A. 什么是“大数据”,如何理解“大数据”
你好,大数据是指巨量的数据,指的是需要新处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。
当下,大数据技术作为新兴技术被许多互联网大厂所需,以华为为例。
1、华为云推出大数据稽核方案解决偷逃费
很多朋友可能发现,部分省界收费站变少而ETC通道在增加,高速公路的出行体验比以前更加顺畅。然而,在公众体验节省费用、便捷通行等利好的同时,高速公路的管理运营单位却饱受新情况的困扰。
部分车主偷逃费方式多样化,包括换卡逃费、车头挂车分离逃费、倒换电子标签、ETC车道跟车逃费等。同时偷逃费行为向专业化、团伙化演变,给高速运营单位带来大量经济损失和严峻挑战。
以华为为例,华为给1-3年经验的大数据开发工程师开到了高达4万的月薪,在其他大厂的招聘中30k-60k的大数据开发工程师,也只要1-3年工作经验,可以说大数据、云计算仍是当下的红利岗位。
希望我的回答对你有所帮助!
B. 互联网公司是如何做大数据的
互联网公司是如何做大数据的
大数据”炙手可热,很多企业都不会错失机会,谷歌已经从一个网页索引发展成为一个实时数据中心枢纽,可以估量任何可以测量的数据,将输入的查询与所有可用数据相匹配,确定用户查找的信息;对脸谱网来说大数据就是“人”,公司也利用这一点在十几年之内成为世界上最大的公司之一。
亚马逊通过分析用户习惯,将用户与其他可能符合用户需求的产品和建议相匹配;领英帮助求职者根据自己的技能和经验来匹配空缺职位,帮助招聘人员找到与特定资料相匹配的人才,这些都是大数据应用的典型例子,但也只是其中一部分,越来越多的数据易获得,复杂工具也会随之涌现,大数据的利用可以改变我们个人生活和商业活动。
当下,每个人都听说过人们如何利用大数据治愈癌症、终结恐怖主义和养活饥饿人口来改变世界。
当然,也很明显,有些人正利用它来赚大钱——据估计,到2030年,世界经济将增加15万亿美元。
很多人可能会想“那太好了,但实际上和我没什么关系。”只有拥有数百万美元资产的大型科技公司才会真正受益。那你需要大量的数据才能开始一项新的研究吗?
其实并不是这样的。事实上,利用近年在数据收集、分析上的巨大突破,很容易改善我们的个人和商业生活。很多人先前可能没有认识到这点。
以下是大数据作为日常生活工具和服务的一部分的一些细节。
谷歌——语义分析与用户画像
尽管谷歌并没有把自己标榜成数据公司,但实际上它的确是数据宝库和处理问题的工具。它已经从一个网页索引发展成为一个实时数据中心枢纽,几乎可以估量任何可以测量的数据(比如:天气信息、旅行延迟、股票和股份、购物……以及其他很多事情)。
大数据分析——也就是说,当我们进行搜索时大数据就会起作用,可以使用工具来对数据分类和理解。谷歌计算程序运行复杂的算法,旨在将输入的查询与所有可用数据相匹配。它将尝试确定你是否正在寻找新闻、事实、人物或统计信息,并从适当的数据库中提取数据。
对于更复杂的操作,例如翻译,谷歌会调用其他基于大数据的内置算法。谷歌的翻译服务研究了数以百万计的翻译文本或演讲稿,旨在为顾客提供最准确的解释。
经常利用大数据分析的对象从最大的企业到单人乐队,当他们通过谷歌的Adwords进行广告宣传时就是对大数据的利用。通过分析我们浏览的网页(很明显能看出我们喜欢什么网页),谷歌可以向我们展示我们可能感兴趣的产品和服务的广告。广告商使用Adwords和谷歌分析等其他服务,以吸引符合其客户资料的人员到其网站和商店时,广告商就利用了大数据分析。
脸谱网——图像识别与“人”的大数据
尽管脸谱网与谷歌在市场营销上差异巨大,但实际上它们的业务和数据模式非常相似。众所周知,两个公司都选择将自己的企业形象定位重点放在大数据方面。
