《大数据导论》一第2章 采用大数据的商业动机与驱动

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:

本节书摘来自华章出版社《大数据导论》一书中的第2章,第2.1节,作者托马斯·埃尔(Thomas Erl),瓦吉德·哈塔克(Wajid Khattak),保罗·布勒(Paul Buhler),更多章节内容可以访问云栖社区“华章计算机”公众号查看。


第2章

采用大数据的商业动机与驱动

在当今世界的许多组织中,业务可以像其所采用的技术那样进行“架构”。这种观念上的转变体现在当今企业架构领域的不断扩大,即过去只与技术架构紧密结合,而现在却也同样包含业务架构。尽管如今人们还只是从一个机械系统的视角来审视一批批的业务,即一条条指令由行政人员发布给主管,再传递给前线的员工们,但是,基于链接与评测的反馈循环机制为管理决策的有效性提供了保障。

这种从决策到实施再到对结果的测评的循环使得企业有机会不断优化其运营。然而事实上,这种机械化的管理观点正在被一种更加有机的管理观点所取代,这种新的管理观点能够将数据转化为知识与见解来驱动商业行为。但是这种新观点有一个问题在于,传统商业几乎仅仅是由其信息系统的内部数据所驱动的,但如今的公司想要在更像生态系统的市场中实现其业务模型,仅仅靠内部数据是不够的。因此,商业组织需要通过吸收外来数据来直接感知那些影响其收益能力的因素。这种对外来数据的使用导致了“大数据”数据集的诞生。

本章探索了采用大数据解决方案和技术背后的商业驱动与动机。大数据被广泛采用是以下几种力量共同作用的结果:市场动态;对业务架构(BA)的理解和形式表达;对公司提供价值的能力与其业务流程管理(BPM)紧密相连的认知;信息与通信技术(ICT)方面的创新;万物互联(IoE)的概念。以上每一点会分别单独介绍。

2.1 市场动态

近些年来,商业审视自身与市场的方式已经有了根本性的改变。在过去的15年里,发生了两场巨大的股市市价回落:一是2000年的互联网泡沫破裂,二是始于2008年的全球经济衰退。在以上两个例子里,商业公司都以减少开支的方式来努力提升自己的效率与效力,从而保证自己的盈利。这种做法的确是正常的,当顾客减少,削减成本也往往随之发生,以求维持公司运营的底线。在这种情况下,公司往往会实施转型项目来协助公司节省开支。

当全球经济开始从衰退中复苏,公司又纷纷雄心勃勃,希望通过推出新的产品与服务,以及增值业务来找到新的顾客,并防止老顾客投入竞争对手的怀抱。这是一个与当初旨在削减开支截然不同的市场周期,因为它并不是意在转型,而是意在创新。创新能为一个公司带来希望—找到新方法来实现市场里的竞争优势以及随之而来的收入增长。

全球经济因为众多因素而处于众多不确定的时期。人们普遍相信世界上主要发达国家的经济越来越相互依存紧密纠缠在一起,换句话来说,它们由众多经济系统组成了一个更大的系统。同样,全球的公司都在改变它们关于自我认知和独立性的看法,因为它们意识到自己同样也由各种复杂的产品和业务网紧紧地联结在一起。

出于这个原因,公司需要扩大其商业智能活动的规模,且不仅仅局限于对公司信息系统所提供的内部信息的反思。它们需要开放胸怀去迎接外部数据源,并由此来感知市场以及完成自我定位。对于一家公司来说,认识到引进外部数据能为其内部数据带来丰富的信息,可以使得它更轻易地从总结的层面,转变为深入洞察的层面,从而提升分析结果的含金量。一旦有了合适的、能支持复杂的模拟性能的工具,公司就能得出富于前瞻性的结果。假若这样,这种工具不仅搭起了知识与智慧间的桥梁,同样也提供了具有建议性的分析结果,而这便是大数据的力量—能极大丰富一个公司的视野,远超其仅仅依赖于内省而得到的视角。从当初仅能通过只言片语推断市场情绪相关的信息,到能真真切切感知到市场本身。

