京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 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 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21