对谷歌来说,大数据是在线信息、数据和事实。对脸谱网来说大数据就是“人”。脸谱网让我们与朋友和家人保持联系越来越方便,利用这个巨大的吸引力,该公司在十几年之内成为世界上最大的公司之一。这也意味着他们收集了大量的数据,同时我们也可以自己使用这些大数据。当我们搜索老朋友时,大数据就会发挥作用,将我们的搜索结果与我们最有可能联系的人进行匹配。
由脸谱网开创的先进技术包括图像识别——一种大数据技术,通过利用数百万种其他图像进行训练,能教会机器识别图片或视频中的主题或细节。在我们告诉它图片中的人是谁之前,机器可以通过标签来识别图片中的人。这也是为什么,当我们的朋友分享或给图片“点赞”时,如果它发现我们喜欢看例如婴儿或猫的图片,在我们的信息流中就会看到更多这种类型的图片。
对人们兴趣及其利益的详细了解也使脸谱网能够向任何企业出售极具针对性的广告。脸谱网可以帮助企业根据详细的人口统计数据和兴趣数据找到潜在客户,或者可以仅仅让他们通过查找与企业已有客户相似的其他客户来完成他们的大数据“魔术”。
亚马逊——基于大数据的推荐引擎
亚马逊作为世界上最大的在线商店,也是世界上最大的数据驱动型组织之一。亚马逊和本文提到的其他互联网巨头之间的差别很大程度上取决于市场营销。与谷歌和一样,亚马逊提供了广泛的在线服务,包括信息搜索、关注朋友和家人的账号以及广告,但其品牌建立在最初以购物闻名的服务上。
亚马逊将我们浏览和购买的产品与全球数百万其他客户进行比较。通过分析我们的习惯,可以将我们与其他可能符合我们需求的产品和建议相匹配。大数据技术在亚马逊的应用就是推荐引擎,而亚马逊是推荐引擎的鼻祖,其也是最复杂的。除了购物,亚马逊还让客户利用自己的平台赚钱。任何在自己的平台上建立交易的人都会受益于数据驱动的推荐,从理论上讲,这将吸引合适的客户来购买产品。
领英——被筛选过的精准大数据
如果你是一名雇主,或是正在找工作的人,领英会提供一些可以帮助你的大数据。
求职者可以根据自己的技能和经验来匹配空缺职位,甚至可以找到与公司其他员工以及其他可能竞争该职位的员工的数据。
对招聘人员来说,领英的大数据可以找到与特定资料相匹配的人才,例如现任员工或前雇员。
领英对其数据采取了“围墙的花园”方式(注:“围墙花园”是相对于“完全开放”的互联网,把用户限制在一个特定的范围内,允许用户访问指定的内容),当你选择在何处寻找和使用大数据时,这个不同之处值得考虑。领英的招聘人员和申请人的服务都是由公司内部和由服务本身控制的数据进行的,而谷歌是(在美国也提供招聘信息)从大量外部资源中获取收数据。领英的方法提供了潜在的更高质量的信息,而另一方面,它可能不全面。谷歌的方法提供了更大容量的数据,但这些数据可能是你想要的,也可能不是。
这些只是应用大数据的几种方式——远非资源丰富的公司和技术精英的工具,而是我们大部分人在日常生活中已经从中受益的东西。随着越来越多的数据变得容易获取,越来越复杂的工具涌现出来,从中获得价值,肯定会有更多的数据产生。
C. 如何进行大数据处理
大数据处理之一:收集
大数据的收集是指运用多个数据库来接收发自客户端(Web、App或许传感器方式等)的 数据,而且用户能够经过这些数据库来进行简略的查询和处理作业,在大数据的收集进程中,其主要特色和应战是并发数高,因为同时有可能会有成千上万的用户 来进行拜访和操作
大数据处理之二:导入/预处理
虽然收集端本身会有许多数据库,但是假如要对这些海量数据进行有效的剖析,还是应该将这 些来自前端的数据导入到一个集中的大型分布式数据库,或许分布式存储集群,而且能够在导入基础上做一些简略的清洗和预处理作业。导入与预处理进程的特色和应战主要是导入的数据量大,每秒钟的导入量经常会到达百兆,甚至千兆等级。
大数据处理之三:核算/剖析
