IBM:70%的企业正在应用大数据分析、云计算、移动和社交技术

&">nbsp;   在“竞争加剧——IBM商业科技趋势研究报告(PDF)“中,通过2012年和当前采用情况的对比以及领跑者和浅尝者的对比,IBM评估了当前的4种关键技术,大数据分析、云计算、移动和社交技术,在企业中的应用情况。

研究表明,领跑者认为这些技术对业务成功至关重要,需要领先于竞争对手采用这些技术。追随者认为这些技术具有重要的战略意义,但在技术的采用上,通常采用追随领跑者的策略。而浅尝者在前沿技术的采用上则一般会落后于竞争对手,最多也就是与竞争对手持平,而且他们在对这些技术的应用上,通常也比较缺乏战略性的视野。

在IBM研究中,有一些重要发现:

从下图所示的实际部署数据可以看到,70%的企业正在应用大数据分析、云计算、移动和社交技术:
近75%的企业决策者认为这些技术对其所在的组织具有重要的战略意义,2012年这一比例是66%。希望增加在大数据分析、云计算和移动方面的投资的企业比例上升到75%,66%的企业计划在社交上增加更多投入。90%的领跑者认为采用这些技术,是他们具有竞争优势的关键。在追随者中这一比例是70%,浅尝者中则是40%。10位领跑者中有8位会使用国民开发者(Citizen Developer)(通常是公共的)。倾向于在培训中使用公民开发者的领跑者比例是浅尝者的2倍。“参与初创企业以掌握IT方向”的领跑者比例是浅尝者的2.6倍。10位领跑者中有7位认为在决策过程中分析是不可或缺的一个环节。60%的领跑者计划在今后的两年内,在分析方面增加超过10%的投资,浅尝者的这一比例为29%。80%的领跑者还计划在今后两年内更多地应用社交和移动分析。在云计算方面,57%的领跑者在云环境中使用大数据(这一比例是浅尝者的6倍),使用社交的领跑者比例是53%(是浅尝者的7倍),使用移动的领跑者比例是55%(是浅尝者的4倍)。

基于本次研究,我们可以很确定的说,大数据分析、云计算、移动和社交这四种技术已经不再只是流行语,而正在逐渐成为企业软件开发和IT的关键。

在这次研究中,IBM调查了1147位企业决策者:其中21%是C级别的高管,其余的受访者包括副总裁,业务和IT部门的总监、总经理,覆盖13个国家的15个行业。约半数受访企业拥有超过1000名员工。

时间: 2024-08-01 18:38:06

IBM:70%的企业正在应用大数据分析、云计算、移动和社交技术的相关文章

《Spark大数据分析:核心概念、技术及实践》大数据技术一览

本节书摘来自华章出版社<Spark大数据分析:核心概念.技术及实践>一书中的第1章,第1节,作者穆罕默德·古勒(Mohammed Guller)更多章节内容可以访问"华章计算机"公众号查看. 大数据技术一览 我们正处在大数据时代.数据不仅是任何组织的命脉,而且在指数级增长.今天所产生的数据比过去几年所产生的数据大好几个数量级.挑战在于如何从数据中获取商业价值.这就是大数据相关技术想要解决的问题.因此,大数据已成为过去几年最热门的技术趋势之一.一些非常活跃的开源项目都与大数据

《Spark大数据分析:核心概念、技术及实践》Scala编程

本节书摘来自华章出版社<Spark大数据分析:核心概念.技术及实践>一书中的第1章,第2节,作者穆罕默德·古勒(Mohammed Guller)更多章节内容可以访问"华章计算机"公众号查看. Scala编程 Scala是当前热门的现代编程语言之一.它是编程语言界的凯迪拉克.它是一门强大且优美的语言.学会了它,对你的职业生涯大有裨益. 用不同的编程语言都可以编写大数据应用程序,比如Java.Python.C++.Scala等.Hadoop本身就是用Java编写的.尽管大多数的

