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
【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-05在数据库数据查询、业务报表统计、多表关联分析中,LEFT JOIN左连接是使用率最高的SQL关联查询语句。其核心特性是保留左表全部数 ...
2026-06-05 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 ...
2026-06-05任何一款产品从诞生、普及到最终退出市场,都会遵循一套固定的发展规律,这就是产品生命周期理论。在市场竞争日益激烈、产品迭代 ...
2026-06-04在Excel数据分析、办公统计、业务报表制作场景中,数据透视表是数据汇总、分类统计、快速复盘的核心工具,能够高效完成海量原始 ...
2026-06-04 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 ...
2026-06-04在问卷调查与社会科学数据分析中,卡方检验是最常用、最基础的非参数检验方法,广泛应用于市场调研、用户分析、行为统计、满意度 ...
2026-06-03【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-03 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 ...
2026-06-03逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 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 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28