核算与剖析主要运用分布式数据库,或许分布式核算集群来对存储于其内的海量数据进行普通 的剖析和分类汇总等,以满足大多数常见的剖析需求,在这方面,一些实时性需求会用到EMC的GreenPlum、Oracle的Exadata,以及根据 MySQL的列式存储Infobright等,而一些批处理,或许根据半结构化数据的需求能够运用Hadoop。 核算与剖析这部分的主要特色和应战是剖析触及的数据量大,其对系统资源,特别是I/O会有极大的占用。
大数据处理之四:发掘
主要是在现有数据上面进行根据各种算法的核算,然后起到预测(Predict)的作用,然后实现一些高等级数据剖析的需求。主要运用的工具有Hadoop的Mahout等。该进程的特色和应战主要是用于发掘的算法很复杂,并 且核算触及的数据量和核算量都很大,常用数据发掘算法都以单线程为主。
关于如何进行大数据处理,青藤小编就和您分享到这里了。如果您对大数据工程有浓厚的兴趣,希望这篇文章可以为您提供帮助。如果您还想了解更多关于数据分析师、大数据工程师的技巧及素材等内容,可以点击本站的其他文章进行学习。
D. 大数据如何发挥大价值
大数据如何发挥大价值
大数据时代,CIO的竞争优势从信息技术转变为围绕客户体验、数据分析、流程管理领域,让数据发挥大价值。
全球每秒钟发送2900万封电子邮件,推特上每天发布 5000万条消息;亚马逊每天产生 630万笔订单;Google每天需要处理24PB 的数据……
海量数据的处理,以及如何用数据创造更大的价值,给CIO们提出了更多的挑战。根据Valueresearch研究报告显示,大数据已经跃升为CIO关注度排名第四的技术与应用,并且还在持续提升中。
2013年9月4日,商业价值、ITValue和CommVault公司在北京联合举办了“大数据的大价值”的CIO沙龙。12位来自不同行业的CIO进行了精彩的分享和讨论。
业务需求引导数据分析
在一个家庭里,谁来主导旅游消费?谁来做旅游决策?
中青旅控股有限公司(下称“中青旅”)的IT部门和市场推广部联合成立了一个数据挖掘小组,在总裁助理林军的带领下,以业务需求出发用信息技术做数据挖掘,得出如下信息:在中国家庭里,旅游通常是太太来做决策;国内家庭客户策划旅游中,欧美游所需计划决策时间最长,其次是东南亚旅游,而国内游则是决策时间最短,经常会临时抱佛脚说走就走。于是,中青旅根据数据挖掘分析的结果,进行旅游产品策划和收益管理的调整,更能针对性地满足客户的需求和优化客户的体验,而且优化之后的旅游产品推广效果和盈利情况更佳。
中粮大悦城(下称“大悦城”)CIO张岩也表示,明晰业务需求才能更好地进行数据挖掘。大悦城进驻了数百家知名品牌商户,其内部系统的数据是纷繁复杂的:包括POS数据、客流的数据、商流的数据、会员的数据等等。如果从IT的角度进行分类管理、分析价值,各个业务部门的数据差异巨大,数据分析价值很低。但改由数据创造价值或者以大悦城整体商业价值来进行分析,数据分析更有价值 。
张岩带领数据分析团队,优先从商业的逻辑来考虑,对大悦城历年的销售数据进行系统梳理,建立了符合购物中心行业特色的数据分析体系。体系中包含了品牌商户、消费客群、项目收益3大系统模块,做到了从3大商业经营角度综合分析项目运转情况。得益于这套商业分析系统,朝阳大悦城帮助入驻的500多家商户,根据分析情况调整销售策略,实现了朝阳大悦城销售额年增长率近40%的高增长。
新东方教育科技集团信息管理部总监官冲认为,做数据分析和挖掘的人,一定得是懂业务的人。数据挖掘可以由外部人员来教授方法,但一定由内部人员自己实践。只有自己更了解自己的业务,能判断出哪类数据挖掘对企业有价值。其实,企业能用以分析的数据越全面,分析的结果就越接近于真实。大数据分析需要由业务需求为主导,这样企业能够从这些新的数据中获取新的洞察力,并将其与已知业务的各个细节相融合。
