银行业数据革命

银行业数据革命（精选10篇）

银行业数据革命 第1篇

智能通信:三大投资主线贯穿全年

无论走到哪里, 总能看到摆弄手机的“低头族”, 打游戏、看视频、刷微信, 手机成了人们日常生活中必不可缺的伙伴。

市场分析人士表示, 在智能终端普及和用户习惯形成的驱动下, 移动互联网行业发展刚刚开始, 将主导未来3年至5年TMT行业发展主题。

12月4日, 4G牌照发放。上海证券表示, 2014年4G基站建设规模翻倍。中国联通首次LTE基站集采5.2万个, 其中TD-LTE基站占比只有19.2%, 中国电信首次LTE集采, 其中30%基站为TD-LTE。2014年中国移动计划4G覆盖城市从100个提高到300个以上, 基站建设量需要40万个左右, 中国联通以FDD为主的实验网, 总数量可能不会超过10万个基站。中国电信以FDD占大部分的实验网, 考虑到其投资规模, 总基站建设规模15万个左右。考虑到2013年TD六期基站数目有12万个以上, 真实总量投资增量要小得多。

截至10月底, 中国移动移动用户达到7.59亿, 其中3G用户数1.76亿。中国移动会尽快把高端用户迁移到4G网络上, 同时提升其ARPU值。5月份至9月份中国移动3G用户月增规模在1000万户左右, 4G下中国移动采取IPhone5S、三星等明星机和千元定制机组合的方式, 预计2014年中国移动的4G用户将在1亿户至1.5亿户, 4G推进进程远超3G的进程。智能手机产业链及手机分销渠道和增值业务受益超预期。

中信建投关于通信行业的最新研究报告表示, 2014年最看好移动互联网、4G及北斗三条主线。

第一、2014年移动互联网将进一步爆发, 未来5年至10年成长空间巨大、是最值得关注的领域。预计手游行业明年翻番增长, 且未来几年仍将保持每年100%以上的高速增长, 但随着行业集中度提升且目前板块估值偏高, 关注点应从主题概念转移到业绩兑现及进一步收购整合中。除手游之外, 移动互联网未来空间广阔, 明年最可能爆发的三大领域为:移动支付 (移动支付卡、芯片、平台) 、移动视频 (在线教育、社交娱乐等短视频分享) 及移动位置服务 (北斗、LBS、三维地图等) 。

第二、4G为跨年主线投资, 2013年规模建设启动, 预计2013年底发放4G牌照, 2014年、2015年为主建设期, 相关上市公司的业绩将在2014年开始有所体现。重点关注系统设备及网优运维相关公司。

第三、北斗产业受国家政策支持, 关系国家安全及国计民生, 可长期看好。此外, 北斗产品规模招标启动是行业将爆发的最重要标志。国防产品规模招标已经启动, 多个行业及区域示范工程在2013年第三季度及2014年第一季度将相继落地, 大众产品 (包括以手机为代表的消费电子产品等) 将不断推出, 北斗产业将在2014年进入全面爆发阶段。

智能穿戴:“小身材”演绎“大财富”

年以来, 继智能手机、平板电脑之后, 可穿戴设备正在成为智能巨头们的“新宠”。分析人士认为, 可穿戴设备很有希望成为下一代电子产品的主旋律, 市场空间巨大, 必将催生一批具有创新精神并受益于可穿戴市场大爆发的企业。同时, 相关上市公司的投资机会也将随之而来。

在资本市场上, 智能穿戴概念的横空出世, 受到市场极大关注, 相关概念股也出现了大幅飙升。

对于可穿戴市场的发展, 有国外机构预估, 2016年可穿戴设备出货量达到1.7亿部, 而中国市场规模到2015年预计达到26.1亿元, 2012年至2015年复合增长率为30.9%。

从长远的发展来看, 业内人士认为, 可穿戴设备百亿规模可期, 但目前仍然处于行业导入期。目前各企业竞争格局分散, 短期尚难出现地方龙头企业, 大众市场仍需要引导消费, 可穿戴设备行业产业链也还不成熟。兴业证券表示, 可穿戴式设备在医疗与消费这两大领域的应用前景最为广阔, 最有发展潜力。

