
未来最大的能源是大数据 抓住大数据
现在很多线下小店在打折或关店,说“都是马云惹的祸,都是淘宝惹的祸”。其实,在13年以前推广整个电子商务时,我们说到互联网会影响生产、制造、销售以及社会的方方面面,电子商务将会对很多的行业带来巨大冲击,很多人并不以为然。
今天我也可以这么讲:十年以后,中国的经济也好,世界的经济也好,都是大数据惹的祸。如果你不参与整个大数据的建设,不真正把自己的企业变成互联网的制造业,将来你一定会像今天一样抱怨和埋怨。
任何事情都要站在未来角度看今天,而不仅仅从今天的成绩和能力去看待未来。这个世界正在发生很大变化,我相信未来30年是人类社会最精彩的30年,是令人期待的30年,也是令人恐慌恐惧的30年。
今天我们生活在一个非常纠结的年代,经济趋势下滑,小公司关门说是因为互联网,大公司无所适从也是因为互联网,反正每个人都怪互联网让自己出了麻烦。但另外一方面,我们又发现很多欣欣向荣的企业在不断地发展起来。
前段时间我面试了六个年轻人,倒吸了一口凉气——幸好我是15年前创业,要是在今天,肯定被这帮小子活活搞晕,因为他们用的是大数据和互联网模式,他们说的很多东西我不是很理解。但是我相信,一旦我理解,只会越来越恐慌。
我们喊了很多年的信息数据时代已经开始,政府转型创新的时代也已经开始,而转型和升级是要付出代价的。
第一次工业革命发现了煤,真正释放了人的体力,人们希望变得更强。第二次工业革命发现了其他能源,释放了人的能力,人们希望能走得更远。第三次工业革命究竟会是什么商业形态,这是我最近考虑得最多的。因为每一次工业革命的变革对商业形态所造成的影响非常大,必须从组织上去思考。任何一次军事变革经过很多年以后,一定会变成商业上的变革。
可以说,第一次工业革命造成了第一次世界大战,第二次工业革命产生了第二次世界大战,那么这一次技术革命会造成什么变化?这次技术革命释放的是人的智慧、人的脑袋,但人们没有真正想过这会让整个人类社会发生什么翻天覆地的变化。未来的组织不是公司雇佣员工,而是员工雇佣公司。这一系列的变化是因为整个技术发生了巨大的变化,因为数据的产生,让人类的社会商业先发生变化,最后一定会造成整个社会发生变化,从经济到政治体系。所以大家要去思考,什么样的组织才适合未来,什么样的团队能够适合未来?
另外,我想今天重点讲的是从IT到DT的变革。IT和DT不光是技术的提升,本质上是两个时代的竞争,标志着一个新的时代的开始。所以大家一定要高度重视DT时代的思考,DT时代的思维。IT时代是让自己更加强大,DT时代是让别人更加强大;IT时代是让别人为自己服务,DT是让你去服务好别人,让别人更爽,是以竞争对手服务竞争对手;IT时代是通过对昨天信息的分析掌控未来,控制未来,而DT时代是去创造未来;IT时代让20%的企业越来越强大,而80%的企业可能无所适从,而DT时代是释放 80%企业的能力;IT时代把人变成了机器,而DT时代把机器变成了智能化的人,所以整个世界将会发生翻天覆地的变化,我们正在进入一个新型的时代。
未来的制造业不仅仅是会生产商品和产品。未来的制造业制造出来的机器必须会思考、会说话、会交流,未来所有的制造业都将会成为互联网和大数据的终端企业。未来的制造业要的不是石油,它最大的能源是数据。所以,未来将会发生天翻地覆的竞争。
以前的平台型企业以服务别人为中心,和自己企业服务为中心,比如第二次世界大战,日本建立了当时最强大的军舰——大河舰,它拥有强大的钢甲和强大的力量,认为可以用来摧毁一切,但当它第一次远航想找航母对抗时,连航母都还没有找到,就被几架飞机给击沉了,因为航母是一个平台,虽然自己不产生进攻能力,但其上的舰载机具备强大的进攻能力,航母是一个生态。所以不管你自己有多强大,都要思考让员工更强大,让客户强大,让合作伙伴更强大,才能展开竞争。假如我们不去思考和把握未来的DT时代,那么从技术上来说,我们还是生活在昨天。
今天有无数企业在追逐、发现和参与大数据时代,也有很多互联网公司很快沦落成为传统的互联网企业,还有很多IT企业变成了传统IT,因为很多人还没有搞清楚IT,我们就进入了DT。互联网企业要参与社会变革、参与经济发展,让整个社会各方面都越来越强大,让经济更富裕、让人类更幸福,是所有互联网大企业的历史担当。
今天互联网已经不仅仅是上网看新闻、购物、玩游戏或聊天,而必须成为整个社会发展进步巨大的能源和动力。如果我们还仅仅只是把互联网当成一种工具,那样就像曾经把我国发明的火药只当做烟火和炮仗,而别人早已把它当做机器。
这是一个巨大的时代,这是一个可以共同展望未来的时代。不是去改变别人,而是要改变自己,去拥抱这个时代,这样十年以后你就不会说这是大数据惹的祸。我们应该共同把大数据真正变成人类未来巨大能源所在。
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