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
云原生大数据计算服务 MaxCompute,5000CU*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
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
|
2月前
|
SQL 分布式计算 运维
如何对付一个耗时6h+的ODPS任务:慢节点优化实践
本文描述了大数据处理任务(特别是涉及大量JOIN操作的任务)中遇到的性能瓶颈问题及其优化过程。
|
1月前
|
机器学习/深度学习 算法 搜索推荐
从理论到实践,Python算法复杂度分析一站式教程,助你轻松驾驭大数据挑战!
【10月更文挑战第4天】在大数据时代,算法效率至关重要。本文从理论入手,介绍时间复杂度和空间复杂度两个核心概念,并通过冒泡排序和快速排序的Python实现详细分析其复杂度。冒泡排序的时间复杂度为O(n^2),空间复杂度为O(1);快速排序平均时间复杂度为O(n log n),空间复杂度为O(log n)。文章还介绍了算法选择、分而治之及空间换时间等优化策略,帮助你在大数据挑战中游刃有余。
61 4
|
23天前
|
边缘计算 人工智能 搜索推荐
大数据与零售业:精准营销的实践
【10月更文挑战第31天】在信息化社会,大数据技术正成为推动零售业革新的重要驱动力。本文探讨了大数据在零售业中的应用,包括客户细分、个性化推荐、动态定价、营销自动化、预测性分析、忠诚度管理和社交网络洞察等方面,通过实际案例展示了大数据如何帮助商家洞悉消费者行为,优化决策,实现精准营销。同时,文章也讨论了大数据面临的挑战和未来展望。
|
5月前
|
数据采集 数据可视化 大数据
Python在大数据处理中的应用实践
Python在大数据处理中扮演重要角色,借助`requests`和`BeautifulSoup`抓取数据,`pandas`进行清洗预处理,面对大规模数据时,`Dask`提供分布式处理能力,而`matplotlib`和`seaborn`则助力数据可视化。通过这些工具,数据工程师和科学家能高效地管理、分析和展示海量数据。
219 4
|
4月前
|
数据采集 运维 Cloud Native
Flink+Paimon在阿里云大数据云原生运维数仓的实践
构建实时云原生运维数仓以提升大数据集群的运维能力,采用 Flink+Paimon 方案,解决资源审计、拓扑及趋势分析需求。
18511 54
Flink+Paimon在阿里云大数据云原生运维数仓的实践
|
1月前
|
SQL 消息中间件 分布式计算
大数据-143 - ClickHouse 集群 SQL 超详细实践记录!(一)
大数据-143 - ClickHouse 集群 SQL 超详细实践记录!(一)
80 0
|
1月前
|
SQL 大数据
大数据-143 - ClickHouse 集群 SQL 超详细实践记录!(二)
大数据-143 - ClickHouse 集群 SQL 超详细实践记录!(二)
59 0
|
1月前
|
SQL 消息中间件 分布式计算
大数据-130 - Flink CEP 详解 - CEP开发流程 与 案例实践:恶意登录检测实现
大数据-130 - Flink CEP 详解 - CEP开发流程 与 案例实践:恶意登录检测实现
46 0
|
4月前
|
存储 机器学习/深度学习 大数据
参与开源大数据Workshop·杭州站,共探企业湖仓演进实践
Apache Flink 诚邀您参加 7 月 27 日在杭州举办的阿里云开源大数据 Workshop,了解流式湖仓、湖仓一体架构的最近演进方向,共探企业云上湖仓实践案例。
178 12
参与开源大数据Workshop·杭州站,共探企业湖仓演进实践
|
3月前
|
分布式计算 搜索推荐 物联网
大数据及AI典型场景实践问题之通过KafKa+OTS+MaxCompute完成物联网系统技术重构如何解决
大数据及AI典型场景实践问题之通过KafKa+OTS+MaxCompute完成物联网系统技术重构如何解决
下一篇
无影云桌面