目前看, 谷歌眼镜、智能手表等可穿戴设备是高新科技的典型代表。

光大证券分析认为, 首先, 谷歌眼镜开创了可穿戴设备的先河。谷歌眼镜给硬件行业带来了重大变革和机遇, 其对硬件的要求体现在四个方面:1.人机互动友好性 (包括信息输入和输出) ;2.续航时间长;3.连接性;4.轻薄微型化。

其次, 智能手表将续写可穿戴设备辉煌。苹果、三星、谷歌等巨头的动向让分析师坚信第三代智能手表功能将更为强大, 有望与智能手机相当。

对此, 光大证券表示, 智能眼镜和智能手表具有信息输入和输出优势互补的特点, 两者的结合将兼具各自优势, 并具有可穿戴设备的自然获得人体信息、解放双手的优点, 非常有望替代智能手机, 带来消费电子的革命性变化。而智能眼镜+手表的硬件组合也需要两个产品之间频繁的信号互联, 势必增加对无线模组的需求。

智能家居:千亿元市场空间待开启9只龙头股率先受益

随着科技的不断发展, 人们生活水平的逐渐提升, 在对家的定义上, 人们也从最开始把家仅仅作为居住的场所升级到对安全的需求、对娱乐的需求以及对舒适度的追求等多种需求上, 智能家居把这些需求变为可能, 例如人们可以通过手机遥控来远程操作很多家电设备便是智能家居应用之一。

分析人士表示, 智能家居作为物联网发展的一部分, 将生成一组关于我们生活的数据并被储存到某家公司服务器上, 通过分析挖掘, 这些数据便可能为企业创造利润, 而4G网络平台的建设将推动智能家居快速发展, 目前从技术层面来看, 智能家居技术笼统来看主要分为两大类, 即无线技术与有线技术, 随着Wifi、4G等技术的不断普及, 4G无线智能家居未来将逐渐取代有线产品。通过无线通讯技术, 用户可以随时了解掌控家庭一切, 比如察看家中老人、孩子生活情况等。

数据革命嵌入中国？ 第2篇

如今，各种“科学分析数据”，如总量多少、人均多少、同比增减多少、环比增减多少，充斥于各种报道。它在网络上的传播效果，引发很多解构与嘲笑以及不信任。最新的一例是有人建立了“中华民族复兴指数”，并计算出当今指数为62%。可见，科学与数据这一类词汇，在中国的形象有点古怪，相应的公众认知与感受有点复杂。

作为教师，我会向参加培训课程的公务员推荐《大数据》中的这一段：

2006年，通过把二十多年的犯罪数据和交通事故的数据整合在一起，并映射到同一张地图之后，警务研究人员惊奇地发现，交通事故的高发地带，也正是犯罪活动的高发地带，甚至交通事故的高发时间段，也是犯罪活动的高发时间段。（《大数据》第81-2页）

大家可以注意，这是一个数据积累、整合、分析的科学过程，它产生了新的知识：交通事故与犯罪活动，两者的高发时段与高发地段是重合的。

依据上述新发现，美国国家高速公路交通安全管理局与国家司法援助局两个机构实施跨部门联合，成立了名为“数据驱动的新方法：犯罪和交通安全”的工作组。在此之下，将交通警察与治安警察的资源整合在一起，根据数据指引，专门治理“黑点”，将交通事故率和犯罪率同时压了下来。

这就是一个以大数据分析為基础而进行的政府机构部门的改革，有科学依据，目标是公共管理，效果可公开检验。

中国政府也开展过多次机构改革。多年来，从机构精简到大部制，分久必合，合久必分。但是与《大数据》中的美国案例相比，立刻可以知道差异所在，就是缺乏大数据分析。至少从公开报道中人们看不出来，机构扩张、裁撤或合并，是否有一套针对治理的数据分析作为基础。

这才是《大数据》值得一读的理由。领导干部再博闻强记、再聪明过人，她/他个人不可能生产出大数据知识和创新。而只有以科学的大数据分析及其发现为基础，政府机构改革才能超越旧有的权力分配格局，真正具有功能、意义和价值。

