
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
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 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28