
誰會成為2015年的“大數據巨人”
毫無疑問,大數據在2015年將變得更大。去年,各種各樣的公司開始接觸或使用大數據技術,并將其推入到主流技術中,今年你會看到更多這種趨勢。許多科技巨頭有望于今年提供新的大數據產品和服務,同時潮水般的初創(chuàng)企業(yè)也將未來12個月內因提供創(chuàng)新的大數據技術而沖上頭版頭條。我開始使用“大數據巨人”稱呼那些在商業(yè)模式中建立起數據基礎的大公司,2015年我們能從它們身上得到什么?
1.谷歌
谷歌將繼續(xù)主導搜索領域,但2015年我們將看到其繼續(xù)向我們日常生活中的其他領域擴張。2014年,谷歌收購了智能家居先鋒Nest,后者也是智能恒溫器的制造商。而Nest在獲得谷歌支持后又收購了智能家居系統(tǒng)公司Revolv,后者打造“智能家居中心”,可連接和控制智能燈泡、安全攝像頭以及自動門的許多家居用品。
谷歌的目的是提供現(xiàn)代智能家居的基礎主干,而智能家居的概念有望在2015年成為現(xiàn)實。谷歌也有望推出其核心產品的兒童版本,包括利于兒童使用的搜索、Chrome以及Youtube等產品和服務,進一步將其提供的各種技術定位為日常家庭生活的一部分。
2.Facebook
盡管Facebook依然是世界上最大的社交網絡,但在與Twitter和Instagram的競爭中,F(xiàn)acebook卻依然在喪師失地,特別是在年輕用戶群體中??墒牵現(xiàn)acebook去年出人意料的一次收購卻顯示出其正將網絡通信的概念引領向一個全新的方向。
今年年初,消費者最終有望買到Oculus Rift虛擬現(xiàn)實頭盔。盡管這款頭盔最初主要針對游戲玩家,但Facebook首席執(zhí)行官馬克·扎克伯格(Mark Zuckerberg)明確表示,F(xiàn)acebook將承擔起建立虛擬世界的任務,任何人都可以去探索虛擬數據,并與如山的數據互動。2015年,我們很可能看到這樣的虛擬世界開始形成。
3.微軟
微軟一直致力于將數據分析推向主流,而隨著其基于云技術打造的分析工具PowerBI不斷升級,微軟的努力將于2015年開始收獲碩果。微軟2013年即推出PowerBI,目的旨在向熱門Office套件提供分析功能。微軟一直希望具有新的功能,比如專門的iPad應用來分析移動數據能力、儀表盤分析能力、直接與SQL數據庫對話的能力等,這些功能將促使各種規(guī)模的企業(yè)使用PowerBI。
4.惠普
與大數據服務供應商亞馬遜以及IBM等一樣,惠普也開發(fā)出自己的大數據分析平臺Haven,可安全通過云技術使用。這意味著,從儲存、分析到報告等過程,都可以交給惠普來完成,用戶可以節(jié)省每月的訂閱費用,甚至完全免除建設基礎設施的費用。這消除了許多公司實行大數據戰(zhàn)略的障礙,也大大降低了入門門檻。惠普的Haven與亞馬遜的Redshift和IBM的DashDB展開競爭后,將導致大數據分析的訂閱成本降低,使用分析技術提高效率的企業(yè)數量也大大增加。
5.IBM
IBM的Watson Analytics剛剛開始面向公眾,這代表數據分析向日常主流邁出了一大步。但它的名字讓人感到困惑,因為它也是IBM人工智能算法的名字。它曾于2011年在美國智力游戲《危險境地》(Jeopardy)中,擊敗了兩位最優(yōu)秀的人類選手肯·詹寧斯(Ken Jennings)和布拉德·魯特(Brad Rutter),并促使詹寧斯宣稱“歡迎我們的新電腦霸主!”
這是因為它使用了很多專為Watson Analytics開發(fā)的技術,用以支持其自然語言處理能力。這意味著,Watson Analytics可以使用流利的英語解釋輸入的查詢。它既可以提供免費在線網絡服務,也可提供特別訂閱的企業(yè)服務,以便提供更大數量的數據分析服務。
數據分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
訓練與驗證損失驟升:機器學習訓練中的異常診斷與解決方案 在機器學習模型訓練過程中,“損失曲線” 是反映模型學習狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數據生態(tài)中兩類核心工具的差異與協(xié)同 在數字化轉型加速的今天,企業(yè)對數據的需求已從 “存儲” 轉向 “ ...
2025-09-19CDA 數據分析師:讓統(tǒng)計基本概念成為業(yè)務決策的底層邏輯 統(tǒng)計基本概念是商業(yè)數據分析的 “基礎語言”—— 從描述數據分布的 “均 ...
2025-09-19CDA 數據分析師:表結構數據 “獲取 - 加工 - 使用” 全流程的賦能者 表結構數據(如數據庫表、Excel 表、CSV 文件)是企業(yè)數字 ...
2025-09-19SQL Server 中 CONVERT 函數的日期轉換:從基礎用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數據處理中,日期格式轉換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數據庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內涵、作用與應用解析 動態(tài)隨機一般均衡(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? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數據分析師:解鎖表結構數據特征價值的專業(yè)核心 表結構數據(以 “行 - 列” 規(guī)范存儲的結構化數據,如數據庫表、Excel 表、 ...
2025-09-17Excel 導入數據含缺失值?詳解 dropna 函數的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數據時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數據分析與統(tǒng)計學領域,假設檢驗是驗證研究假設、判斷數據差異是否 “ ...
2025-09-16CDA 數據分析師:掌控表格結構數據全功能周期的專業(yè)操盤手 表格結構數據(以 “行 - 列” 存儲的結構化數據,如 Excel 表、數據 ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網絡請求開發(fā)時(如使用requests ...
2025-09-15CDA 數據分析師:激活表格結構數據價值的核心操盤手 表格結構數據(如 Excel 表格、數據庫表)是企業(yè)最基礎、最核心的數據形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調用、數據爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數據的科學計數法問題 為幫助 Python 數據從業(yè)者解決pd.read_csv讀取長浮點數據時的科學計數法問題 ...
2025-09-12CDA 數據分析師:業(yè)務數據分析步驟的落地者與價值優(yōu)化者 業(yè)務數據分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務邏輯:從規(guī)則拆解到數據把關的實戰(zhàn)指南 在業(yè)務系統(tǒng)落地過程中,“業(yè)務邏輯” 是連接 “需求設計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數據驅動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11