京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 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 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27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