京公网安备 11010802034615号
经营许可证编号:京B2-20210330
浏览器化软件目前还没有成为主流,但在2015年一定会成为主流,并将直接改变软件企业的架构。企业必须调整人员、部门和产品,以适应新变化。
■人物名片
刘政
IEEE协会高级会员,中国计算机协会大数据专家委员,清华大学数据科学研究院顾问,中国软件行业协会过程改进分会常务理事和监事会长,2009年中国最佳软件研发中心领军人物,2013年中国软件工程成就人物,发展·创新十年(2004-2014)中国软件和服务外包卓越成就人物,并带领SAS连续8年10次获得中国最佳雇主称号。
近年来,软件与硬件、应用与服务紧密融合,网络化、服务化、融合化趋势日益明显。同时,大数据、云计算在各种场合被频繁提及,并且已成为新的生产力。大数据、云计算与软件行业的融合,已成为软件企业转型的重要步骤之一。近日,本报记者在北京对SAS(赛仕)软件研究开发(北京)有限公司总经理刘政进行专访,探索软件业如何改变自我、如何对IT和应用架构进行重新审视。
大数据云计算为中国软件企业提供了新的发展机遇
记者:大数据、云计算汹涌而来,软件企业应该如何应对?
刘政:上世纪90年代开始,计算机慢慢普及,中国软件业快速发展,用友、金蝶等一批国内软件企业迅速崛起,SAS等国外软件企业在中国得到长足发展,可谓是软件企业的“黄金年代”。经历快速发展期,软件企业再上一个新台阶缺少更大的动力。大数据、云计算的出现可谓正当其时,数据分析在生产生活中扮演着越来越重要的角色,软件企业应当牢牢抓住机遇,跳出IT的局限来看待大数据,利用大数据为应用赋予价值,反过来又可以通过应用为大数据增值。大数据、云计算汹涌而来,驱动软件企业变革,要求软件企业为适应大数据、云计算时代,必须重新写代码、开发新的软件。
记者:数据分析是如何发展起来的?
刘政:SAS是数据分析软件的开拓者,也见证了全球数据分析软件发展的历程。二次世界大战时期,美英两国率先使用运筹学的方法解决当时迫切需要把各种稀少的资源以最有效的方式分配给各个战场和军事单位的问题,便有了数据分析的雏形。到了1966年,计算机刚刚出现,美国农业部需要统计软件分析大量农业数据,美国南方8所大学获得研究基金,开发通用目的的统计分析软件包。这个软件包的名字成为了后来SAS公司的名字和产品基础。到了上世纪70年代,数据分析在美国已有了一定规模。
目前对非结构化数据的处理能力仅处于初级阶段
记者:在数据分析方面,现在与过去的最大区别在哪?
刘政:数据分析的数量、种类、速度、方法都发生了巨大变化。过去的分析数据都是几十兆,达到G已经非常大。进入大数据时代,数据量呈爆炸式增长,现在已经是TB级了。大数据不仅是数据量大,类型也变多了。以前多是结构数据,而现在除了结构数据,还有大量的非结构化数据,包括文本数据、音频数据、视频数据、图像数据等。目前对非结构化数据的处理能力仅仅处于初级阶段,还不能像分析结构数据一般自如。传统数据分析方法和技术已经不能满足需要,数据处理技术从过去的单线程变成了多线程,高性能分析架构形成了今后数据分析的骨干架,目前比较普遍采用的是内存分析、数据库内分析和网格分析三项技术。
记者:内存分析、数据库内分析和网格分析具体是什么技术呢?
刘政:内存分析技术是把数据直接放在内存做分析工作。数据库内分析是数据量大的时候,数据传输过程非常慢,现在我们把各数据分析的模型放在数据库里,只要给数据库发指令,就可以调用数据模型直接对库里的数据进行分析,这样就节省了数据传输的时间。网格计算分析就是分布式计算,把要处理的数据放在不同的机器上运行,然后把计算结果合并。把这三种技术结合起来,可以解决数据量大的问题,十余行的数据几乎可以达到实时处理。
浏览器化软件今年定成主流,软件企业须调整以适应新变化
记者:软件企业的商业模式将会是什么?
刘政:现在许多国外软件企业已停止开发安装在单个机器上的软件,多是开发浏览器化软件,只要能上网,就能使用软件公司在“云”上的产品,使用的硬件资源、软件资源在“云”上租到。“云”模式也将会越来越普及。
SAS的浏览器化软件产品已经达到总产品数的三分之一。浏览器化软件目前还没有成为主流,但在2015年一定会成为主流,并将直接改变软件企业的架构。企业必须调整人员、部门和产品,以适应新变化。
记者:国内软件行业的发展趋势是什么?
