京公网安备 11010802034615号
经营许可证编号:京B2-20210330
“天下大同”才是大数据的理想归宿_数据分析师
“大同”原本是中国古代的思想,指人类最终可以达到的理想世界,代表着人类对未来社会的美好憧憬。现代又加入了全球范围内的政治、经济、科技、文化融合的思想。而今正流行的“大数据”,其理想模式也是“天下大同”,最终才能更好的发挥大数据的效能,并最终实现大数据的共治共享。
然而现实世界中,要实现大数据的共治共享似乎有点“天方夜谭”,最典型的例子就是巨头们都在叫嚣着大数据,但往往又出于商业利益的考量,谁都希望守住自家的一亩三分地,不愿意将自家的数据积累共享,甚至连平台接口协议共享实现都不易。
我们都知道Fitbit之前就曾表态过,其产品不会支持苹果的Apple Store平台,数据也不能实现共享,自然和Apple Health就无法同步。结果可想而知,强势的一方苹果公司要求Fitbit公司的应用全部从Apple Store下架,而这仅仅只是APP应用平台和APP应用之间的故事。
在另一个流行的领域“车联网”中,数据的共享同样是难中之难,而且目前也因此而导致目前车联网发展举步维艰。作为汽车的主导者,汽车公司基于安全以及自身商业利益的考量,自然也不愿意将车联网的核心数据共享出去,顶多友情开放一些无关紧要的数据。而车联网产业链条的各方仅能得到有限的数据,弃之可惜,但是即便都收集起来也没多大的实际意义。最终可悲的是,汽车企业尽管也在美其名曰的主导和推行自家品牌的车联网,但车联网始终放在自家品牌之后,都是站在为汽车品牌服务的角度,重点在于售车,其主导的车联网也是自家品牌的联网,和其他品牌的汽车无关,甚至和车联网链条的其他企业亦无关。但车联网的最终实现又必须是人、车、路多方的数据共享和协同,车企自身的车联网充其量也就是一个“过家家”的游戏罢了。
除了APP应用平台和APP之间的故事,车联网产业链关于数据的故事,时下iOS和Android两大系统的大战和数据兼容也是一大难题。对于APP开发者来说,同样的应用必须开发适配iOS和Android两个系统的不同版本。不过更为头疼的是两大系统之间的数据同步和共享问题,因为两方企业基于商业利益的竞争,谁都不愿意妥协和让步,也都不愿意放开自己的用户和数据。
然而尽管企业有企业的商业利益考量,企业有企业的自建屏障进行保护,但数据的共享和协同终究是大趋势。
关于Fitbit数据和Apple Health同步问题有了更好的解决方式。Fitbit数据可以通过第三方数据和Apple Health实现同步,此举自然是可喜的一大步,总有一种力量在推动着大数据的共享。
而关于车联网间的数据共享问题,目前也有着介于“法律边界红线边缘”的处理方式,即有第三方公司通过破解can协议和网关的方式取得汽车数据,并最终“分享”给车联网的产业链。尽管手段有待商榷,但确确实实在助推汽车公司走向更加开放。
iOS和Android数据共享和数据整合则应该交给新的创业型公司,总会有惊喜。iOS和Android的数据共享也是一大刚需和大市场,有理由值得期待。
然而,事情的发展总会损伤到既得利益者的固有利益和脆弱心里,既得利益者必然会防抗。但不管怎么样,笔者不太希望现实世界里,平台太多,“数据”不够用的“杯具”继续。过多相互有意隔绝的平台,势必会造成未来大量的产生的数据,却又人为地产生大量不兼容、不互通、不可二次利用的问题。每个投身期间的大小企业,都惦记着用自己的产品和数据格式和协议,形成竞争壁垒,然后党同伐异都算奢望,每家企业都想着凭借数据制霸天下。
如此,最终大数据终将成为空中楼阁,很难造福人类。前文说到的车联网也就只能成为各家车企内部的局域网,离人、车、路的协同越来越遥远。
有需求的地方,自然就会有商机,自然也会产生新的创业公司和创业智慧。第三方的同步和兼容工具,就极有可能成为一个衍生应用市场。尽管各路衍生应用市场和原有平台诸侯也一定会在捍卫自己的“江山”的过程中打个你死我活。但最终,肯定会有非常少量的平台最终成为数据协同和整合共享标准,推动大数据的“大同”。
当车联网、跨系统平台不再是梦,而是现实的时候,大数据的“天下大同”就开始迈出了实质性的步伐。革命尚未成功,第三方应用,第三方数据协同平台们仍需努力。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18