京公网安备 11010802034615号
经营许可证编号:京B2-20210330
百度高亮:互联网大数据打通传统行业
在6月4日的第七届中国云计算大会上,百度大数据部研发总监高亮分享了百度大数据引擎,以及如何利用大数据来帮助传统企业迎接互联网+。高亮介绍了百度大数据可以为传统企业提供的服务模式,解读了百度大数据在传统企业上的典型应用,同时畅想了未来百度大数据与传统企业的合作点。
互联网企业提供的大数据服务
高亮首先介绍了百度的大数据引擎,他表示,百度在2014 年初的时候就成立了专门的大数据的部门,现在拥有数百名工程师。除了支持百度内部业务,百度大数据还开放对外,为外界提供各类服务。
去年四月份发布的百度大数据引擎共有三级结构,位于最底层的是开放云服务,基于其中构筑了可以处理海量数据的数据工厂,最上层是百度大脑,基于人工智能为各类应用带来巨大价值。
高亮分享,当互联网企业与传统企业合作的时候,能够提供的不外乎三种基础服务:其一是基础架构,包括了数据中心、服务器、带宽等;其二是基础架构上的技术,包含了各种开源技术与自主研发的技术,这类基于多数是分布式的;其三是数据,基于平台,基于技术从而运营产生出的海量数据。基于三类服务,可以产生多种服务模式,例如IOE的只提供基础架构,云平台的提供架构与技术等等。而现在,新的趋势正在产生,互联网企业不仅将给与传统企业基础架构与技术,同时还将给与数据,从而为传统企业催生出更多的业务想象空间。
百度大数据的尝试
在大数据部成立的一年多来,在这一路线上做了诸多尝试。
高亮分享了百度大数据与某风电企业做的一项很有意思的是实践。该风电企业监控数据众多,单台风电发电机一天可产生的数据量大约是100-200G ,而类似的设备总计部署了超过1万台,并且分布在各个地方。这些发电机只要出现故障,就需要维修,而面对分布在各地的超过万台的发电机,因为临时产生故障从而进行维修的成本极其高昂。
百度的数据中心中也有类似的状况,数十万台服务器,要定位和维修故障将是一件费时费力的工作。但百度做了一个很好的尝试,就是利用大数据预测和分析故障出现,预测的准确率高达98%以上,因此一旦威胁出现之前可以提前预警提前排除,大大降低了成本,保障了业务的连续性。百度将这样的大数据预测应用到了这家风电企业上,帮助他们进行大数据的故障预测,根据这家企业的个性化需求,打造了一套完善的故障预警系统。
除此以外,百度还利用自身庞大的数据规模与分析、处理能力帮助传统企业实现更多的商业机会,比如大数据的营销。百度司南是这方面的佼佼者,通过大数据分析,可以帮助广告主更加了解他们的潜在用户,这样的大数据分析不仅局限在在线广告,甚至可以分析户外广告的效果,实现量化决策。
舆情监控、预测分析也是百度大数据可以提供给传统企业的大威力武器,舆情分析可以帮助传统企业客观了解用户对于他们的产品、服务的评价,而推荐系统则可以定向的向用户推荐适合他们的餐饮、娱乐等服务。
未来“我们”共同打造
高亮还阐述了未来百度与传统企业合作的模式,他表示,最底层仍然是百度的开放云,其上是百度的数据,加上传统企业的数据,让二者的数据融合起来,将“我们”的数据发挥出最大的价值。
毫无疑问,这其中最大的技术障碍在于数据的打通,让互联网用户数据和传统企业用户数据真正融为一体,证明两个数据仓库中的某个用户是同一个用户。高亮透露,百度在这个领域正在持续投入,并且在不远的未来,就将和传统企业进一步合作,为企业的整体发展提供各个方向可能的支持。
我们期待这个可期的未来,也希望“我们”的大数据能够释放更大的能量。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27对数据分析从业者和学生而言,表结构数据是最基础也最核心的分析载体——CRM系统的用户表、门店的销售明细表、仓库的库存表,都 ...
2025-11-27在业务数据可视化中,热力图(Heat Map)是传递“数据密度与分布特征”的核心工具——它通过颜色深浅直观呈现数据值的高低,让“ ...
2025-11-26在企业数字化转型中,业务数据分析师是连接数据与决策的核心纽带。但“数据分析师”并非单一角色,从初级到高级,其职责边界、能 ...
2025-11-26表格结构数据以“行存样本、列储属性”的规范形态,成为CDA数据分析师最核心的工作载体。从零售门店的销售明细表到电商平台的用 ...
2025-11-26在pandas数据处理工作流中,“列标签”(Column Labels)是连接数据与操作的核心桥梁——它不仅是DataFrame数据结构的“索引标识 ...
2025-11-25Anaconda作为数据科学领域的“瑞士军刀”,集成了Python解释器、conda包管理工具及海量科学计算库,是科研人员、开发者的必备工 ...
2025-11-25在CDA(Certified Data Analyst)数据分析师的日常工作中,表格结构数据是最常接触的“数据形态”——从CRM系统导出的用户信息表 ...
2025-11-25在大数据营销从“粗放投放”向“精准运营”转型的过程中,企业常面临“数据维度繁杂,核心影响因素模糊”的困境——动辄上百个用 ...
2025-11-24当流量红利逐渐消退,“精准触达、高效转化、长效留存”成为企业营销的核心命题。大数据技术的突破,让营销从“广撒网”的粗放模 ...
2025-11-24在商业数据分析的全链路中,报告呈现是CDA(Certified Data Analyst)数据分析师传递价值的“最后一公里”,也是最容易被忽视的 ...
2025-11-24在数据可视化实践中,数据系列与数据标签的混淆是导致图表失效的高频问题——将数据标签的样式调整等同于数据系列的维度优化,或 ...
2025-11-21在数据可视化领域,“静态报表无法展现数据的时间变化与维度关联”是长期痛点——当业务人员需要分析“不同年份的区域销售趋势” ...
2025-11-21在企业战略决策的场景中,“PESTEL分析”“波特五力模型”等经典方法常被提及,但很多时候却陷入“定性描述多、数据支撑少”的困 ...
2025-11-21在企业数字化转型过程中,“业务模型”与“数据模型”常被同时提及,却也频繁被混淆——业务团队口中的“用户增长模型”聚焦“如 ...
2025-11-20在游戏行业“高获客成本、低留存率”的痛点下,“提前预测用户流失并精准召回”成为运营核心命题。而用户流失并非突发行为——从 ...
2025-11-20