大数据时代 > 数据周刊 >
数据周刊:1月5日--1月9日
发布时间:2015-01-09 14:25    阅读次数:
本文关键字:大数据,数据周刊
  年终总结:大数据现状的潜力与危机
大数据
  大数据现状:思路已有,离成功尚远
  大数据发展可以用一个波浪式的图来形容,现在还处于第一个峰顶,必须经过低谷再升起,几轮反复。
  大数据应用的必要前提:数据治理
  在纷繁杂乱的大数据面前,没有良好的数据质量,没有更加良好的数据管理策略,用于业务应用的投资将随着应用组合在企业内的增长和扩展而日渐缩水。
  大数据市场:安全先行
  进入大数据时代后,数据将更加透明,数据信息安全的挑战变得越来越严峻。
  大数据思维:允许数据的不精确性
  大数据时代,数据的收集问题不再成为困扰,采集全量的数据成为现实,但海量数据的涌现一定会增加数据的混乱性且造成结果的不准确性,如果仍执迷精确性,那么将无法应对这个新的时代。
  大数据思维:大数据不是单纯的技术问题
  大数据不是一个纯技术问题,会包含很多管理、业务方面的内容。
  大数据思维:大数据技术解决的不仅仅是非结构化数据问题
  这表明,非结构化数据是对数据完整度的很大补充,但是并不能说大数据就是做非结构化数据,其实最终的目的还是要发掘数据价值。
  2014年最火热的十大大数据应用案例
大数据
  1、 CIO和CMO透视大数据
  2、8种大数据和分析方法改变体育竞技
  3、2014大数据堆栈年
  4、IBM借助沃森(Watson)制胜大数据
  5、数据科学家受挫于数据多样性,Hadoop多有局限
  6、企业大数据营销投入增加
  7、大数据帮助Walgreens治疗诊断患者
  8、数据科学家角色定位转变为发展
  9、C级别管理人员从大数据中获益匪浅
  10、为什么分析师认为特斯拉(Tesla)优于捷豹(Jaguar)
  2015年,大数据如何改变我们的经济和生活?
大数据
  大数据与恐怖主义
  最近索尼影业窃听案件人人皆知,它似乎有可能成为第一个国家资助的网络恐怖主义行为, 在全国媒体聚光灯下,索尼影业已受到威胁。每一个财富2000强的管理团队现在思考: 我的数据安全吗?如果我公司的数据被公开会发生什么?我的数据会被如何使用来对付我?
  大数据成为一个公民自由问题
  我们的学校、公司和公共机构都有关于隐私、公平和反歧视的规则,并且有政府执法为后盾,特别是随着人们越来越意识到大数据潜在地侵犯他们的隐私和公民自由的时候,隐私权保护和消费者保护会跟上快速变化的大数据时代的节奏吗?
  公开政府数据
  未来政府将继续使政府数据更加透明,并让企业将这些数据进行创造性地使用。公共部门是私人公司提供产品和服务的重要数据来源。
  个性化医疗
  在不久的将来,医生将能够依据你的基因组、活动水平和实际的健康水平,为你量身定制药物和治疗方法。毕竟,普通患者对特定治疗方案有何反应与你个人并不相关,我只想要最有效的治疗(或结果)。
  无地域限制的数字化学习
  一些改革者希望将以市场为基础模型,重视测试、绩效与责任;有的希望提升教学专业以触发在学校和资源的重新投资。
  2015年这十大技术值得关注
大数据
  1. 无处不在的计算
  2. 物联网
  3. 3D打印
  4. 无所不在却又隐于无形的先进分析技术
  5. 充分掌握情境的系统
  6. 智能机器
  7. 云/用户端计算
  8. 软件定义的应用程序和基础架构
  9. 网络规模IT
  10. 基于风险的安全与自我防卫
  有关大数据市场环境、商机挖掘的相关问题
大数据
  大数据行业的发展趋势
  目前,大数据行业可谓各类机构众多,既有基础设施、数据库以及分析技术等下游机构,也有应用类、商业情报等上游机构。未来,大数据行业将经历快速整合。
  商机在哪里?