大数据有大价值
爱康国宾健康管理集团每年有200万人次的体检数据,这些数据蕴含着黄金般的价值。这些数据能从遗传、生活习惯、饮食等角度出发,对身体状况跟踪预测,对疾病早期预警,进行全方位的健康干预,进而对客户进行有偿或无偿服务,成为爱康国宾一片新的业务蓝海。
爱康国宾信息技术副总裁冯朝晖介绍,爱康国宾现在已经在为客户提供一些基础的健康管理服务,比如根据体检指标,分析客人的常见慢性病风险,并将慢性病的预防和保健常识通过短信定期推送给客人。未来这项业务还会和医院实现联动。
在张岩的主持下,大悦城搭建商业经营预测、管理体系:以数据挖掘方式,分析大悦城的整体商业变化规律。在数据挖掘中,大悦城并不是关注确切的销售数据,而是寻找发现在商业经营中销售变化的规律。同时,通过大数据技术筛选评估出近百个影响销售规律变化的主观因素,并通过大量的计算与验证,评估出每个影响因素的影响度指标,同时确定该影响因素相关的业务部门。最终,由近百个专项数据分析的结果,建立了全数据的大悦城经营模型(即虚拟大悦城)。从这个模型中,可以预测购物中心的经营状况,为招商、运营、推广各部门的工作提供了良好指导,并且成为管理层经营策略制定的重要依据。
CommVault中国区总经理徐永兴表示,做企业基本要考虑3个关键问题:1.增加收入;2.降低成本;3.控制风险。近30年来,企业将70%以上的资金和注意力都集中在前两项,而控制风险总是容易被忽视。CIO很多时候投入的大量的资金和精力都是在控制风险。其实,如果把数据管理做好,不但能帮CIO节省IT支出,甚至还能挖掘数据的价值,来更好地增加收入和降低成本,让CIO更具价值。
CIO如何从数据处理转型到数据业务?商业价值总经理万宁谈到,在社会信息化环境下,企业IT新趋势:1.CIO竞争优势从信息技术转变为围绕客户体验、数据分析、流程管理领域。2.相比业务流程设计,信息管理技术的重要性会更高。创建企业数字化业务模式,企业需要从技术角度、业务流程、人员角色、上升到企业企战略层面建立数字化企业。3.集中提供的应用和基础架构将会嵌入在业务服务之中,由企业共享的服务组织提供。
以上是小编为大家分享的关于大数据如何发挥大价值的相关内容,更多信息可以关注环球青藤分享更多干货
E. 大数据是什么多大的数据叫大数据
根据数据收集的端口,企业端与个人端之间,大数据的数量级别是不同的。
企业端(B端)数据近十万的级别,就可以称为大数据;个人端(C端)的大数据要达到千万级别。收集渠道没有特定要求,PC端、移动端或传统渠道都可以,重点要达到这样数量级的有效数据,形成数据服务即可。很有趣,大家可以看到2B和2C,两类大数据差了两个数量级。
有些小公司,数据只有千到万级的规模,但经过收集分析,也能从中有针对性的总结出这一群体的原则,同样能指导企业进行一定程度的用户分析、获取或者是服务工作,但这并不是大数据,而是一般性的数据挖掘。
大数据面向的是更海量的一个数据,借助了更广义的知识数据库的分析方法。大部分的数据公司的数据来源是海量的,它的收集和分析,并不是局限于个体,而是以一个非常非常广泛的群体为对象展开的。
F. 当数据成为发展驱动力,大数据如何实现大
大数据是企业收集的一堆信息或非结构化数据,用以理解人们的习惯,并利用它来发展自己的业务。它有助于这些企业更好地判断用户的习惯和喜好,并提出更好的产品展示给用户,帮助用户更快、更好、更高效地购物。
G. 大数据如何贡献大价值
大数据如何贡献大价值
一切的现象都在告诉人们,一个新的科技时代似乎正在来临。有些IT职业追潮人士甚至激动地认为“人类历史上第三次科技革命”即将到来。
大数据之惑
问题在于,什么是大数据?为什么人人言必称大数据?
