京公网安备 11010802034615号
经营许可证编号:京B2-20210330
谁会成为2015年的“大数据巨人”
毫无疑问,大数据在2015年将变得更大。去年,各种各样的公司开始接触或使用大数据技术,并将其推入到主流技术中,今年你会看到更多这种趋势。许多科技巨头有望于今年提供新的大数据产品和服务,同时潮水般的初创企业也将未来12个月内因提供创新的大数据技术而冲上头版头条。我开始使用“大数据巨人”称呼那些在商业模式中建立起数据基础的大公司,2015年我们能从它们身上得到什么?
1.谷歌
谷歌将继续主导搜索领域,但2015年我们将看到其继续向我们日常生活中的其他领域扩张。2014年,谷歌收购了智能家居先锋Nest,后者也是智能恒温器的制造商。而Nest在获得谷歌支持后又收购了智能家居系统公司Revolv,后者打造“智能家居中心”,可连接和控制智能灯泡、安全摄像头以及自动门的许多家居用品。
谷歌的目的是提供现代智能家居的基础主干,而智能家居的概念有望在2015年成为现实。谷歌也有望推出其核心产品的儿童版本,包括利于儿童使用的搜索、Chrome以及Youtube等产品和服务,进一步将其提供的各种技术定位为日常家庭生活的一部分。
2.Facebook
尽管Facebook依然是世界上最大的社交网络,但在与Twitter和Instagram的竞争中,Facebook却依然在丧师失地,特别是在年轻用户群体中。可是,Facebook去年出人意料的一次收购却显示出其正将网络通信的概念引领向一个全新的方向。
今年年初,消费者最终有望买到Oculus Rift虚拟现实头盔。尽管这款头盔最初主要针对游戏玩家,但Facebook首席执行官马克·扎克伯格(Mark Zuckerberg)明确表示,Facebook将承担起建立虚拟世界的任务,任何人都可以去探索虚拟数据,并与如山的数据互动。2015年,我们很可能看到这样的虚拟世界开始形成。
3.微软
微软一直致力于将数据分析推向主流,而随着其基于云技术打造的分析工具PowerBI不断升级,微软的努力将于2015年开始收获硕果。微软2013年即推出PowerBI,目的旨在向热门Office套件提供分析功能。微软一直希望具有新的功能,比如专门的iPad应用来分析移动数据能力、仪表盘分析能力、直接与SQL数据库对话的能力等,这些功能将促使各种规模的企业使用PowerBI。
4.惠普
与大数据服务供应商亚马逊以及IBM等一样,惠普也开发出自己的大数据分析平台Haven,可安全通过云技术使用。这意味着,从储存、分析到报告等过程,都可以交给惠普来完成,用户可以节省每月的订阅费用,甚至完全免除建设基础设施的费用。这消除了许多公司实行大数据战略的障碍,也大大降低了入门门槛。惠普的Haven与亚马逊的Redshift和IBM的DashDB展开竞争后,将导致大数据分析的订阅成本降低,使用分析技术提高效率的企业数量也大大增加。
5.IBM
IBM的Watson Analytics刚刚开始面向公众,这代表数据分析向日常主流迈出了一大步。但它的名字让人感到困惑,因为它也是IBM人工智能算法的名字。它曾于2011年在美国智力游戏《危险境地》(Jeopardy)中,击败了两位最优秀的人类选手肯·詹宁斯(Ken Jennings)和布拉德·鲁特(Brad Rutter),并促使詹宁斯宣称“欢迎我们的新电脑霸主!”
这是因为它使用了很多专为Watson Analytics开发的技术,用以支持其自然语言处理能力。这意味着,Watson Analytics可以使用流利的英语解释输入的查询。它既可以提供免费在线网络服务,也可提供特别订阅的企业服务,以便提供更大数量的数据分析服务。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19