京公网安备 11010802034615号
经营许可证编号:京B2-20210330
互联网+和工业4.0方兴未艾 大数据是强有力的引擎
IBM大中华区首席执行总裁钱大群:“IBM在大数据分析领域的定位不是拥有数据,而是分析这些数据,转化为洞察,为你所用。”
主题为“主导这一刻”的IBM Insight 2015大数据分析峰会3月23日在北京举行。来自各界的数据分析领先实践者与IBM领导团队、技术专家一道共同探讨如何更好地利用数据资源支持中国新一代信息产业与传统产业深度融合。与会者围绕大数据在工业4.0、城市规划、环境保护、交通治理等,诸如雾霾预报和应对、套牌车辆识别、饮食健康、儿童娱乐等大众民生关注领域的发展进行了深入交流和探讨。
今年的政府工作报告中提到的“互联网+”引发社会热议。大家普遍相信,中国新一代信息产业与传统产业深度融合、相互促进创新的局面即将掀开新的篇章。工业是我国经济的立足之本,“工业 4.0”是这场创新大潮当中的亮点。中国是数据矿藏量巨大的国家,有超过6亿的互联网人口,繁荣的互联网经济,方兴未艾的政府和企业IT系统,有望迎来爆发增长的物联网和工业互联网。如何用好中国的大数据资源,对中国的“互联网+”以及“工业 4.0”的发展意义重大。
2014年是IBM大举向大数据、云计算、移动社交转型的一年。在中国,IBM以全新的开放联合创新的姿态面对新环境发展,在大数据领域,先后与宝信科技、华胜天成、浪潮等本土合作伙伴展开合作,并拥有了包括鲁能集团、万得数据、上海虹桥机场、民生银行等各行业大数据客户。IBM还推出了U100计划,向100所中国高校捐赠价值1亿美元的大数据及分析软件。2014年,在20多个来自Gartner、Forrester和IDC的数据/分析软件和服务测评中,IBM都居于领导地位。据最近发布的IBM 2014年财报显示,IBM在云计算、大数据、移动、社交、安全等领域整体增长了近16%,达250亿美元,占IBM整体营收的27%。其中,作为IBM转型的核心战略,大数据业务增长了7%,营收达170亿美元。在过去的一年,IBM通过授权软硬件技术和工具,正在帮助中国开发出自主创新的处理器芯片、服务器系统、数据库产品、中间产品和操作系统,技术开放战略获得了工信部、江苏省、北京市政府的支持。
去年,IBM启动科技合作伙伴计划以来,以技术共享、联合创新中心等多种合作模式,利用IBM的全球化视野、专业研发人才、行业洞察等,帮助本土合作伙伴突破创新束缚,以协作创新赋能行业创新。尤其在环保、交通、城镇化等民生领域,取得了卓越成就。IBM大数据与分析业务取得的成功,源于IBM多年来对这一领域的持续不断的投入。到目前为止,IBM已在分析领域投入250亿美元,先后发起了包括Cognos、SPSS、ILOG、Algo、i2等30多起收购。IBM全球共有15000个分析顾问和超过400位数学科学家,在三大洲共拥有9个分析解决方案中心,其中,中国西安实验室着力分析领域的研发,以SPSS为核心发展为全球分析软件实验室。IBM每年都会新产生500多个与分析预测相关的专利。位于中国的IBM中国开发中心和IBM中国研究院为IBM与中国企业与合作伙伴的合作提供重要的支持。
2014年,IBM投资10亿美元成立Watson集团,此后IBM一直不懈地努力将Watson集成到企业的应用中。除了Watson的前瞻性,IBM大数据与分析的优势还体现在引领行业认知计算,自然语言理解、机器学习能力,领先的数据安全、保护、风险管理和反欺诈能力,业界最完善的大数据与分析解决方案组合以及对行业业务深入的了解。在IBM整体转型的背景下,处于战略核心的大数据将不断与云计算、社交、移动不断整合,为企业提供综合能力。
IBM大中华区首席执行总裁钱大群表示,去年是IBM中国公司成立30周年,IBM 在中国启动了中国的新战略,那就是“与中国同创”,从made for China到made with China。大数据是中国走向工业4.0强有力的引擎,IBM仍将与前瞻者同行、与中国同创新的辉煌。
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