刘政:软件业处于一个变革时代,云计算、大数据使得软件和数据将来都会到“云”上。过去软件公司开发的很多软件都将过时,现在需要开发的是一种能够运行在“云”上的软件。这对国内软件开发者来说是一个非常好的赶超机会。但中国现在最缺的不是软件技术,而是软件业生存的环境。各大企业不找软件公司购买软件和服务,而是自己开发软件。这不仅加大了成本、周期长、不够专业,而且破坏国内软件业发展的生态环境。只有建立一个良好的软件生态环境,各专各行,中国的软件公司才能不断更新版本,生产出能够和世界上其他公司竞争的软件。此外,加大开发数据分析产品和开源软件将是一个大趋势。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
一、问题:为什么 ID 会"断号" 很多刚接触 MySQL 的同学都会有一个困惑:表里的主键 ID 是自增的,删了中间几行数据之后,ID 变 ...
2026-10-22一、问题场景:为什么会重复 JOIN 同一个子查询 在写复杂 SQL 时,经常遇到这种需求:同一张表或同一个聚合子查询,要和主表关联 ...
2026-10-22人力资源专员是HR体系的执行入口。招聘信息发布、简历初筛、面试安排、考勤汇总、入离职手续、劳动合同与档案管理,大多由这个岗 ...
2026-10-22人力资源经理问“必学技巧”,真正要解决的不是知识清单不够长,而是时间有限、业务催得紧,学完却用不上。更有效的路径是:先用 ...
2026-10-22内容营销岗位的核心任务,不是“把文案写得更漂亮”,而是围绕目标受众,用持续的内容供给影响认知、推动转化并沉淀复购。它至少 ...
2026-10-22理财经理培训课程很多,难的是判断“先学什么、后学什么、学完能做什么”。与其按课程名称罗列,不如先看岗位任务:客户分层与维 ...
2026-10-22理财经理的知识结构,可以先用一句话概括:合规与产品知识决定“不出错”,客户经营与资产配置决定“够不够专业”,市场研判与数 ...
2026-10-22经济学背景做数据分析,优势不在工具,而在问题意识:供需如何相互作用、成本与收益如何权衡、变量之间是相关还是因果。真正的缺 ...
2026-10-22需要,但要把“需要”理解准确。经济学本身就在处理数据:GDP、物价、就业、企业营收、问卷调研,都是经济分析的原料。真正的区 ...
2026-10-22经济学分析能力不是单一技能,它至少由三层构成:把现实问题转成可检验假设的理论框架能力、用数据与统计方法验证假设的工具能力 ...
2026-10-22金融分析师的知识提升,先补的不是更多模型,而是让结论可复核的底层能力。按任务顺序,大致是四层:财务与业务理解、指标口径管 ...
2026-10-22金融分析师的“通用技能”,指换到不同机构、不同行业组仍用得上的底层能力,而非某家公司内部系统的操作经验。按任务拆,日常要 ...
2026-10-22先给结论:数据分析证书不是金融分析师的准入条件,招聘方也不会因为一张证书就直接判断你能做分析。要不要考,取决于你当前任务 ...
2026-10-22金融分析师的核心技能,不是“会看K线”或“会讲宏观”,而是能把一家公司、一个行业或一类资产,转化为可核查的数据判断与书面 ...
2026-10-22产品经理的知识提升,不是把需求文档、原型、SQL、数据分析、项目管理都学一遍,而是先对准目标岗位的真实任务,找出自己最缺的 ...
2026-10-22产品专员提升工作知识,最有效的方式不是先囤课程,而是围绕日常交付的四件事来补:需求调研与优先级判断、原型与PRD表达、竞品 ...
2026-10-22产品运营专员提升个人能力,常见误区是先把Excel、SQL、Python列成一张学习清单,然后从第一个工具开始学。更有效的做法是先回答 ...
2026-10-22产品运营的能力提升,最怕从“课程目录”出发:今天学增长模型,明天背SQL语法,学完却说不清自己负责的功能为什么激活率低。更 ...
2026-10-22产品经理的技能和影响力不是两条分开的赛道。技能决定你能不能把问题分析清楚、把方案设计对;影响力决定你的判断能否被团队接受 ...
2026-10-22产品经理要学的数据分析能力,不是“会写SQL”或“会用BI工具”这么简单。更准确地说,是围绕需求评估、功能迭代、指标监控、实 ...
2026-10-22