
光“大”是不行的,開(kāi)放才能實(shí)現(xiàn)大數(shù)據(jù)的深發(fā)展_數(shù)據(jù)分析師
圍墻里的大數(shù)據(jù)注定成為死數(shù)據(jù)。大數(shù)據(jù)需要開(kāi)放式創(chuàng)新,從數(shù)據(jù)的開(kāi)放、共享和交易,到價(jià)值提取能力的開(kāi)放,再到基礎(chǔ)處理和分析平臺(tái)的開(kāi)放,讓數(shù)據(jù)如同血液在數(shù)據(jù)社會(huì)的軀體中長(zhǎng)流,滋潤(rùn)數(shù)據(jù)經(jīng)濟(jì),讓更多的長(zhǎng)尾企業(yè)和數(shù)據(jù)思維創(chuàng)新者產(chǎn)生多姿多彩的化學(xué)作用,才能創(chuàng)造大數(shù)據(jù)的黃金時(shí)代。
我的大數(shù)據(jù)研究軌跡
我做了4-5年的移動(dòng)架構(gòu)和Java虛擬機(jī),4-5年的眾核架構(gòu)和并行編程系統(tǒng),最近4-5年也在追時(shí)髦,先是投入物聯(lián)網(wǎng),最近幾年一直在做大數(shù)據(jù)。我們團(tuán)隊(duì)的大數(shù)據(jù)研究軌跡如下圖所示:
2010-2012年,主要關(guān)注數(shù)據(jù)和機(jī)器的關(guān)系:水平擴(kuò)展、容錯(cuò)、一致性、軟硬件協(xié)同設(shè)計(jì),同時(shí)厘清各種計(jì)算模式,從批處理(MapReduce)到流處理、Big SQL/ad hoc query、圖計(jì)算、機(jī)器學(xué)習(xí)等等。事實(shí)上,我們的團(tuán)隊(duì)只是英特爾大數(shù)據(jù)研發(fā)力量的一部分,上海的團(tuán)隊(duì)是英特爾Hadoop發(fā)行版的主力軍,現(xiàn)在英特爾成了Cloudera的最大股東,自己不做發(fā)行版了,但是平臺(tái)優(yōu)化、開(kāi)源支持和垂直領(lǐng)域的解決方案仍然是英特爾大數(shù)據(jù)研發(fā)的重心。
從2013年開(kāi)始關(guān)注數(shù)據(jù)與人的關(guān)系:對(duì)于數(shù)據(jù)科學(xué)家怎么做好分布式機(jī)器學(xué)習(xí)、特征工程與非監(jiān)督學(xué)習(xí),對(duì)于領(lǐng)域?qū)<襾?lái)說(shuō)怎么做好交互式分析工具,對(duì)于終端用戶(hù)怎么做好交互式可視化工具。英特爾研究院在美國(guó)卡內(nèi)基梅隆大學(xué)支持的科研中心做了GraphLab、Stale Synchronous Parallelism,在MIT的科研中心做了交互式可視化和SciDB上的大數(shù)據(jù)分析,而中國(guó)主要做了Spark SQL和MLlib(機(jī)器學(xué)習(xí)庫(kù)),現(xiàn)在也涉及到深度學(xué)習(xí)算法和基礎(chǔ)設(shè)施。
2014年重點(diǎn)分析數(shù)據(jù)和數(shù)據(jù)的關(guān)系:我們?cè)瓉?lái)的工作重心是開(kāi)源,后來(lái)發(fā)現(xiàn)開(kāi)源只是開(kāi)放式創(chuàng)新的一個(gè)部分,做大數(shù)據(jù)的開(kāi)放式創(chuàng)新還要做數(shù)據(jù)的開(kāi)放、大數(shù)據(jù)基礎(chǔ)設(shè)施的開(kāi)放以及價(jià)值提取能力的開(kāi)放。
數(shù)據(jù)的暗黑之海與外部效應(yīng)
下面是一張非常有意思的圖,黃色部分是化石級(jí)的,即沒(méi)有聯(lián)網(wǎng)、沒(méi)有數(shù)字化的數(shù)據(jù),而絕大多數(shù)的數(shù)據(jù)是在這片海里面。只有海平面的這些數(shù)據(jù)(有人把它稱(chēng)作Surface Web)才是真正大家能訪問(wèn)到的數(shù)據(jù),爬蟲(chóng)能爬到、搜索引擎能檢索到的數(shù)據(jù),而絕大多數(shù)的數(shù)據(jù)是在暗黑之海里面(相應(yīng)地叫做Dark Web),據(jù)說(shuō)這一部分占數(shù)據(jù)總量的85%以上,它們?cè)谝恍┕聧u里面,在一些企業(yè)、政府里面躺在地板上睡大覺(jué)。
數(shù)據(jù)之于數(shù)據(jù)社會(huì),就如同水之于城市或者血液之于身體一樣。城市因?yàn)楹恿鞫Q生也受其滋養(yǎng),血液一旦停滯身體也就危在旦夕。所以,對(duì)于號(hào)稱(chēng)數(shù)據(jù)化生存的社會(huì)來(lái)說(shuō),我們一定要讓數(shù)據(jù)流動(dòng)起來(lái),不然這個(gè)社會(huì)將會(huì)喪失諸多重要功能。
