
京东、阿里:打口水战不如共同推动数据开放
京东、阿里真是一对冤家。恍惚前几天小马哥刚刚道歉,平息了一段口水仗,昨儿又看到京东发文批评子沛。文采不错,争论的焦点好像是阿里要做国家企业,京东甘愿做国民企业,“国家企业”与“国民企业”道不同、术亦不同,所以如何如何?这两家企业都是我很尊重的新兴经济的代表,他们也是应用大数据技术、建立产业生态的急先锋。子沛和我也是好朋友。子沛在写作《大数据》时候,我正在忙着写大数据的深度研究报告。还是看到《大数据》热卖,最终促使我写作《大数据时代的历史机遇》。从名字上看,子沛的《大数据》、舍恩伯格的《大数据时代》、我的《大数据时代的历史机遇》看起来就像大数据三部曲。后来我去美国,还是子沛热情邀约,参加了一次旅美华人科技协会的会议。我在京东也有不少朋友,而且每次我作产业生态或者大数据的报告时,多用京东为例。所以,我打算和和稀泥,朋友们互相吵架有什么意思呢,大数据领域,有太多的事情,等着两家去做呐?
如标题所说,能不能一起干点推动数据开放的大事儿呐?在开源软件的历史上,谷歌公司的贡献,是无以伦比的。目前大数据的处理技术,像hadoop,mapreduce等开源软件,很大程度上受惠于谷歌公司的卓越实践。谷歌在创业初期,买不起IBM、HP比较贵的服务器,只好买一些二手的服务器,装上开源的linux操作系统,来支持其快速增长的搜索业务。二手服务器,总是喜欢出点故障,谷歌又自己动手,开发自己的文件管理系统,把数据分散存储在不同的服务器上,一台坏了没关系,还有其他服务器可用。不小心,谷歌一下子开发出来大名鼎鼎的GFS,解决了分布式存储和跨主机并行访问的难题。为其霸业奠定了基础。谷歌贡献在于它很快就把这些技术,分阶段开源出来,反馈到开源社区。狭义的大数据产业发展,如果没有早期像谷歌这样的公司的无偿贡献,很难获得行业性的爆发增长的。 但是谷歌开放的道路上,并非毫无保留。谷歌可以把广受欢迎的手机操作系统安卓开源,也可以把非常好用的诸多应用软件免费,但是, 谷歌绝不开放数据。 谷歌不择手段的获取各种数据,存储在其硕大无朋的多个数据中心里。它视数据为其核心资产,绝不容第三方染指。计算机刚刚发明的年代,是不区分所谓硬件和软件的。大家不觉得拷贝别人的软件拿来用用,有什么不可?后来比尔·盖茨一声断喝,随便拷贝别人软件是小偷,从此开创了独立的软件行业。软件也挣脱了硬件的束缚,独立成一个产业。
盖茨时代,软件和数据其实也是混在一起的,难以分割。数据总需要软件来识别和处理,离开特定的软件,数据就是一堆毫无意义的二进制组合。 现在 慢慢观察到数据独立存在的一些现象。 只要有独特的数据资产,总有人愿意开发软件研究算法,来发掘这些数据资产的价值。 数据如山,独自巍峨。软件如镐,山中掘金。谷歌通过开放软件的源代码,颠覆了微软卖软件谋生的商业模式,短短15年,市值超越微软,成为行业翘楚。但是现在谷歌开始雪藏数据,把数据圈起来,视为自家私产。 从商业模式来讲,谷歌的模式堪称完美。 比印钞机还要高效,每天净收入1亿美元,没有应收账款,都是现金流。谷歌盈利的奥秘就是收集、分析大量的数据,更精准的预测个人的需求,做更精准的广告。谷歌收得是广告费。但是随着谷歌数据维度的增加、数据量的增加,谷歌所拥有的数据,具备了广泛的社会意义。譬如谷歌根据其大众的搜索关键词,预测流行病爆发的可能性等等。继续数据如山的比喻,谷歌数据矿山中蕴藏丰富的金、银、铜、铁、锡……但是谷歌光靠挖铜就赚得盆满钵溢。社会视如金的东东,与谷歌而言却形同矿渣。 事实上,因为大数据蕴涵价值的多样性,单独靠谷歌一家,是不能穷尽数据的巨大社会价值、与经济价值的。 所以,谷歌坐拥宝库,但仅仅卖卖广告赚钱,其他的只是秀一秀。行文至此,我决定放弃“数据就是资产”这个概念,转而关注大数据的社会属性,开始倡导“数据就是资源”。我有资格这么做,因为“数据资产”的概念,是我在2011年12月07日,发布的第一篇大数据公开报告《大数据时代即将到来》中提出的,并由此推演出多个商业模式。现在我宣布这个概念成为历史。因为它关注的焦点是,一家企业如何利用数据来盈利。
数据就是资源,则强调大数据的社会属性、行业属性。对于推动数据开放、推动产业融合、推动经济增长、构建新型商业文明有着巨大的现实意义。 从数据资源角度而言,谁能颠覆谷歌,为新型商业文明开辟道路呢?我想,唯有打破数据资产的概念,把它看成社会共有的资源,开放出去,形成社会性、行业性的数据基础设施,在此之上,形成百舸争流、万马奔腾的数据应用大格局,才可以说我们真正进入了数字文明。而那家扮演数据基础设施提供商的公司,就是新时代的谷歌。 也许后人在撰写这段商业史的时候,会如是下笔:“XXX公司,宣布数据开放,以此为发端,人类真正迈入了数字文明时代!” 历史在翻页,我们有幸站在数字文明时代的入口处。阿里、京东无疑是开启数字文明大门的强势候选人,但是谁能开启这扇门,成为真正划时代的企业呢?且拭目以待吧!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10