
企业IT迎来拐点,大数据关键业务是集成
新一代信息技术已经在影响企业IT的方方面面,大多数企业都已深刻地意识到,企业IT必须结合云、开发运维和大数据,才能带来颠覆性改变。
其实,IT要面临的真正挑战是大数据的集成。大数据分析被视为是一种真正深入了解客户行为和 IT 性能的方式。 但是,惠普软件 CTO Jerome Labat 表示,虽然现在有多种快如闪电的分析工具,但如果您不能以类似的速度对这些工具提供的深入见解作出响应,那么拥有这些工具就毫无意义。 因此,对于在过去一两年里一直在纳入大数据工具的许多企业来说,新的前沿领域是集成。
“通过深入了解客户,我们可以在他们需要时提供服务和解决方案”,Labat 说, “但前提条件是我有一套目前多数 IT 商店没有的功能和技术”。 缺少的功能包括对实时应用使用数据的快速分析,以及其他功能。“您需要具有快节奏敏捷性的后端基础设施来应对那些创建和销售服务的新方法”。
企业多年来一直在集成云和自动化,虽然开发运维对企业并没有足够的牵引力,但相关的敏捷开发原则已被广泛采用。 Labat 表示,在 2015 年,随着大数据成为最新热门 IT 话题,为了真正获得收益,CIO 将面临将这三者整合在一起的压力。
协同能力
Labat说,真正的目标,即短期目标而不只是在模糊的将来的目标,是迅速利用多种来源的大数据,提供见解并创建新的服务,从而实现所有下游业务目标。 实现这个目标意味着要按序准备好以下三个关键要素:
第一,云。 通过云来快速配置 IT 基础设施和应用服务的能力。
第二,开发运维。 应用和运维团队需要协同工作,才能应对冗长的构建和测试周期。
第三,大数据。 大数据是构成应用或运维目标中下一个迭代步骤基础的深刻见解。
“第一个构建块是快速配置和部署基础设施及应用服务的敏捷性。 这意味着要首先掌握云”。Labat 表示,“一旦可以快速构建和部署环境,第二步要做的就是改变流程,不断创建和部署新的服务,基于使用模式在正确的时间向客户提供正确的产品。” 因此,企业需要开发运维。
但这仍然没有明确要构建什么、何时构建或为谁构建的问题,这就是为什么企业要构建第三个模块(大数据)的根本原因。
机会洞察
Labat 表示,当云、开发运维和大数据达到最佳成熟状态时,就有机会在战略上使用大数据投资来推动真正的、专注于结果的变革。
展望 2015 年,CIO 将不得不投资于大数据,但切记不要构建一个孤立的大数据。 企业必须利用客户相关信息来支持业务合作伙伴,借助实时分析甚至是预测分析来更高效地运行数据中心,还要支持更快地开发更好的应用和服务。并且还要注意,不要陷入技术本身,技术只是 IT 转型及其带来的业务成果的推动者。
“如今,我们过分关注大数据技术的炒作,却缺少对思维模式和流程转型的探讨。”
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