从内部实践讲起 联想也谈大数据

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

ZD至顶网服务器频道 09月06日 新闻消息(文/于泽):继云计算在各行各业相继落地后,大数据与我们的关系也在日益密切。在笔者过往进行的客户采访中,有不少用户都表示当下正在进行一些大数据相关的工作,包括对各个业务平台的打通,数据共享、收集以及分析等,这也意味着大数据正在从“阳春白雪”走向“下里巴人”。 

在近日召开的2015中国国际大数据大会上,包括移动、联通、电信及联想等在内的运营商及IT企业均分享了其在大数据领域的探索和布局。从它们身上能看到相同的是,几乎所有企业都意识到了大数据所蕴含的价值;不同的是,各企业在挖掘其价值的过程中,所处的阶段不尽相同,比如有的已经处于利用所挖掘的数据价值来提升业务的阶段,而有的还处于建模型、处理、分析数据的阶段。

大数据落地指日可待 

而这可以说也是当前大数据发展现状的一个缩影,联想集团副总裁、联想研究院云计算与智能计算实验室主任黄莹会后在接受采访时表示,从兴起到今天,大数据的发展经历了所有新技术落地的各种必要过程,包括从概念认知、日渐接受,到今日的逐渐落地。这其中,大数据的价值归根结底在于帮助企业提升商业价值,这点已经毋庸置疑。

从内部实践讲起 联想也谈大数据 联想集团副总裁、联想研究院云计算与智能计算实验室主任黄莹讲联想内部的大数据实践

黄莹举了联想自身的例子来说明。他说,两年前,在联想内部推广大数据的时候,还要跟业务主管介绍大数据是干什么用的。但是从去年开始,各业务部门已经开始从一些小的应用着手进行尝试,到今年,大家对大数据已经完全没有怀疑,包括联想各个业务部门都有大数据方面的项目在进行。 

这其实十分类似于人们接受一个新鲜事物的过程,开始不了解,有怀疑、质疑,逐渐了解后,进行尝试,当获得、或看到好处时则会大力推广。现在大数据所处的发展阶段就已经属于后者,用户不再追问大数据是什么,而是问我们怎么利用大数据。 

具体来说,联想作为一个典型的制造企业,生产的产品有成百上千种,如何做到以客户为中心,其中很重要的一条就是聆听客户需求,及时改进,这也是联想内部做大数据研究的一个主要因素,即帮助其更好地改进产品。当然,一开始的进展也没有那么顺利,据黄莹介绍,最开始推广大数据的时候,也只有几个产品经理在用,不过随着时间的推进,越来越多的产品经理意识到了价值所在,到现在该大数据平台已经有成百上千个产品经理在使用。

从内部实践讲起 联想也谈大数据 联想集团研究院大数据总监郭炜接受采访

对此,联想集团研究院大数据总监郭炜也表示,事实证明,现在大数据已经过了喊口号、炒概念的阶段,其现在与前沿的技术创新和实际应用的结合是非常快的,以前一个东西变成产品可能需要几年,现在一旦技术完备,真正应用到企业也就是几个月的时间。 

利用大数据,最关键的是什么? 

要分析这个首先还是要看看大数据都涉及哪些技术层面,粗略地概括,大致主要包括三个阶段:数据收集、收据分析和数据呈现。毫无疑问,这其中首先要解决的就是数据来源问题,然后才有分析、呈现、利用。以联想自身为例,一方面其将内部的数据孤岛打通,形成数据共享平台,另一方面利用爬虫技术去搜集互联网上关于联想的各种意见、建议,也就是说企业内部数据和外部来自用户的评论共同构成了数据源。 

接下来要做到就是分析、呈现,有关这部分其实不用多讲,每天都有各种新的技术出现,这也不是难题。无论是黄莹还是之前的客户采访,但凡被问到这类问题,他们给出的答案都是一致的,那就是解决了数据来源问题,其他都好办,可见大数据、大数据,说到底首先得有数据。其次,才是分析、利用。 

虽然在采访中,两位发言人都更多提及的是大数据在联想内部的实践,但截止当前,联想已经把这套实践经验总结、提炼,形成了面向用户的最终解决方案,在2015中国国际大数据大会的现场,联想也进行了展出。 

都说实践才出真知,联想的亲身体验想必也能为用户带去价值,帮助用户少走弯路。更多关于联想大数据相关的解决方案,这里不详细展开,有兴趣的朋友可自行去查阅、咨询。总之,大数据所蕴藏的价值毋庸置疑,但在发掘、利用大数据价值的道路上,还是有很多沟沟坎坎要迈过的,找一个有实践经验的供应商,想必不是坏事。

