大数据的三大夯石:数据、区域链、算法

环境不断变化,新技术层出不穷,新组织建设不断,这都会对我们的商业模式造成颠覆性影响,因此我们必须要了解未来到底会发生什么。2017年即将如约而至,面对未来,你准备好了吗?

在青岛举行的以“数据创造价值,智慧引领未来”为主题的“2016全球大数据应用研究论坛”上,知名大数据网站Datafloq创始人、全球十大顶尖大数据影响人物之一马克·范·雷蒙南(Mark van Ri jmenam)先生提出,数据、区块链和算法将是构成未来的基础。

事实上,自2001年来,大数据已然呈现出爆炸式增长。经过多年发展,大数据的应用已经帮助我们开发了更多、更高端的技术在我们的工作、生活中。与此同时,大数据也衍生出了其他技术,比如人工智能、机器学习等。那么,放眼未来,大数据又将如何开启新征程?

1、通过数据,更好赋权

这个意思就是我们应该给数据一些能力,让他们来做决策。这里所说的“他们”并非指的是董事长、高管、或者总裁,而是真正跟客户、顾客打交道的人。事实上,他们往往在数据上可以有很多想法,比如帮助你监督这个市场正在发生怎样的变化,比如为你提供服务改进等很好的建议。

大数据的存在,赋予了我们预见未知的能力。有了大数据,我们就可以发现“黑天鹅”。它指的是能对组织产生极大影响的事件,比如前几年显著影响全球经济的金融危机。事实上,互联网也可以被称为是黑天鹅事件。在其刚刚开始之际,没有人觉得互联网能成大器,或有什么不同,但放眼现在,互联网已经对我们的社会、生活、组织产生了非常大影响。

事实上,利用大数据,我们可以预测、发现、或者回应这样的黑天鹅事件。如果你想在未来保持竞争力,这是非常容易做到的。怎么做呢?我把它叫做混合型数据,就是把它的内部数据和外部数据这种结构化和非结构化的数据进行整合。通过整合,我们可以更容易地去发现未知,并让决策者获取相应的真知灼见。

2、区域链,催生多种技术发展

与黑天鹅事件一样,区域链也需要大家的足够关注。它具体是指通过单一、真实的源头分享一个统一的、单一的数据库、数据源,但是因为不同的参与方参与进来了,它们就可以形成链条式的连接。这种分发型网络,就像最开始因特网、蒸汽机的出现,能够引领一个又一个的技术发展。

可以说,区块链技术将会影响到各行各业。这主要是因为区块链的一个重要特征—智能协议。它实际上是一个小的智能技术包,这是在两方或者更多方之间的一个协议,它通过编码软件包加入到区块链当中。这种智慧协议会给我们带来大量新的应用领域。

比如,我们用区块链可以去保证大选是公正公平的。你可以去记录所有的交易,当然也可以记录这种大选,因为大选其实在一定意义上也是一种交易。所以通过区块链可以记录下来谁投票了,投给了谁,进行了怎样的选举过程。所以在区块链上记录大选的时候,我们可以知道这个大选是不是公平、公正。

现在的区块链技术可能就相当于90年代的互联网技术。它一定会改变我们行业的发展,以及政府、企业运行的方式。

3、算法,崛起的大Boss

因为有了海量数据,有了很多在区块链当中记录的数据,我们需要用算法来帮助我们分析。而我们已经见证了这个算法在改变世界上的巨大潜力。早在1999年,机器人就曾战胜过人脑。今年3月份,韩国开发的机器人更是战胜了世界顶级围棋棋手李世石,这是一次重大突破。实际上,机器人从中取胜并非易事,因为每一步走法都需要进行大量的电脑算法,没有算法是不可能实现的。

在未来几年,算法将会成为我们的大Boss,它会成为我们的版权所有者,成为我们的主力,成为我们的客户服务提供商,并取代我们现在的很多工作岗位,我们必须应对这个问题。大家可能觉得这还很遥远,但是我们已经开始用算法撰写财务报告,而非真正的分析人员。另外,算法也会利用方方面面的数据来帮助我们进行决策,甚至于董事会也可能要听取算法做出的意见,比如关于市场,投资对象等。因此,我们必须要调整标准、价值,来更好地指导算法做出正确的分析。

未来我们可能会有一些算法和核算公司,来进行算法的监测。就像审计公司一样,它们要去检测这个算法做得是不是应当所做的事情。对于算法来说,还有另外一点非常重要的,那就是保持它的活力。

最后总结一下,想要在未来几年保持竞争力,这三点非常重要:

关注数据驱动,要使用复合型数据来去应对我们的整体环境,去了解未知;

关注区块链,因为它可以帮助我们创建一个更好的商业模式;

关注算法,如何更好应用算法,把海量数据联系在一起,进而改善商业营收;

当这三点结合在一起,我们就可以更好地迎接未来的挑战。

本文作者:佚名

来源:51CTO

时间: 2024-10-04 10:13:38

大数据的三大夯石:数据、区域链、算法的相关文章

大数据的三大困境

大数据,作为一套技术.一种经营战略是相对成熟的.这种成熟带来的好处是更先进的工具.更顺畅的部署和新的商业机会.不利的一面是,如果公司想要在实现数字化转型目标方面取得真正成功,新挑战的出现需要更为明智的策略. 一家公司的数字化改造应该从清晰的趋势和障碍出发,更好地规划出一条通往其所寻求业务成果的路线.考虑到这一点,以下是我们关注的三大数据趋势,以及在数字时代可能出现在企业和成功之间的三大困境. 三大趋势 1.真实的机器学习我们坚信,机器学习.人工智能未来很快会接管世界,至少是人类的大部分工作.然而