所以,我們希望數(shù)據(jù)能夠像“金風(fēng)玉露一相逢”那樣產(chǎn)生化學(xué)作用。馬化騰先生提出了一個(gè)internet+的概念,英特爾也有一個(gè)大數(shù)據(jù)X,相當(dāng)于大數(shù)據(jù)乘以各行各業(yè)。如下圖所示,乘法效應(yīng)之外,數(shù)據(jù)有個(gè)非常奇妙的效應(yīng)叫做外部效應(yīng)(externality),比如這個(gè)數(shù)據(jù)對(duì)我沒(méi)用但對(duì)TA很有用,所謂我之毒藥彼之蜜糖。
比如,金融數(shù)據(jù)和電商數(shù)據(jù)碰撞在一起,就產(chǎn)生了像小微貸款那樣的互聯(lián)網(wǎng)金融;電信數(shù)據(jù)和政府?dāng)?shù)據(jù)相遇,可以產(chǎn)生人口統(tǒng)計(jì)學(xué)方面的價(jià)值,幫助城市規(guī)劃人們居住、工作、娛樂(lè)的場(chǎng)所;金融數(shù)據(jù)和醫(yī)學(xué)數(shù)據(jù)在一起,麥肯錫列舉了很多應(yīng)用,比如可以發(fā)現(xiàn)騙保;物流數(shù)據(jù)和電商數(shù)據(jù)湊在一塊,可以了解各個(gè)經(jīng)濟(jì)子領(lǐng)域的運(yùn)行情況;物流數(shù)據(jù)和金融數(shù)據(jù)產(chǎn)生供應(yīng)鏈金融,而金融數(shù)據(jù)和農(nóng)業(yè)數(shù)據(jù)也能發(fā)生一些化學(xué)作用。比如Google analytics出來(lái)的幾個(gè)人,利用美國(guó)開(kāi)放氣象數(shù)據(jù),在每一塊農(nóng)田上建立微氣象模型,可以預(yù)測(cè)災(zāi)害,幫助農(nóng)民保險(xiǎn)和理賠。
所以,要走數(shù)據(jù)開(kāi)放之路,讓不同領(lǐng)域的數(shù)據(jù)真正流動(dòng)起來(lái)、融合起來(lái),才能釋放大數(shù)據(jù)的價(jià)值。
數(shù)據(jù)分析咨詢(xún)請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無(wú)論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢(xún)效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開(kāi)的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開(kāi)始提取前,需先判斷 TIF 文件的類(lèi)型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專(zhuān)業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專(zhuān)業(yè)操盤(pán)手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開(kāi)發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤(pán)手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問(wèn)題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問(wèn)題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問(wèn)題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過(guò)程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶(hù)體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷(xiāo)案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見(jiàn)頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷(xiāo)成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類(lèi)分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類(lèi)分析作為 “無(wú)監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10