京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据企业想要成为行业巨头的5个要素
Navin Chaddha是早期阶段风险投资公司Mayfield的总经理。这家公司目前正在投资的一些公司包括Gigya、Elastica、Lyft、MapR和Poshmark。
随着2014年下半年的到来,大数据俨然已经成为了一种社会主流,它影响了我们的休闲读物、多个产业的格局和面向消费者的应用等各方各面,同时也左右了大批资本的流向。风险投资行业在过去45年的时间内已经见证过许多技术周期——从PC时代的诞生,到主从式架构计算和基于网络计算的发展,还有云端和SaaS模式的崛起,我们对一家公司从创业阶段发展成行业巨头的模式已经形成了一种固有的认知。
根据我们的观察所得,成为一家基业长青的大数据公司需要具备以下的条件:
1. 从平台向生态系统的转换
要了解一个技术平台是否掌握主导地位,最清晰的方式就是看看这个平台的生态系统建立速度有多快。例如在SaaS时代,Salesforce能够快速成为业界领军的原因正是它拥有一个庞大的生态系统。大数据时代也是一样。
在大数据领域有一家叫做MapR的公司发展十分迅速,它就是一个从平台转换成生态系统的例子。作为一家Hadoop平台的服务商,它是唯一能够将开源(社区创新、便携性和灵活性)的优势体现在独特的平台架构升级的公司,为客户提供企业级的可靠性、安全性和性能。
MapR的生态系统不仅融合了新兴的Hadoop开源社区,而且在MapR App Gallery中迅速扩展合作伙伴的解决方案组合。企业客户可以在这个生态系统当中利用现成的大数据工具和应用轻易地部署和扩展大数据方案。
另外一个例子是MongoDB,这是一个业界领先的开源NoSQL数据库,被多家公司用于各种类型的应用当中。MongoDB正在为各行各业的合作伙伴建立一个大规模的生态系统。
2. 解决没有人愿意处理的棘手问题
这并非大数据世界当中最光彩的部分,然而我们相信这种类型的工作会造就许多大公司。在主从式计算的时代,数据整合先驱Informatica在解决复杂的数据整合难题的过程中逐步成为业界巨头,而且在Gartner Data Integration Magic Quadrant当中占据了连续八年领导地位。
在这个领域值得留意的另外一家公司是Trifacta,它的平台可以帮助技术类和非技术类的分析师将原始数据转换成可执行的数据。
3. 在大数据时代彻底改造商业智能,在获取数据的同时提供分析结果
像Business Objects能够帮助行业管理人员获取数据分析的结果,于是它成为了主从式计算时代的行业巨头。我们认为一部分的大数据公司也正在成为像Platfora这样的公司,后者能够在本地部署Hadoop,实现快速获取实时可视化的分析结果。
4. 深入运用专业领域的知识
确保专业领域的宝贵知识能够运用到你的分析应用当中,这样你才能立于不败之地。SAP就是利用这个策略成为了软件行业的巨头。
我们从Palantir这样的大数据分析公司当中看到了这种宝贵的专业知识,这家公司专门为反诈骗和网络安全这些特殊领域提供由人力驱动和机器协助的解决方案,它服务的垂直行业包括国防、保险、医疗和执法等。将机器数据转化成分析结果的Splunk也能体现出这种特质。
5. 利用直观的界面取悦客户
为你的IT和行业客户提供赏心悦目的数据交互界面;理解用户与应用进行交互的方式,不断改进用户体验的细节,做出直观和美观的界面。例如Dropbox在实现了一种简单直观的文件共享方式之后就迅速成长为一家行业巨头,现在它在世界范围内已经拥有超过2亿用户。
能够提供直观界面的大数据公司还包括Tableau,这家公司通过生成可视化内容 查看和理解数据,并从中得出分析结果;还有Elasticsearch,这是一个能够提供快速丰富搜索体验的开源解决方案。
大数据时代的未来
我们还需要关注的另外一个领域是物联网,因为它将会以各种全新的方式提供数据,从而改变技术产业的格局。现在这些数据的来源可以是恒温器、手机和手表,甚至是水杯这样的物品……以后的数据将会来自我们从来没有想过的地方。关于数据的所有权、生命周期和提取的全部观念都要经过重新定义,届时将会催生出一大批新的公司。这将会掀起新一轮的创新大潮,公司会推出一些以前从来没有想象过的全新产品和服务,而现有的产品和服务将会改写。
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导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 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。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 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 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12在数据分析日常工作中,Excel数据筛选是数据清洗、数据提取、样本筛选的核心基础操作。传统Excel手动筛选、函数筛选方式,面对多 ...
2026-08-12 很多数据分析师精通Excel函数和数据透视表,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 ...
2026-08-12在数据分析、统计建模、数据挖掘与商业调研过程中,原始数据往往无法做到绝对干净规整。受系统故障、人工录入失误、设备误差、突 ...
2026-08-11在数据分析工作中,聚类分析是典型的无监督学习方法,核心作用是依据数据自身的多维特征,将相似样本自动划分为若干类别,实现“ ...
2026-08-11 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 ...
2026-08-11AB实验是互联网产品迭代、营销优化、功能升级的核心科学验证手段,通过流量随机分组、对照组与实验组对比,科学验证策略、功能、 ...
2026-08-10在MySQL数据库优化中,索引是提升查询效率、降低数据库IO开销、优化系统性能的核心手段。普通单列索引仅适配简单查询场景,面对 ...
2026-08-10