“很大很大的数据”就是大数据。对“大”的定义在不断刷新。10年前1GB数据已经很大了,今天,1000GB并不算太大。
问题其实不在于大,而在价值。“大数据”再大仍旧只是数据,没有足够有效的分析与应用,一切数据都是垃圾。纽约时报专栏作家David Brooks认为,缺乏足够有效的分析是大数据的最大问题:越来越多的数据,带来越来越多的相关性;其实很多相关性都是没有意义的,这种欺骗性质的数据关联会把数据管理者和使用者引入歧途,浪费大量的人力物力去管理、分析这些数据。
除了传统意义上人们认为的那些有行有列有数值或者文字的数据表单之外,IT技术还帮助人们收集了越来越多的其他类型的资料,比如视频,语音,图片,文档等。这些被称为“非结构化数据”。
结构化与非结构化数据每天都在成倍的增加。以道路视频监控为例,全上海的摄像头有10多万个,每一刻都在记录图片与视频。一旦发生案件或者事件,这些记录在硬盘库里的资料就成为侦察与审判环节的重要证据。尽管目前技术尚不支持,业界仍然期望未来能在TB乃至于PB级的视频数据里搜到一张特定身影或者脸孔。这类搜索/分析技术未来将是启动视频类大数据应用的引擎。
同样,基于语音、照片或者文本的分析与数据挖掘同样可以给人类对数据的理解带来革命性的突破。问题在于,这类技术仍停留在实验室阶段。
尽管没有足够的应用,大数据仍然不可阻挡地火热了起来。不扯上大数据似乎就要落伍了一样,大数据满天飞的日子来到了。至于这股潮流到底会演变成象。com一样的泡沫,还是第三次产业革命,在华威先生们眼里,已经根本不重要了。业界,数据库/存储等领域供应商当然乐见其成,而企业的IT经理们则又多了一个申请预算的借口。
数据的价值及企业数据战略
数据的获取与存储仍然是IT建设的基础架构。一旦决定启动“大数据战略”,对资源源源不断的占用使得这一工作黑洞化。如何规避这种大数据黑洞?结合全球主要行业领导企业以及部分小而强的欧洲企业的成功案例,我认为,应该以应用(分析及业务决策)为中心建立相应的数据战略,并且随之建立相应的从收集数据、管理数据到最终业务决策的一整套流程。而不是为数据而数据——首先要建立以应用为中心的数据战略。说到应用,银行、保险、汽车、化工等几乎所有行业都在开展以数据分析为基础的各种应用,以JMP软件全球行业案例库里面的部分典型客户为例:
电商在分析顾客采购行为数据,以进行促销和相关货品推荐(交叉/提升销售)
航空公司在调查旅客反馈,以改进空中服务(客户挽留)
药厂在对临床实验数据进行分析,以判断新药的安全性和有效性(研发新产品)
汽车厂商在对维修信息进行分析,以改进汽车整车和关键零部件的可靠性以提升客户满意度(挽留及获取客户)、降低客户拥有成本和车厂的保修成本(降低成本)
手机公司在对手机销售量进行预测,以合理排产与优化库存(运营优化)
卫生管理部门在运用数据模型对流行病趋势进行描述、监控与预测
银行在对客户服务流程进行优化与改善,以提升客户满意度
电脑厂商在利用客户对不同配置组合进行市场调查,以进行定价
保险公司在根据保单出险情况进行保单定价的动态调整,以确保该产品基本盈利能力
半导体企业在对制造全流程数据进行分析/建模/优化,以改善工艺,提升良率,从而实现成本降低与利润提升
食品公司在利用数据分析和市场调查手段,研发本地客户最喜好的口味
