
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 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15