回顾工作经历,工业“大数据”是发展的必然吗?

简介: 10多个年头的工作经历是我人生中巨大的财富,从设备生产干起;到一线的设备安装、调试等实施;到软件开发,以及带领团体和项目的实施;再到现在的工业大数据平台的搭建工作。有技术方面的精进,包括自己开源的作品;也有售前、市场等商务方面的接触和敏感度;同时也在不断观察小企业发展的生态环境,从占领市场先机再到逐步走向下坡路的整个过程。
       10多个年头的工作经历是我人生中巨大的财富,从设备生产干起;到一线的设备安装、调试等实施;到软件开发,以及带领团体和项目的实施;再到现在的工业大数据平台的搭建工作。有技术方面的精进,包括自己开源的作品;也有售前、市场等商务方面的接触和敏感度;同时也在不断观察小企业发展的生态环境,从占领市场先机再到逐步走向下坡路的整个过程。在这期间,在关注工业领域新变化的同时,也在思考未来的发展趋势。
       刚参加工作的时候,工业现场的人员要亲自去抄写仪表上显示的数据信息,简称:人工抄表;随着调制解调技术的发展,有些企业抓住了技术的变革,利用该技术把仪表的数据通过线路传输到电脑端实时显示,尽管传输速率很低,当时电脑的操作系统是刚刚要流行起来的 Win98,当然有些企业的软件还运行在 DOS环境下;随后互联网技术逐步发展起来,工业现场也开始应用网线和光纤,形成局域网。 在这波浪潮中,抓住电脑端发展的企业基本都生存了下来,还只停留在卖设备的企业逐渐被历史淘汰,有些已然变成僵尸企业
       4年前干过“E服务”的平台建设,当时“物联网”、“大数据”、“云平台”等概念还没有流行起来。 那么我们为什么要干类似云的“E服务”?原因很简单,你是卖设备的企业,只拥有设备资源;你不仅是卖设备的,还是电脑端的软件企业,那么你不仅能整合自己家的设备,还有整合其他企业设备资源的能力;这些年IT技术的极速发展,并且慢慢突破边界传导, 企业在发展的过程中是在不断的整合资源,我们又具备了大规模物联、大规模存储、大规模并行计算等能力,所以从电脑端向云端发展也是必然的趋势,相比设备向电脑端连接过度需要更长的时间
       我们暂且把这种云端平台叫“大数据”,它本身是一个概念,相当于一个瓶子,装什么酒由你自己决定。不过说实在的,现在“大数据”这个词有些泛滥,或者已经叫”烂“了,从一开始别人说出”大数据“的新奇感觉,到现在的木然。即正常,又不正常: 正常的是融入了我们的生活,不正常的是不是所有”大数据“都落地可实施,并且每个人的理解千差万别。现在大家对”大数据“的理解,有的侧重物联网、有的侧重存储、有的侧重计算、有的侧重模式或商业......等等, 现在明显有一种趋势是概念教条化,而细分行业之间的情况差异很大,而 就概念讨论的泛化交流,实际造成了相互理解的巨大差异
      不管怎么说, ”大数据“需要体系化建设,而不是仅仅聚焦某一点,物联整合资源的能力、大规模存储的能力、数据计算分析的能力、商业模式的问题等等。我认为决定”大数据“建设是否能够成功有四要素质: 1.思维模式是否转变,企业的高层到底层的员工是否授受了这种思维,决定了尝试定新鲜事物的执行力;客户的是否接受了这种思维,决定了将来我们的市场潜力有多大,这是一个时刻在变化的量。2.是否能够解决现实痛点,这是做一切事情的核心问题,所谓的”大数据“平台能够给用户解决什么实际问题、带来哪些实际利益。3.是否落地可实施,主要涉及到公司的人员团体能力,在一个公司出现新鲜的事物,如果把它视作生产力的发展,那么必定会影响生产关系的改变,也就是公司的人员组织结构的改变,以适应新事物的发展。4.是否能够实现增值,决定了是否能够在原有产品体系下实现提升和突破,并且实现最终的营利
      有了”大数据“平台我们就高枕无忧了吗?这取决于两方面: 1.技术体系和业务的突破,能否成为某个行业或领域的专家。2.新技术的发展对于这种模式的冲击,这是一种必然,但是短时间内没有这个预期。
      最近汉诺威工业博览会闭幕,也将引领未来5-10年的发展趋势。中国这10年间发生了巨大的变化,面对新的契机,要么苟且生存,要么实现超越。
 

相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
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 
相关文章
|
4月前
|
NoSQL 物联网 大数据
【补充】助力工业物联网,工业大数据之AirFlow安装
【补充】助力工业物联网,工业大数据之AirFlow安装
59 1
|
4月前
|
Prometheus 数据可视化 Cloud Native
助力工业物联网,工业大数据之服务域:可视化工具Grafana介绍【三十八】
助力工业物联网,工业大数据之服务域:可视化工具Grafana介绍【三十八】
103 1
|
4月前
|
存储 SQL Oracle
助力工业物联网,工业大数据之服务域:项目总结【三十九】
助力工业物联网,工业大数据之服务域:项目总结【三十九】
43 1
|
4月前
|
SQL Prometheus 监控
助力工业物联网,工业大数据之服务域:node_exporter插件【三十七】
助力工业物联网,工业大数据之服务域:node_exporter插件【三十七】
37 1
|
4月前
|
存储 Prometheus Cloud Native
助力工业物联网,工业大数据之服务域:Prometheus的介绍【三十六】
助力工业物联网,工业大数据之服务域:Prometheus的介绍【三十六】
52 1
|
4月前
|
Prometheus 监控 Cloud Native
助力工业物联网,工业大数据之服务域:服务器性能监控Prometheus及项目总结【三十五】
助力工业物联网,工业大数据之服务域:服务器性能监控Prometheus及项目总结【三十五】
36 1
|
4月前
|
分布式计算 资源调度 物联网
助力工业物联网,工业大数据之服务域:定时调度使用【三十四】
助力工业物联网,工业大数据之服务域:定时调度使用【三十四】
35 1
|
4月前
|
Oracle 关系型数据库 大数据
助力工业物联网,工业大数据之服务域:Shell调度测试【三十三】
助力工业物联网,工业大数据之服务域:Shell调度测试【三十三】
20 1
|
4月前
|
监控 物联网 大数据
助力工业物联网,工业大数据之服务域:AirFlow的架构组件【三十二】
助力工业物联网,工业大数据之服务域:AirFlow的架构组件【三十二】
46 0
|
4月前
|
NoSQL 大数据 物联网
助力工业物联网,工业大数据之服务域:AirFlow的介绍【三十一】
助力工业物联网,工业大数据之服务域:AirFlow的介绍【三十一】
46 0