快速食品行业在利用JMP地图分析工具与人口统计学相结合,以进行门店选址,客户获取及供应链优化
只有足够有效的应用,方可获取数据的价值。企业只有在战略层面确立了数据分析的重要性,方可持续改善。以GE为例,六西格玛及相应的数据分析流程已经成为GE的全球战略与文化。不仅如何,GE还持续不懈地推动基于数据分析的持续改善工作。在高端航空发动机研发及GE能源系统业务领域方面,GE也与时俱进,导入JMP所代表的业界最高水平的实验设计(DOE)方法,以进一步提升其研发水平。
其次,一切都离不开人。与这股指数级增长的数据分析需求相对应,统计、分析类人才正成为职场上的稀缺品种和抢手货。3月初华尔街日报刊登了“全美最抢手职业排名”,数据分析类职位高居榜单第二位。这是美国。对中国来说,或许排名更高,因为稀缺。
最后,建立一整套以数据分析及决策流程,以取代传统的拍脑袋决策体系。这一点对于中国企业来说尤其需要强调。这不仅仅是对战略的有效执行,更需要企业拿出“改变”的决心和勇气,在制度层面体现出对“改变”的鼓励和包容。
在这个应用为王的年代,对于企业来说,不论是搭建基础架构还是应用软件,要不要投入,如何投入,其实是个老话题了,无外乎价值与价格。大数据/云计算,不论名字如何变化,逻辑依旧。
H. 大数据如何变得如此之大
今年真是大数据的交叉年:作为一个概念、作为一个术语、同时还作为一种营销工具。大数据已异军突起,突破科技界的局限,成为主流。首先,关于大数据,这里必须强调几点:大数据是今年在瑞士达沃斯9374.html">世界经济论坛上的一个特色主题,报告题为《大数据,大影响》。今年3月,美国联邦政府宣布投资2亿美元启动“大数据研究和发展计划”。
里克斯莫兰,“一日生活”摄影系列的创作者,有了一个新的项目作品,被称为“人类面对大数据”。纽约时报也采用这一名称,其文章标题是《大数据时代》和《数据大校园》。宣布大数据时代已经明确到来的标志是上个月斯科特•亚当斯的讽刺漫画《呆伯特》的问世。一个专栏导读说:“到处都是它,它什么都知道。它的名字叫大数据。”
大数据的故事就像是一个米姆决策。其有两方面的重要成分。首先是这个词汇本身没有太多的技术含量,但却朗朗上口,依稀令人回味。第二是这一词汇背后则蕴藏着具有巨大的技术发展潜力,同一些技术陷阱。
大数据是一个速记的标签,通常是指运用人工智能,如机器学习,在大量数据中捕获标准数据库。新的数据来源包括网页浏览数据、社会网络通信、传感器数据和监测数据。
结合海量的数据和软件算法打开了新的商业机会的大门。例如,谷歌和Facebook这样的大数据公司。去年,来自IBM的沃森(人工智能程序)击败了人类,在电视智力竞答节目“Jeopardy!”中获胜,便是大数据计算的一个胜利。从理论上讲,大数据可以提高从商业到医药领域中的决策,允许根据数据和分析,而不是直觉和经验来做出决定。
“这个词本身是模糊的,但它正在变得越来越真实。”康奈尔大学的计算机科学家乔恩•克莱因伯格说。“大数据是一个过程,一个口号,它有可能改变一切。”
长期以来,数据量的持续上涨一直是一个挑战。从19世纪后期,普查员就苦于不知如何将快速增长的美国人口进行计数和分类。1890年,当人口达到6300万的时候,人口普查迎来了一个创新突破。赫尔曼霍尔瑞斯发明穿孔卡片数据工具被证明是机器可读的,这些卡片于是成为了IBM公司的技术基石。
