都想搞个大数据 挖掘更多创造数据的渠道更重要

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

现在大数据这个慨念已经快要“烂大街“了,无论什么企业什么行业都要嚷嚷两句自己的业务有融入大数据,似乎有点流量就是大数据,有点数据就可以搞云,搞人工智能。对于这件事,你怎么看?

  大数据的未来

Bernardo Huberman 是全世界最早利用社会化数据进行大数据预测的科学家之一,他们普遍认为,未来大数据的核心叫“社会化大数据”,人和人的关系、人和数据的关系都要用数据关联呈现。这就是为什么在美国很多人认为谷歌的价值不如Facebook。

通过对社会化数据的分析,我们能够对人,社会和商业有更加深入的理解。这也是近期微软为什么以每股196美元,合计262亿美元的全现金收购包括Linkenin公司的全部股权和净现金的原因。虽然Linkedin用户活跃度很低,但是从社会化数据的角度衡量,它的数据非常有价值。

大数据的壁垒

社会化数据有强大的壁垒,巧妇难为无米之炊,只要掌握了数据,即使分析能力不那么精致,也能实现一些匪夷所思的事。社会化数据分两类:一类是开放的,像Facebook。一类是封闭的,像微信。微信互动数据积累的信息和相互关系,除了腾讯,没有人可以掌握,更别说使用。大数据的门槛非常非常高。

今天,大家都知道数据里金子,因此大多数公司会采取相对封闭的办法。虽然今天的掘金能力不强,但是守着这座金矿,不许别人来挖。这种心态会阻碍行业发展,最优秀的专家未必有机会获得数据进行分析处理。数据垄断的问题在未来更加严重。

无奈的现实

美国著名企业家、发明家、《奇点临近》作者库兹韦尔,为了利用谷歌公司的数据研究人工智能,不得不加入谷歌公司。许多公司利用手机APP和浏览器里的Cookie获取大量用户信息,持续跟踪用户行为,但这明显是对用户数据隐私的侵权。

对过度要求用户信息获取权限的行为进行监管是早晚的事,甚至下一代浏览器不再支持Cookie,不允许第三方对用户行为进行没有底线的跟踪。无奈的是,如果不采用这种方法获取数据,数据就会被大公司垄断,小公司则没有出路。数据整合也因大公司的市场比过高而困难重重。

比如说市场上的TalkingData,它会去整合和分析各家小公司的数据。你会发现一个规律,小公司的数据更容易拿出来共享,越大的公司越不容易拿出来共享。小网站一定愿意和你共享数据,但百度一定不愿意,小APP愿意和你共享数据,但微信一定不愿意。

实际上大公司的数据占据了市场的60%甚至70%以上的份额,这也就是大头理论,头决定了行业的走向,这些大公司的数据更加真实可靠,而长尾数据只能沦为对市场理解的偏差,或者被大公司收购的命运。所以很多中小公司,都是靠从大平台分配和购买数据流量,来支持自有业务的成长。大平台可以做到非常大的数据流量仓库,但是岔路口怎么管理?这是提出的新学问。

可能的路径

自己生产数据。数据生产方式已经多样化,通过第三方采集+自己分析,有很强的优势。比如美国一家公司,通过一个小卫星,专业监测超市门口车的数量,对车的数量涨落,判断宏观经济是不是出现问题。同时在微观方面,对超市竞争对手做各种分析。

再比如一个精准种植公司,通过对水质和土质的监测,来指导农民非均匀的播种种植。这些都是一些个性化的数据挖掘和服务。把数据采集和分析结合起来,给用户提供完整解决方案。个性化服务是未来大数据公司真正的竞争优势。

  最后

大数据很精彩,有能力却没有数据,未必能创业。挖掘更多创造数据的渠道,利用数据的方法,最关键的是找到数据和应用的结合点。





====================================分割线================================


本文转自d1net(转载)

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
5天前
|
存储 分布式计算 数据挖掘
数据架构 ODPS 是什么?
数据架构 ODPS 是什么?
50 7
|
5天前
|
存储 分布式计算 大数据
大数据 优化数据读取
【11月更文挑战第4天】
15 2
|
18天前
|
数据采集 监控 数据管理
数据治理之道:大数据平台的搭建与数据质量管理
【10月更文挑战第26天】随着信息技术的发展,数据成为企业核心资源。本文探讨大数据平台的搭建与数据质量管理,包括选择合适架构、数据处理与分析能力、数据质量标准与监控机制、数据清洗与校验及元数据管理,为企业数据治理提供参考。
60 1
|
12天前
|
存储 大数据 定位技术
大数据 数据索引技术
【10月更文挑战第26天】
30 3
|
12天前
|
存储 大数据 OLAP
大数据数据分区技术
【10月更文挑战第26天】
43 2
|
15天前
|
消息中间件 分布式计算 大数据
数据为王:大数据处理与分析技术在企业决策中的力量
【10月更文挑战第29天】在信息爆炸的时代,大数据处理与分析技术为企业提供了前所未有的洞察力和决策支持。本文探讨了大数据技术在企业决策中的重要性和实际应用,包括数据的力量、实时分析、数据驱动的决策以及数据安全与隐私保护。通过这些技术,企业能够从海量数据中提取有价值的信息,预测市场趋势,优化业务流程,从而在竞争中占据优势。
49 2
|
17天前
|
数据采集 分布式计算 大数据
数据治理之道:大数据平台的搭建与数据质量管理
【10月更文挑战第27天】在数字化时代,数据治理对于确保数据资产的保值增值至关重要。本文探讨了大数据平台的搭建和数据质量管理的重要性及实践方法。大数据平台应包括数据存储、处理、分析和展示等功能,常用工具如Hadoop、Apache Spark和Flink。数据质量管理则涉及数据的准确性、一致性和完整性,通过建立数据质量评估和监控体系,确保数据分析结果的可靠性。企业应设立数据治理委员会,投资相关工具和技术,提升数据治理的效率和效果。
49 2
|
19天前
|
存储 安全 大数据
大数据隐私保护:用户数据的安全之道
【10月更文挑战第31天】在大数据时代,数据的价值日益凸显,但用户隐私保护问题也愈发严峻。本文探讨了大数据隐私保护的重要性、面临的挑战及有效解决方案,旨在为企业和社会提供用户数据安全的指导。通过加强透明度、采用加密技术、实施数据最小化原则、加强访问控制、采用隐私保护技术和提升用户意识,共同推动大数据隐私保护的发展。
|
23天前
|
SQL 存储 大数据
大数据中数据提取
【10月更文挑战第19天】
49 2
|
1月前
|
NoSQL 大数据 测试技术
想从事大数据方向职场小白看过来, 数据方面的一些英文解释
想从事大数据方向职场小白看过来, 数据方面的一些英文解释
37 0