浏览器化软件目前还没有成为主流,但在2015年一定会成为主流,并将直接改变软件企业的架构。企业必须调整人员、部门和产品,以适应新变化。
■人物名片
刘政
IEEE协会高级会员,中国计算机协会大数据专家委员,清华大学数据科学研究院顾问,中国软件行业协会过程改进分会常务理事和监事会长,2009年中国最佳软件研发中心领军人物,2013年中国软件工程成就人物,发展·创新十年(2004-2014)中国软件和服务外包卓越成就人物,并带领SAS连续8年10次获得中国最佳雇主称号。
近年来,软件与硬件、应用与服务紧密融合,网络化、服务化、融合化趋势日益明显。同时,大数据、云计算在各种场合被频繁提及,并且已成为新的生产力。大数据、云计算与软件行业的融合,已成为软件企业转型的重要步骤之一。近日,本报记者在北京对SAS(赛仕)软件研究开发(北京)有限公司总经理刘政进行专访,探索软件业如何改变自我、如何对IT和应用架构进行重新审视。
大数据云计算为中国软件企业提供了新的发展机遇
记者:大数据、云计算汹涌而来,软件企业应该如何应对?
刘政:上世纪90年代开始,计算机慢慢普及,中国软件业快速发展,用友、金蝶等一批国内软件企业迅速崛起,SAS等国外软件企业在中国得到长足发展,可谓是软件企业的“黄金年代”。经历快速发展期,软件企业再上一个新台阶缺少更大的动力。大数据、云计算的出现可谓正当其时,数据分析在生产生活中扮演着越来越重要的角色,软件企业应当牢牢抓住机遇,跳出IT的局限来看待大数据,利用大数据为应用赋予价值,反过来又可以通过应用为大数据增值。大数据、云计算汹涌而来,驱动软件企业变革,要求软件企业为适应大数据、云计算时代,必须重新写代码、开发新的软件。
记者:数据分析是如何发展起来的?
刘政:SAS是数据分析软件的开拓者,也见证了全球数据分析软件发展的历程。二次世界大战时期,美英两国率先使用运筹学的方法解决当时迫切需要把各种稀少的资源以最有效的方式分配给各个战场和军事单位的问题,便有了数据分析的雏形。到了1966年,计算机刚刚出现,美国农业部需要统计软件分析大量农业数据,美国南方8所大学获得研究基金,开发通用目的的统计分析软件包。这个软件包的名字成为了后来SAS公司的名字和产品基础。到了上世纪70年代,数据分析在美国已有了一定规模。
目前对非结构化数据的处理能力仅处于初级阶段
记者:在数据分析方面,现在与过去的最大区别在哪?
刘政:数据分析的数量、种类、速度、方法都发生了巨大变化。过去的分析数据都是几十兆,达到G已经非常大。进入大数据时代,数据量呈爆炸式增长,现在已经是TB级了。大数据不仅是数据量大,类型也变多了。以前多是结构数据,而现在除了结构数据,还有大量的非结构化数据,包括文本数据、音频数据、视频数据、图像数据等。目前对非结构化数据的处理能力仅仅处于初级阶段,还不能像分析结构数据一般自如。传统数据分析方法和技术已经不能满足需要,数据处理技术从过去的单线程变成了多线程,高性能分析架构形成了今后数据分析的骨干架,目前比较普遍采用的是内存分析、数据库内分析和网格分析三项技术。
记者:内存分析、数据库内分析和网格分析具体是什么技术呢?
刘政:内存分析技术是把数据直接放在内存做分析工作。数据库内分析是数据量大的时候,数据传输过程非常慢,现在我们把各数据分析的模型放在数据库里,只要给数据库发指令,就可以调用数据模型直接对库里的数据进行分析,这样就节省了数据传输的时间。网格计算分析就是分布式计算,把要处理的数据放在不同的机器上运行,然后把计算结果合并。把这三种技术结合起来,可以解决数据量大的问题,十余行的数据几乎可以达到实时处理。
浏览器化软件今年定成主流,软件企业须调整以适应新变化
记者:软件企业的商业模式将会是什么?
刘政:现在许多国外软件企业已停止开发安装在单个机器上的软件,多是开发浏览器化软件,只要能上网,就能使用软件公司在“云”上的产品,使用的硬件资源、软件资源在“云”上租到。“云”模式也将会越来越普及。
SAS的浏览器化软件产品已经达到总产品数的三分之一。浏览器化软件目前还没有成为主流,但在2015年一定会成为主流,并将直接改变软件企业的架构。企业必须调整人员、部门和产品,以适应新变化。
记者:国内软件行业的发展趋势是什么?
