画像,更有针对性地做精准营销等。
相比之下,国外的行业用户更开放一下,他们在大数据应用上,也走得更远一些。比如,全球最大的社交媒体Facebook,在近几年业务爆发性增长的情况下,面对着每小时要加载几十个TB的数据的挑战,以应对超过10亿的客户访问。这种情况下,经过非常周密的、详细的技术验证之后,Facebook最终没有选择自己开发的基于Hadoop的解决方案,而是选择了Vertica,来支持基于移动端实时数据的业务需求。
再比如,在政务领域,伦敦奥运会通过大量采用Autonomy产品,做到了通过实时摄像头,对视频和音频的分析。同时,新西兰的奥克兰安全城市项目,也是通过Autonomy产品为城市服务,实现了对车型、号牌的分析和对摄像头的分析,实时监控犯罪事件的发生,以及城市交通流量的变化等。
对于大数据应用在中国落地慢的原因,李时认为最大的阻碍是中国目前尚缺乏既懂大数据技术又懂业务还懂本地需求、本地应用的人才。为此,李时制定出软件集团2015年的三大发展战略。
“首先是把惠普全球在云和大数据方面领先的解决方案和产品带到中国,包括HP Mobile Center、HP Propel和 HP Service Anywhere等;第二是创建基于惠普软件产品的合作伙伴的生态系统,共同推出更多适合中国的大数据落地方案;第三是基于惠普的服务体系,为客户提供更好的服务,提升用户的满意度。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28