  为了确定大数据对自身的特定价值,我们可以从大数据的三个维度进行分析:
  从数据量出发:在数据分析方面,抽样分析与全面分析有时会呈现完全不同的结果。
  从数据多样性出发:大部分企业都能从传统关系数据库的结构化数据,挖掘出客户洞察。
  从数据时效性(速度)出发:在有些情况下,公司需要获取最新的实时数据,供决策之用。
  发掘商机的五个途径
  形成新的商业洞察;优化核心运营流程;更快更好地决策;充分利用不断变化的价值链;创建新的以数据为中心的业务。
  业务应用大数据的四个层次
大数据
  第一层:知其然
  具体来说,切入数据的角度主要有这几个方面。首先是“观天”,观察行业整体趋势、政策环境影响;再是“知地”,了解竞争对手的表现;最后是“自省”,自身做得怎么样了,自己的数据表现怎么样。
  第二层:知其所以然
  通过数据看到了问题,走到这一步还不够。数据只是表象,是用来发现、描述问题的,实操中解决问题更重要。数据结合业务,找到数据表象背后的真正原因,解决之。
  第三层:发现机会
  大数据应用可以帮助业务发现机会。数据就在那里,有些人熟视无睹,但有些人却可以从中挖出“宝贝”来。差异是什么呢?商业感觉。
  第四层:建立数据化运营体系
  1.数据作为间接生产力
  所谓间接生产力,是指数据工作者将数据价值通过运营传递给消费者,即通常所说的决策支持,数据工作者产出报表、分析报告等供各级业务决策者参考。
  2.数据作为直接生产力
  所谓直接生产力,是指数据工作者将数据价值直接通过前台产品作用于消费者。时髦点讲,叫数据变现。
  企业大数据淘金的三大关键
  能否抓住大数据
  有关云世界中巨量资料的种种议题中,最显而易见的便是该如何处理并分析它,然后转化成企业可以从中辨识出的有价值的信息,这其中势必会有一段滞延时间。 若是信息未能及时取得,导致大数据可带来的商机遭受忽略,将在激烈的市场竞争中,置企业于不利地位。同时,在整个大数据生态系统中,技术纯熟度是跨越数据与企业营运之间鸿沟的关键驱动力。我们所需要的是,可以更快速地提供完善的数据处理方案,使企业不仅可以应付未来的需求,更能立即解决现在的问题。
  解决数据差异性
  在大数据的处理能力中,企业应做好解决大量半结构化与非结构化数据的准备,这也是为了弥补传统BI/Data Warehouse能力空缺。落实到具体,企业在具体运用时,可将内部或外部巨量的半结构化与非结构化数据进行储存、运算、处理与分析,然后把运算与处理分析的结果以结构化的格式,让BI/Warehouse获取,或是直接可提供搜索与搜寻。
  欲淘金 先淘“器”
  针对大数据的处理方案,企业所能寻求的便是各级别厂商所带来的数据数解决方案,但企业在选择的同时,也面临着不是大数据技术效能的无法支撑,就是企业需要付出天价的授权费。既然欲抓住大数据商机,在选择解决方案的时候,一定要谨慎再慎重。
  2015年这些大数据架构问题亟待解决
大数据
  NoSQL & NewSQL
  MongoDB, Couchbase, Aerospike等一长串的NoSQL数据库在过去的一年里持续发声,恐怕没有哪一天是不说NoSQL的。在2014 MongoDB世界大会上,CitiData的全球总裁Michael Simone就讽刺了NOSQL数据库的过度宣传。不过这并不能阻挡NoSQL的发展势头,因为它确实擅长处理大规模数据集,尤其是网络上多种格式的非结构化数据。
  数据架构是大数据的核心命题
  这些技术的发展都离不开一个核心命题,即融入到企业数据架构。Accenture分析咨询集团负责数据供应链的信息管理总监Vince Dell’Anno表示:“大数据今天面临的主要问题是架构问题,即企业如何把这些新的技术集成到一个环境中。”
分享按钮

近期文章

站内热点

友荐云推荐