原文发布时间为:  2015年09月06日
本文作者:于泽
本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。
相关实践学习
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
目录
相关文章
|
2月前
|
数据采集 SQL 搜索推荐
大数据之路:阿里巴巴大数据实践——OneData数据中台体系
OneData是阿里巴巴内部实现数据整合与管理的方法体系与工具,旨在解决指标混乱、数据孤岛等问题。通过规范定义、模型设计与工具平台三层架构,实现数据标准化与高效开发,提升数据质量与应用效率。
大数据之路:阿里巴巴大数据实践——OneData数据中台体系
|
3月前
|
分布式计算 监控 大数据
大数据之路:阿里巴巴大数据实践——离线数据开发
该平台提供一站式大数据开发与治理服务,涵盖数据存储计算、任务调度、质量监控及安全管控。基于MaxCompute实现海量数据处理,结合D2与DataWorks进行任务开发与运维,通过SQLSCAN与DQC保障代码质量与数据准确性。任务调度系统支持定时、周期、手动运行等多种模式,确保高效稳定的数据生产流程。
大数据之路:阿里巴巴大数据实践——离线数据开发
|
3月前
|
数据采集 存储 大数据
大数据之路:阿里巴巴大数据实践——日志采集与数据同步
本资料全面介绍大数据处理技术架构,涵盖数据采集、同步、计算与服务全流程。内容包括Web/App端日志采集方案、数据同步工具DataX与TimeTunnel、离线与实时数仓架构、OneData方法论及元数据管理等核心内容,适用于构建企业级数据平台体系。
|
3月前
|
数据采集 分布式计算 DataWorks
ODPS在某公共数据项目上的实践
本项目基于公共数据定义及ODPS与DataWorks技术,构建一体化智能化数据平台,涵盖数据目录、归集、治理、共享与开放六大目标。通过十大子系统实现全流程管理,强化数据安全与流通,提升业务效率与决策能力,助力数字化改革。
96 4
|
3月前
|
分布式计算 DataWorks 数据处理
在数据浪潮中前行:记录一次我与ODPS的实践、思考与展望
本文详细介绍了在 AI 时代背景下,如何利用阿里云 ODPS 平台(尤其是 MaxCompute)进行分布式多模态数据处理的实践过程。内容涵盖技术架构解析、完整操作流程、实际部署步骤以及未来发展方向,同时结合 CSDN 博文深入探讨了多模态数据处理的技术挑战与创新路径,为企业提供高效、低成本的大规模数据处理方案。
206 3
|
2月前
|
存储 SQL 分布式计算
大数据之路:阿里巴巴大数据实践——元数据与计算管理
本内容系统讲解了大数据体系中的元数据管理与计算优化。元数据部分涵盖技术、业务与管理元数据的分类及平台工具,并介绍血缘捕获、智能推荐与冷热分级等技术创新。元数据应用于数据标签、门户管理与建模分析。计算管理方面,深入探讨资源调度失衡、数据倾斜、小文件及长尾任务等问题,提出HBO与CBO优化策略及任务治理方案,全面提升资源利用率与任务执行效率。
|
3月前
|
机器学习/深度学习 存储 分布式计算
ODPS驱动电商仓储革命:动态需求预测系统的落地实践
本方案基于ODPS构建“预测-仿真-决策”闭环系统,解决传统仓储中滞销积压与爆款缺货问题。通过动态特征工程、时空融合模型与库存仿真引擎,实现库存周转天数下降42%,缺货率下降65%,年损减少5000万以上,显著提升运营效率与GMV。
240 1
|
4月前
|
资源调度 安全 Java
Java 大数据在智能教育在线实验室设备管理与实验资源优化配置中的应用实践
本文探讨Java大数据技术在智能教育在线实验室设备管理与资源优化中的应用。通过统一接入异构设备、构建四层实时处理管道及安全防护双体系,显著提升设备利用率与实验效率。某“双一流”高校实践显示,设备利用率从41%升至89%,等待时间缩短78%。该方案降低管理成本,为教育数字化转型提供技术支持。
102 1
|
3月前
|
SQL 人工智能 分布式计算
在数据浪潮中前行:我与ODPS的实践、思考与展望
在数据驱动决策的时代,企业如何高效处理海量数据成为数字化转型关键。本文结合作者实践,深入解析阿里云自研大数据平台 ODPS 的技术优势与应用场景,涵盖 MaxCompute、DataWorks、Hologres 等核心产品,分享从数据治理到实时分析的落地经验,并展望其在 AI 与向量数据时代的发展前景。
199 70

热门文章

最新文章