大数据大金矿
毫无疑问,最近一个月信息技术领域最热门的两个名词,非“云计算”和“大数据”莫属!有人认为这是市场主题泡沫,有人指出这是产业概念,众说纷纭,见仁见智。而我们认为这是一次巨大的投资机会,堪比五年前开始的“智慧城市”建设,许多五年前营收刚过亿的企业如今营
首先,不妨来思考一下信息技术特别是软件业的核心是什么?有人认为是解决管理问题,我更愿意相信是数据的交互。过去十几年软件业的大发展基本是帮助进行信息数据的交互,基于这种交互帮助人们更方便地工作生活,帮助政府更高效地办公管理,帮助企业更快捷地开展业务。目前,数据交互功能对基础软件渗透率的提升已经较高,例如财务软件、OA办公软件、客户管理软件、ERP等等。而过去五年特别是近年来数据量的暴涨,更让诸多眼光独到者捕捉到了数据的特殊价值。因此,“大数据”产业的未来是具有信息化基础的产业趋势。
其次,我们再来看看远方,有了远方或对眼前将有更清楚的认识。“数据+产业+金融”新信息经济是我们对未来五年形态的一个简要概述,数据被我们认为是新信息经济的内核,驱动着未来产业的升级转型,而金融手段或是1.0版本的最好商业形态。
基于此,一幅“大数据”未来的美好画卷将徐徐展开:信息技术公司与产业创新企业、金融机构实现深度合作,廉价资金通过数据、风控有序进入产业,产业资金成本有了较大下降,产业创新升级不断活跃。市场上可能对这样的画面存在质疑的声音,但更多的是质疑时间。这种质疑是合理的,我们同样认为这是一个过程,需要五年为计的时间周期。但可以肯定的是,未来的画面将是美好的,而美好画面中“数据产业链”将凸显其独特而巨大的价值。
为什么我们如此坚定“大数据”的美好未来,从前段时间国家出台的《促进大数据发展行动纲要》中便可见一斑:“大数据”在大范畴上对政府管理、信息化推动、产业升级,乃至国家战略层面,均蕴含着非凡的意义。一方面,国家有序开放数据资源,政府管理效率和能力有望继续提升,医疗、交通、教育等关键社会问题将得到较大改善,且不仅仅是效率提升,如医保控费等;另一方面,国家开放数据将推动信息化建设上升到一个新的台阶,数据开放将带动云计算、信息安全等各类技术快速进步,而这是国家在信息化基础设施建设完成后的迫切需求;同样,也是国家产业升级的迫切需求。
数据作为高级生产力,伴随着各领域数据的价值的挖掘,一些新的商业模式将对产业升级产生加大影响,如基于数据的互联网保险、基于数据的互联网金融、基于数据的供应链金融等。
所以,我们认为信息化建设的下一个抓手一定是“大数据”产业链:(1)这个抓手必须有高度也需要有规模,而大数据产业链覆盖的环节面较广,包括数据传输、数据存储、数据安全、数据分析等等细分产业链,其目前的总市场规模在2000亿左右,未来五年或保持复合增速30%,2020年或超过五千亿规模;(2)这个抓手必须承前启后,是前面信息技术发展的延伸,同时也必须为未来的新生态打基础,唯有“大数据”可以承担起这个重任,国务院颁布的《促进大数据发展行动纲要》也肯定了大数据对未来经济结构转型的推动力量。
再次,让我们看看云计算和大数据又怎么搭上同一班列车的。引用经常被提及的一句话,“从技术上看,大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理,必须采用分布式计算架构。它的特色在于对海量数据的挖掘,但它必须依托云计算的分布式处理、分布式数据库、云存储和虚拟化技术”。云计算存在诸多商业模式,而这些商业模式的创新大多是基于数据存储的便利和基于数据的创新服务,于是它们搭上同一班列车也就不足为奇。云计算与大数据是产业链上不可或缺的两个主体,未来二者将相得益彰、共同推进。云计算技术的创新将推动大数据的产业升级,大数据的发展也将加速云计算技术的更新换代,而云计算本身就是“大数据产业链”的有机组成部分。
最后,必须明确的是,我们对“大数据”产业链外延和内涵的理解,包括对其机会和范畴的理解,有所不同,区别于大众所提的“大数据”狭义机会:一是我们认为这是国家推动信息化发展的下一个抓手,是未来五年的信息化大机会,所以企业和资本市场都应该高度认识其意义,否则容易错过产业大机会;二是所理解的“大数据”产业链范畴存在较大不同,我们认为其范畴不仅包括数据存储、数据安全、数据运营、数据分析,还包括数据通信、产业数据、云计算等环节;三是我们对未来“大数据”产业链发展趋势有较为深刻客观的理解,认为未来大数据产业演进路线丰富,而横向和纵向的维度均有不同的机会存在,不是短期更不是主题。
数据分析咨询请扫描二维码
《Python数据分析极简入门》 第2节 6 Pandas合并连接 在pandas中,有多种方法可以合并和拼接数据。常见的方法包括append()、conc ...
2024-11-24《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列的技能和能力,以确保能够有效地处理、分析和解释数据,从而支持业务决策。以下是数据分析师所需的主要 ...
2024-11-22需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21