京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据分析现状、发展计划和面临的挑战
为分析并预测大数据技术的发展现状、发展计划和面临的挑战,IDC将于2013年秋季对德国相关应用企业进行问卷调查。
从技术角度来看,大数据包括像Hadoop、高扩展度数据库、最佳可视化工具以及高性能搜索引擎这样的新技术和已经成熟的技术,如事件驱动处理技术、商业智能技术和数据挖掘技术,这些技术主要用来处理海量的数据。
大数据技术的主要任务是从内部和外部数据源中找出所需的数据,并对这些
数据进行高效快捷的评估,最终提供决策支撑。
全球对大数据技术和服务的投资在增长
目前,大数据在美国最为发达,包括德国在内的欧洲地区在这一领域稍显落后。不过,现在业内人士已经注意到了这一趋势,各个企业中的IT部门正在感受到发展的压力。
期望和前提
数据评估和报告在大多数企业中早已不是新鲜事物,只是如今旧的数据评估和报告工具已经无法满足新的需求:现在的专业人士要求尽量实现数据实时分析,目前的基础设施、数据结构、解决工具以及商业模式根本无法保质保量地完成这个要求。
企业现在面临两个选择:对现有技术进行扩展,或者实现技术升级。大数据技术就是比较理想的新技术。
讨论热点
过去几年,大数据讨论中比较热的话题是技术问题和数据组织问题。经过几年的发展,人们对这些问题的理解有了深入发展,又开启了新的讨论话题。
现在,专业人士讨论的焦点问题是工作量优化,未来关于工作量和新的商业模式的讨论还会更多。2011年和2012年大数据的项目比较少,主要以测试安装为主。
IDC预测,今年和明年这一领域会出现大幅增长。对于企业来说,大数据技术既是挑战,也是机遇。
战略和解决方案
所以,大数据势必成为ICT(Information Communication Technology,信息通信技术)战略的一部分。数据访问和融合也变得越来越重要。
IDC认为,2013年和2014年人们关注的热点将从技术转移到信息查找和知识获取。“软件定义”(Software defined)、融合技术、开源软件及平台是大数据基础设施建设中最核心的问题。其中,开源软件与平台还需要经过一个商业适应的过程。许多企业把投资重点放在机器生成数据的实时分析上,因为这可以加快企业的发展。终端用户希望解决方案可以简单易操作。要实现应用程序和移动解决方案的可视化和直观互动,就要实现大数据的“消费化”。
IDC预测,由于缺乏大数据分析的方法和技术,许多企业将使用“现成的”解决方案。
投资活跃
全球范围内,企业对大数据技术和服务的投资增长都会很快。IDC预测,未来几年的平均增速将大于30%。
市场透明度还不够
企业还有许多待解答的问题。对于许多IT负责人来说,可衡量的商业收益、数据安全、数据法律以及可使用数据的准确定义这些问题都不够透明。对于企业来说,数据正在加速成为运作资源和生产要素。要实现从技术到信息和知识获取的转变、使用开放源、进行实时分析,企业就要对技能、解决方案和服务投资。许多企业对这一领域了解不多,需要有人为他们解释技术、组织、法律以及文化方面的问题。
总的来说,企业在获取大数据技术和分析方面的信息以及咨询需求都非常大。对于这一领域的ICT供应商和服务商来说,这是一个绝好的发展壮大的机会。要制定正确的市场营销策略,获得漂亮的销售成绩,关键就在于了解用户环境中IT和商业决策者的要求和期望。
为验证IDC对大数据分析发展现状、发展计划和要求方面的预测,IDC将于今年秋季对德国的应用企业进行调查。这份调查名为《分析、可视化、预测——2013德国数据策略:大数据分析能否带来商业成功》,主要是了解先进的分析工具在企业中的应用情况,了解企业更倾向于使用哪种解决方案来选择和加工重要数据。
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