刘政:软件业处于一个变革时代,云计算、大数据使得软件和数据将来都会到“云”上。过去软件公司开发的很多软件都将过时,现在需要开发的是一种能够运行在“云”上的软件。这对国内软件开发者来说是一个非常好的赶超机会。但中国现在最缺的不是软件技术,而是软件业生存的环境。各大企业不找软件公司购买软件和服务,而是自己开发软件。这不仅加大了成本、周期长、不够专业,而且破坏国内软件业发展的生态环境。只有建立一个良好的软件生态环境,各专各行,中国的软件公司才能不断更新版本,生产出能够和世界上其他公司竞争的软件。此外,加大开发数据分析产品和开源软件将是一个大趋势。
数据分析咨询请扫描二维码
《Python数据分析极简入门》 第2节 2 Pandas数据类型 Pandas 有两种自己独有的基本数据结构。需要注意的是,它固然有着两种数据 ...
2024-11-01《Python数据分析极简入门》 第2节 1 Pandas简介 说好开始学Python,怎么到了Pandas? 前面说过,既然定义为极简入门,我们只抓 ...
2024-10-31在当今数据驱动的世界中,数据科学与工程专业的重要性愈发凸显。无论是推动技术进步,还是在商业决策中提供精准分析,这一专业都 ...
2024-10-30在当今信息爆炸的时代,数据已成为企业决策和战略制定的核心资源。爬虫工程师因此成为数据获取和挖掘的关键角色。本文将详细介绍 ...
2024-10-30在当今数据驱动的世界中,数据分析是揭示商业洞察和推动决策的核心力量。选择合适的数据分析工具对于数据专业人士而言至关重要。 ...
2024-10-30能源企业在全球经济和环境保护双重压力下,正面临前所未有的挑战与机遇。数字化转型作为应对这些挑战的关键手段,正在深刻变革传 ...
2024-10-30近年来,随着数据科学的逐步发展,Python语言的使用率也越来越高,不仅可以做数据处理,网页开发,更是数据科学、机器学习、深度 ...
2024-10-30大数据分析师证书 针对不同知识,掌握程度的要求分为【领会】、【熟知】、【应用】三个级别,考生应按照不同知识要求进行学习。 ...
2024-10-30《Python数据分析极简入门》 附:Anaconda安装教程 注:分Windows系统下安装和MacOS系统安装 1. Windows系统下安装 第一步清华大 ...
2024-10-29拥抱数据分析的世界 - 成为一名数据分析工程师是一个充满挑战和机遇的职业选择。要成功地进入这个领域,你需要掌握一系列关键技 ...
2024-10-28降本增效:管理战略的关键 企业管理中的降本增效不仅是一项重要的战略举措,更是激发竞争力、提高盈利能力的关键。这一理念在当 ...
2024-10-28企业数字化是指利用数字技术和信息化手段,对企业的各个方面进行改造和优化,以提升生产效率、服务质量和市场竞争力的过程。实现 ...
2024-10-28数据科学专业毕业后,毕业生可以选择从事多种不同的岗位和领域。数据科学是一个快速发展且广泛应用的领域,毕业生在企业、学术界 ...
2024-10-28学习数据科学与大数据技术是当今职业发展中至关重要的一环。从基础到高级,以下是一些建议的课程路径: 基础课程: Python编程 ...
2024-10-28在信息技术和数据科学领域,数据架构师扮演着至关重要的角色。他们负责设计和管理企业中复杂的数据基础设施,以支持数据驱动的决 ...
2024-10-28进入21世纪以来,随着信息技术的迅猛发展,大数据已经成为全球最具影响力的技术之一,并成为企业数字化转型的核心驱动力。大数据 ...
2024-10-28随着科技的迅猛发展,数字化转型已成为现代企业保持竞争力和推动增长的关键战略之一。数字化不仅仅是技术的应用,它代表着一种全 ...
2024-10-28银行业正处于一个前所未有的数字化转型时期。在数字经济的驱动下,金融科技如大数据、人工智能、生物识别、物联网和云计算等技术 ...
2024-10-28数据分析可视化是一门艺术与科学相结合的技术,其主要目标是将复杂的数据变得更易于理解和分析。通过将数据以图表的形式呈现,我 ...
2024-10-28数据分析师在现代信息密集型的商业世界中扮演着至关重要的角色。他们通过专业的技能和敏锐的商业洞察力,帮助企业从大量数据中提 ...
2024-10-28