京公网安备 11010802034615号
经营许可证编号:京B2-20210330
浪潮计算+大数据 克服大数据“摩擦力”
“计算+”是浪潮集团副总裁王恩东在2015年浪潮信息全国合作伙伴大会(IPF15)上首次提出的新业务战略,指出了在物理世界信息化、信息世界智能化的发展趋势下,计算重心正在向后端转移,对后端计算能力提出了新的需求和挑战,融合架构将是应对这一挑战的最佳选择。
对于计算+与大数据之间的关联,浪潮云和大数据事业部总经理张东在IPF15大数据与应用分论坛上,对大数据业务做出了非常明确的定位,“未来80%以上的计算能力都会在数据处理上,计算和数据这两个概念是密不可分的,因此大数据业务是浪潮的核心业务,围绕计算+大数据将是我们重要的计算方向。”
大数据应用要克服“摩擦力”
大数据无疑是当下最“有名”的IT技术名词,没有之一。从春运大数据到两会大数据,从IT技术人员到企业高管,从国家到个人,短短数年间,大数据就变成“街知巷闻”的热门词汇,充分说明了大数据在移动互联时代的重要性。
分析机构IDC预测,到2020年,将有2000亿台智能设备,连接至互联网,包括手机、电脑和平板电脑,以及如温度监控和网络摄像机等设备,人类所产生的数据量将超过40 ZB(泽字节),这意味着全球的数据每两年就将翻一番。同时IDC认为,从现在到2020年的大部分数据并不是由人类产生的,而是由机器,包括机器传感器以及与其他具备通信功能的智能设备,这些数据中的33%包含有价值的信息。
“一个物体要往前移动,第一要有动力,第二要克服摩擦力。大数据应用,也是一样的。今天的大数据不缺动力,因为数据的价值已经人尽皆知。所以,我们的大数据应用,需要好好研究的是怎么能够降低大数据应用的摩擦力,这个摩擦力就是应用门槛,需要让客户把大数据跑起来并且跑出有效的结果。”张东对大数据的趋势有着如是判断。
大数据的价值在于“加工”
对于用户来说,信息不再昂贵,从海量数据中获取价值变得昂贵。据统计,目前大数据所形成的市场规模在51亿美元左右,而到2017年预计会快速增长至530亿美元。
“从数据中获取价值不是需要某种技术手段,而是需要一种解决业务需求的方法,这套方法能够通过行之有效的技术手段来处理大数据的大容量、多类型和快速率这一系列问题。”浪潮云和大数据事业部副总经理李忠旭持有上述看法。
在李忠旭看来,“云计算改变了原来的资源组织方式,大数据改变了业务创新方向”,云计算资源池化的管理模式是大数据应用的前提,能够动态支撑大数据分析业务不断变化的需求。“大数据分析必然是软硬一体,就像微软能够把软件的性能优化,必然对硬件上有所要求。”
浪潮大数据:专注+合作
基于对大数据发展趋势的认知,浪潮将“专注+合作”确立为大数据战略的两个关键词,将专注于提供大数据基础架构平台型产品,专注在行业大数据应用领域。同时通过与ISV的深度合作,开发行业定制化解决方案的开发,提供软硬一体化的解决方案。
“首先应用开发和大数据系统软件,留给我们的合作伙伴进行这方面的研发,无论是数据架构还是应用架构的设计,而我们希望对底层平台优化上做的多一些。整体设计和系统交付我们做一部分,合作伙伴做一部分,由不同行业开发商做整个的交付。”这是李忠旭对浪潮大数据业务的具体设想。
浪潮与合作伙伴最终呈现给用户的,将是包含产品、咨询与交付一体化的“交钥匙工程”,包括业务应用开发、大数据系统软件、基础硬件平台的基础架构服务,应用架构设计、数据架构设计、硬件架构设计的咨询服务,以及性能调优、一体化设计和系统交付的交付服务。
值得一提的,浪潮对行业大数据的“一见钟情”事实上已逐渐显示出早有先见之明。来自大数据专家委员会的靳小龙分享的140位大数据专家调查结果显示,跨学科领域交叉的数据融合分析与应用,将成为今后大数据分析应用发展的重大趋势。他指出,“由于现有的大数据平台易用性差,而垂直应用行业的数据分析又涉及到领域专家知识和领域建模,目前在大数据行业分析应用与通用的大数据技术之间存在很大的鸿沟,迫切需要进行跨学科和跨领域的大数据技术和应用研究,促进和推动大数据在典型和重大行业中的应用和落地。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31