
“大数据即服务”的时代即将到来_数据分析师
在传统云计算四层架构中,企业通常接触到的是Saas(软件即服务)、Paas(平台即服务)、Daas(数据即服务)技术,在基于云计算技术的大数据服务越来越普及的今天,使用好“云计算+大数据技术”,为企业提供更快、更有价值的数据服务,于是迎来了大数据即服务(即“BDaaS”)。
据初步估计,基于云计算的BDaaS在企业大数据支出中的占比将由目前的约15%上升至2021年的35%。鉴于届时全球大数据方面的支出将达到880 亿美元(约合人民币5386亿元),BDaaS市场规模预计将达到300亿美元(约合人民币1836亿元)。
市场规模这么大,各家厂商都想参与其中分一份羹,那到底BDaas是什么呢?与传统的Daas有何区别和联系呢?BDaas又有什么生命力和价值呢?
首先,BDaas可以基本理解为“云计算+大数据”环境下的Daas,在传统Daas层,除了向企业提供必须的各类数据服务以外,还需要提供数据的各类分析和研判,对于企业来说,仍需要将各类不相干的数据进行汇总和分析,仍需要分析和数据挖掘工具,仍需要相关技术和业务人才;从服务的角度来说,BDaas 层的出现,将各种大数据功能外包到云服务中,其中包括数据的提供、分析工具的提供、对数据进行分析和提供报告。部分BDaaS提供商还在它们的工具中包含咨询和顾问服务。
大数据即服务(BDaas)的到来将解决上述问题,从理论上说各种技术性细节都将“不复存在”,用户可以专注于解决业务问题。BDaas扩展了传统 Daas层,打通各个业务和分析系统,将各类企业数据进行融合,将结构化的、半结构化的和非结构化的数据将通过大数据技术进行提取和分析,对外呈现统一的数据业务服务,企业通过给出的分析数据,更深入地了解业务,进行痛点分析、同行竞争分析、产品销售趋势预测等,从而提高企业综合竞争力,推动业务的快速增长。
其次,从服务的角度来说,企业在前期投入大量成本以外,在存储和管理海量信息要求方面,也将持续投入资源和时间,这对于中小型企业来说,无疑加重了负担和进入的门槛。
BDaaS提供商将为客户解决这些问题,客户只需租用它们基于云计算的存储服务和分析引擎,根据使用时间或数据量付费。BDaaS提供商承担合规和数据保护的成本,当数据存储到他们的云服务器上后,一切工作将由他们负责。
如智能手表的产生,无疑将会催生大量的BDaaS应用。这些应用将从数以百万计佩戴智能手表的用户中收集数据,其中包括健康信息、身体活动、上下班路线图等。东软、苹果和IBM等IT巨头最近也公布了在大数据健康平台方面的合作计划。
最后,BDaaS在产品销售和市场营销等方面也在发挥越来越大的作用。目前,许多企业在线提供客户分析服务,其中包括世界上最大的直销数据销售商 Acxiom。通过对收集的海量个人信息进行分析,这些公司能有效地了解用户的行为习惯,使它们的客户在营销这方面获得领先地位。
随着越来越多的企业意识到部署大数据战略的价值,将有更多服务对它们提供支持。大数据分析能给真正重视它的企业带来积极的变化,其中包括缺乏费用和技能的中小型公司。
随着软件即服务的日趋普及,我们将越来越多地工作在虚拟环境中,在这一过程中整合分析将是很自然的下一步,这将使以前认为大数据项目是可望不可及的许多企业能参与并实施大数据项目。
(来自:http://blog.csdn.net/xieyun1977)
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02