大数据有多大?关于大数据的三大误区

关于大数据的三大误区 随着整个行业对大数据的兴趣越来越大,我最爱的话题之一,我在2013年做过的大数据的公众演讲超过我职业生涯中的任何往年.我在行业大会.活动,大学以及EMC内部共做过许多次演讲.在这些演讲中一次又一次地接触到了一大堆关于大数据的评论,提问以及错误的理解.我相信将我听到的分享给大家会很有用. 以下是对于大数据的三大误区: 1. 最重要的,是关于大数据本身的大小 大数据主要是数据的大小,因为大数据就是大的,对吗?其实,并不完全是.哈佛的定量社科学院的Gary King说.当然,如今

《大数据时代》作者:大数据的三大特点

文章讲的是<大数据时代>作者:大数据的三大特点,2013年7月11日-12日,主题为"见智,见未来"的IBM 2013技术峰会(IBM Tech Summit 2013)在北京举行.大会围绕移动应用.大数据.云计算.DevOps软件持续交付.应用整合.社交商务.专家集成系统等九大主题展开,吸引了来自全国各地数千名技术人和行业专家参与此次盛会. IBM技术峰会是目前IBM在国内举行的规模最大.涉猎领域最广泛.参加人数最多的高端技术盛会.在两天日程中,包括IBM院士.杰出工程师

工业大数据的三大挑战及大数据未来中国五大商业趋势

在设备运行的过程中,自然磨损本身会使产品的品质发生一定的变化.通过信息技术.物联网技术的发展,通过传感器技术,实时感知数据,知道产品出了什么故障,哪里需要配件,使得生产过程中的这些因素能够被精确控制,从而真正实现生产的智能化.一定程度上,工厂/车间的传感器所产生的大数据直接决定了"工业4.0"所要求的智能化设备的智能水平. 从生产能耗角度来看,设备生产过程中利用传感器集中监控所有的生产流程,能够发现能耗的异常或峰值情况,由此能够在生产过程中不断实时优化能源的消耗.同时,对所有流程的大数

工业大数据面临三大制约因素

我国工业大数据面临三大制约因素:安全和开放体系亟待建立.企业管理理念和运作模式需变革.人才缺乏.这是国内首本研究大数据应用的蓝皮书<大数据应用蓝皮书:中国大数据应用发展报告No.1(2017)>得出的结论.该蓝皮书由中国管理科学学会大数据管理专委会.国务院发展研究中心产业互联网课题组.社会科学文献出版社共同发布. 蓝皮书指出,我国多数工业企业的信息化建设基本上均是由业务部门在业务开展过程中根据自身的局部需求出发开展建设,缺少统一规划,形成了部门割据的信息化烟囱,导致数据编码不一致,系统之间不能

汽车后市场大数据的三大来源

        汽车后市场的大数据在哪里?我认为可能有三个来源. 其一是来自社交媒体. 微信.微博,这些平台会有大量文本数据.语音数据,经销商与顾客的每一次交谈.微博里的每一条信息.微信里的每一次互动对话,通过合适的语音.语义挖掘,都可能发掘消费者与消费行为的相关关系. 其二是来自Telematics系统. 未来几年,Telematics系统会成为汽车的标配,类似车载黑匣子的这类系统会自动记录车辆的大量数据,由于这套系统会内置车主娱乐.社交.信息系统,由机器记录的信息会让厂商真正拥有大数据,如何

国内BI厂商消极对待大数据的三大原因

当大数据即Big Data与云计算.移动应用与社交网络,风靡一世,成为2012 年信息技术领域最时髦的词汇.IBM .Oracle.SAP.微软等厂商,像寻找到了新的金矿,开始极力推崇大数据理念.于是,众厂商蜂拥而至,抢夺大数据市场,尤其是SAP的HANA和Oracle的Exalytics,打得火热.相比之下,部分推BI的厂商还达不到大数据的层次,固守在报表分析的阵地上.事实上,大数据真的有如我们想象中的那么强大吗?BI为什么跑不出"最后一公里"?大数据与BI同时遭遇了被质疑的尴尬.

《大数据、小数据、无数据:网络世界的数据学术》一 2.2 定义与术语

2.2 定义与术语 学术文献.政策声明和大众媒体中到处都充斥着对数据的讨论,它们都尝试定义业内术语.罗森博格(Rosenberg 2013)指出,即使是在科学史和认识论历史中,人们也只是在无意间提及数据(Blair 2010:Daston 1988:Poovey 1998:Porter 1995).其他在科学领域中讨论事实(fact).表示(representation).记录册(inscription)和出版(publication)等含义的基础性作品也很少关注数据本身(Bowker 2005

奔跑吧,大屏 - 时间+空间 实时四维数据透视

标签 PostgreSQL , 递归查询 , 大屏播报 , 最拥堵的路口 , 最旺的商铺 , 某个区域最拥堵的厕所 , 数据透视 , 流式计算 , 时序数据 背景 随着物联网的发展,数据的产生越来越快.比如马路的汽车通过数据,用户的驻留数据,水纹传感器的数据,电商的FEED数据,网约车的轨迹数据 等等. 这么多的数据,用途也不一样,有需要流式实时统计的,也有时序处理相关需求的,还有全量分析需求的. 这些都有对应的解决方案. <流计算风云再起 - PostgreSQL携PipelineDB力挺Io