托马斯·达文波特及劳伦斯·普鲁萨克在他们的书籍《工作知识》中提出了广为接受的数据、信息及知识的有效定义。根据达文波特和普鲁萨克所说,“数据是事件的一系列离散的、客观的事实”。从商业方面来讲,这些事件是发生在一个组织的业务流程和信息系统中的—它们代表了与商业实体相联系的工作的产生、更改以及完成。比如说,订单、货运单、通知单以及客户地址的更新。这些事件,是现实世界中的活动在公司信息系统的关系型数据库中的反映。达文波特和普鲁萨克进一步将信息定义为“有意义的数据”。被置于语境中的数据能够起到交流的作用,它传递了信息并且提醒了接收者—不管是人类还是系统。信息经由知识生成的经验及洞察力而丰富。作者陈述到“知识是一种有组织的经验、价值观、相关信息及洞察力的动态组合,该组合的框架可以不断地评价和吸收新的经验和信息”。

这种从后知后觉到有先见之明的转变可以通过图2.1所示的DIKW金字塔来进行理解。注意图中,“智慧”作为三角形的顶端,但是它的存在并不是普遍认为的由ICT系统产生的。相反,“知识”工作者们提供了必要的洞察力和经验来为“知识”搭建起一个框架,从而“知识”汇集而形成“智慧”。由技术手段产生的“智慧”很快演变成一个哲学问题,但那已经不是本书的研讨范围了。在商业环境内,技术是用来支持“知识”的管理的,员工也有责任在工作中运用他们的竞争力和智慧,并落实到行动中。

3026c2aaea60829d0c039bbb61b6bfdcbb5165ff

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 
相关文章
|
8月前
|
人工智能 弹性计算 Serverless
Serverless+AI驱动的一站式数据平台有哪些可能性
【2月更文挑战第4天】Serverless+AI驱动的一站式数据平台有哪些可能性
|
8月前
|
人工智能 数据管理 Serverless
阿里云数据库走向Serverless与AI驱动的一站式数据平台具有重大意义和潜力
阿里云数据库走向Serverless与AI驱动的一站式数据平台具有重大意义和潜力
455 2
|
8月前
|
人工智能 运维 Cloud Native
、你如何看待阿里云数据库走向Serverless与AI驱动的一站式数据平台?
、你如何看待阿里云数据库走向Serverless与AI驱动的一站式数据平台?
206 2
|
3月前
|
SQL 消息中间件 分布式计算
大数据-120 - Flink Window 窗口机制-滑动时间窗口、会话窗口-基于时间驱动&基于事件驱动
大数据-120 - Flink Window 窗口机制-滑动时间窗口、会话窗口-基于时间驱动&基于事件驱动
119 0
|
3月前
|
SQL 分布式计算 大数据
大数据-119 - Flink Window总览 窗口机制-滚动时间窗口-基于时间驱动&基于事件驱动
大数据-119 - Flink Window总览 窗口机制-滚动时间窗口-基于时间驱动&基于事件驱动
154 0
|
5月前
|
DataWorks Kubernetes 大数据
飞天大数据平台产品问题之DataWorks提供的商业化服务如何解决
飞天大数据平台产品问题之DataWorks提供的商业化服务如何解决
|
4月前
|
数据采集 分布式计算 MaxCompute
MaxCompute 分布式计算框架 MaxFrame 服务正式商业化公告
MaxCompute 分布式计算框架 MaxFrame 服务于北京时间2024年09月27日正式商业化!
116 3
|
5月前
|
自然语言处理 供应链 数据可视化
大数据在市场营销中的应用案例:精准洞察,驱动增长
【8月更文挑战第25天】大数据在市场营销中的应用案例不胜枚举,它们共同展示了大数据技术在精准营销、市场预测、用户行为分析等方面的巨大潜力。通过深度挖掘和分析数据,企业能够更加精准地洞察市场需求,优化营销策略,提升市场竞争力。未来,随着大数据技术的不断发展和普及,其在市场营销领域的应用将更加广泛和深入。
1535 3
|
8月前
|
人工智能 数据管理 大数据
阿里云数据库走向Serverless与AI驱动的一站式数据平台是一个很有前景和意义的发展方向
阿里云数据库走向Serverless与AI驱动的一站式数据平台是一个很有前景和意义的发展方向
114 2
|
6月前
|
存储 算法 数据可视化
云上大数据分析平台:解锁数据价值,驱动智能决策新篇章
实时性与流式处理:随着实时数据分析需求的增加,云上大数据分析平台将更加注重实时性和流式处理能力的建设。通过优化计算引擎和存储架构等技术手段,平台将能够实现对数据流的高效处理和分析,为企业提供实时决策支持。通过优化计算引擎和存储架构等技术手段,平台将能够实现对数据流的高效处理和分析,为企业提供实时决策支持。
881 8