《Spark大数据分析:核心概念、技术及实践》Spark Core

本节书摘来自华章出版社<Spark大数据分析:核心概念.技术及实践>一书中的第1章,第节,作者穆罕默德·古勒(Mohammed Guller)更多章节内容可以访问"华章计算机"公众号查看. Spark Core Spark是大数据领域最活跃的开源项目,甚至比Hadoop还要热门.如第1章所述,它被认为是Hadoop的继任者.Spark的使用率大幅增长.很多组织正在用Spark取代Hadoop. 从概念上看,Spark类似于Hadoop,它们都用于处理大数据.它们都能用商用硬

《Spark大数据分析:核心概念、技术及实践》一3.9 共享变量

 本节书摘来自华章出版社<Spark大数据分析:核心概念.技术及实践>一书中的第3章,第3.9节,作者[美] 穆罕默德·古勒(Mohammed Guller),更多章节内容可以访问"华章计算机"公众号查看. 3.9 共享变量 Spark使用的架构是无共享的.数据分布在集群的各个节点上,每个节点都有自己的CPU.内存和存储资源.没有全局的内存空间用于任务间共享.驱动程序和任务之间通过消息共享数据. 举例来说,如果一个RDD操作的函数参数是驱动程序中变量的引用,Spark会将这

《Spark大数据分析:核心概念、技术及实践》一 第2章 Scala编程

  本节书摘来自华章出版社<Spark大数据分析:核心概念.技术及实践>一书中的第2章,第2.1节,作者[美] 穆罕默德·古勒(Mohammed Guller),更多章节内容可以访问"华章计算机"公众号查看. 第2章 Scala编程 Scala是当前热门的现代编程语言之一.它是编程语言界的凯迪拉克.它是一门强大且优美的语言.学会了它,对你的职业生涯大有裨益. 用不同的编程语言都可以编写大数据应用程序,比如Java.Python.C++.Scala等.Hadoop本身就是用J

《Spark大数据分析:核心概念、技术及实践》一 1.3 列存储

  本节书摘来自华章出版社<Spark大数据分析:核心概念.技术及实践>一书中的第1章,第1.3节,作者[美] 穆罕默德·古勒(Mohammed Guller),更多章节内容可以访问"华章计算机"公众号查看. 1.3 列存储 数据可以面向行或面向列的格式来存储.在面向行格式中,一行的所有列或字段存储在一起.这里的一行,可以是CSV文件中的一行,或者是数据库表中的一条记录.当数据以面向行格式保存时,第一行后面是第二行,接着是第三行,以此类推.面向行存储对于主要执行数据的CRU

《Spark大数据分析:核心概念、技术及实践》一3.8 Spark作业

 本节书摘来自华章出版社<Spark大数据分析:核心概念.技术及实践>一书中的第3章,第3.8节,作者[美] 穆罕默德·古勒(Mohammed Guller),更多章节内容可以访问"华章计算机"公众号查看. 3.8 Spark作业 RDD上的转换.操作和缓存方法构成了Spark应用的基础.从本质上说,RDD描述了Spark编程模型.既然我们介绍过了编程模型,那么接下来我们介绍在Spark应用中这些是怎么结合在一起的. 作业指的是Spark将要执行的一些计算,它们将操作的结果

《Spark大数据分析:核心概念、技术及实践》一3.6 惰性操作

 本节书摘来自华章出版社<Spark大数据分析:核心概念.技术及实践>一书中的第3章,第3.6节,作者[美] 穆罕默德·古勒(Mohammed Guller),更多章节内容可以访问"华章计算机"公众号查看. 3.6 惰性操作 RDD的创建和转换方法都是惰性操作.当应用调用一个返回RDD的方法的时候,Spark并不会立即执行运算.比如,当你使用SparkContext的textFile方法从HDFS中读取文件时,Spark并不会马上从硬盘中读取文件.类似地,RDD转换操作(它

《Spark大数据分析:核心概念、技术及实践》一3.10 总结

 本节书摘来自华章出版社<Spark大数据分析:核心概念.技术及实践>一书中的第3章,第3.10节,作者[美] 穆罕默德·古勒(Mohammed Guller),更多章节内容可以访问"华章计算机"公众号查看. 3.10 总结 Spark是一个快速.可扩展.可容错且基于内存的集群计算框架.一个Spark应用可以比Hadoop应用快上100倍. Spark不但快速而且它能很方便地使用mapReduce.通过不同语言(包括Java.Python.Scala和R)的易读的API,它