因此,大数据这一术语是对现实状况的一种修辞,当涉及到数据的时候,“大”是一个快速移动的目标。2008年,据一些计算机科学家和业内高管介绍,“大数据”开始在科技界获得的重视。Wired杂志上发表的文章,提出了中肯的机会及将会影响现代的海量数据。
Wired宣布,这种新的计算方式,开启了PB时代。这是一本很好的杂志,但“PB字节”的标签太技术而无法成为主流,不可避免地,PB字节数据将让位给更大的字节:艾字节:zettabytes和yottabytes。
起初,许多科学家和工程师冷笑道,大数据只是一个营销术语。但良好的营销加上有效的沟通,在任何领域都是有价值的技能。例如,数学家约翰•麦卡锡在1955年提出了“人工智能”一词时,他申请洛克菲勒基金会的资助时的巧妙的措辞便是一种绝妙而理想的营销。
在2008年年底,一批全国领先的计算机科学的研究人员开始接受大数据,计算机界联合会、计算研究协会与政府的国家科学基金会的合作,这代表了学术界和企业的研究人员接受大数据的概念。计算机协会出版了一份有影响力的白皮书《大数据计算:开创商业、科学和社会领域的革命性突破》。其作者是三位着名的计算机科学家,卡耐基•梅隆大学的兰道尔•布赖恩特(RandalE.Bryant)、加利福尼亚大学伯克利分校兰迪•卡兹(RandyH.Katz)、华盛顿大学的爱德华•拉佐斯加(EdwardD.Lazowska)。
上述专家的代言给了大数据以智力可信度。IBM技术研究员兼新兴互联网技术副总裁罗德A.史密斯说,他十分喜欢这个术语,因为它引导人们的思维从机械数据处理走向数据量的精确措施处理。“实际上,大数据真正在于其新用途和新见解,而不在于其那么多的数据本身。”史密斯先生说。
IBM通过其大数据营销,尤其是与客户产生共鸣。在2008年,史密斯先生的研究小组发布了一个网站,解释大数据主题,该网站的知名度速度被大大扩展。在2011年,该公司推出了Twitter帐号,包括#IBMbigdata。IBM公司有一个大数据的newsletter,并在1月份发表可以分电子书《了解大数据》。
自1976年成立以来,SAS软件研究所这家世界上最大的私人持有的软件公司,已通过数据库进行筛选开发软件,寻找价值并掘金。总部设在北卡罗来纳州Cary,N.C.的SAS,已在该领域有过许多营销术语,包括“数据挖掘”、“商业智能”和“数据分析。”
起初,SAS的首席营销官吉姆•戴维斯,将大数据视为另一个行业阶段性的概念炒作。
“我最初曾嘲笑过这个术语。”戴维斯先生回忆说,他指出他们公司的大企业客户,如银行和保险公司,已挖掘了几十年的大量数据了。
但大数据试图寻找挖掘所有网络数据以及外部数据库。SAS公司的技术已经利用网络时代的数据资产,改变了其市场。去年,公司开始采用大数据和“大数据分析,与此同时采用的还有他们已使用了多年的“高性能分析”。五月公司任命保罗肯特为公司的大数据副总裁。“我们不得不跟随着潮流。”戴维斯先生说。
大数据的支持者说其带来的回报远远大于风险。尽管如此,智能技术保证观察、记录,并作出有关人类行的为前所未有的推论应该可以促使一些新的想法的产生,无论是创造这些技术的人,还是使用它们的人。
以上由物联传媒转载,如有侵权联系删除