《大数据》值得一读，理由还在于它必定触及规范层面上的争论，实际上也已经引发了争论。这里我只举几个要点：规范涵义、社会涵义以及认识论涵义。

在规范涵义这个层面上，一个争论焦点是：面对复杂的中国问题，是应该强调规范与价值解决优先呢，还是可以将它们化解为科学方法问题，并依赖于越来越技术化的分析方法？

在社会涵义上，问题在于，大数据分析会强化政府的严苛监管吗？会使个人隐私更加暴露，整个社会变成福柯所讲的“全视监狱”吗？美国学者德波拉?斯通在《政策悖论：政治决定的艺术》一书中讲过这样一个观点：计算某些东西，本质上是“创建一个社群”。我们这样来理解，统计尘肺病人数量并相应建立一个数据库，本质上是建立了一个“受害者群体”。不同的指标分析，会建立不同的群体，因此会揭示出社会冲突。显然，怎样建立数据，怎样使用数据，怎样言说数据，背后有社会动力机制，还有价值选择。

在认识论涵义上，我们要问，大数据分析改变了人类认识模式吗？比如，会严重冲击人们对于因果联系的普遍认知吗？如果是，那么检验真假的标准在哪里？它会导致专家统治，或者软件统治吗？

无人能对这些问题轻易给出答案。

涂子沛 著

广西师范大学出版社 2012.7

《平成电影的日本女优》

舒明 著

上海译文出版社 2012.1

昭和64年（1989）1月7日，日本昭和天皇驾崩，翌日皇太子明仁即位，改元平成。本书介绍了134部平成影片与120位日本女演员。老牌杂志《文艺春秋》2009年通过读者投票评选出日本最美最有魅力的十大女演员，分别是：吉永小百合、原节子、高峰秀子、夏木雅子、岸惠子、岩下志麻、宫泽理惠、若尾文子、松隆子和松坂庆子。该刊于平成元年（1989）出版的《日本映画Best150》一书中列出的20位最佳女优前5名则是：原节子、吉永小百合、高峰秀子、田中娟代和岩下志麻。

《天真的和感伤的小说家》

【土耳其】奥尔罕?帕慕克 著

上海人民出版社 2012.8

个人数据革命即将到来 第3篇

2008年至2012年, 中国网民增加2.64亿, 2012年总量5.64亿, 2012年网民同比增长10%, 普及率42%。印度2012年有网民1.37亿, 同比增长26%, 普及率11%。2008年至2012年, 网民增加最多的国家分别为:中国、印度、印尼、伊朗、俄罗斯、尼日利亚、菲律宾、巴西、墨西哥, 美国这里面只有美国是发达国家。

移动互联网用户也已达到15亿, 比去年增加4亿人, 增幅约为30%。此外, 移动互联网已占互联网总流量15%。

2012年, 美国互联网广告规模370亿美元, 移动广告只有40亿美元。从媒体分走的时间份额来看:印刷占6%, 广播占14%, 这两类媒体夺得的用户时间量下降;电视大体持平, 占42%的时间;互联网占26%, 大体持平;移动占12%, 还在上升。从媒体分走的广告份额来看:印刷占23%, 广播占10%, 正在下降;电视占43%, 大体持平;互联网占22%, 大体持平;移动只占3%, 正在上升。在美国, 互联网广告和移动广告拥有200亿美元的机会。

按全球月独立访问者数量看, 排名依次为Google、微软、Facebook、雅虎、维基百科、亚马逊 (Amazon.com) 、苹果、Glam Media、腾讯、百度。

Facebook仍然会稳坐社交网络之王的宝座, 且该公司向移动领域的成功转型也进一步拉动其营收的增长。与此同时, Twitter、You Tube、Tumblr和Pinterest的增长势头也不容小觑。

从智能手机操作系统市场份额来看, 2005年时, 诺基亚塞班约占了65%的份额, 到了2012年只剩下5%左右。2005年时, i OS、Android、Windows Phone只占5%的份额, 到了2012年, 这三大平台占了85%以上份额。

过去几十年, 增长主要集中在PC和智能手机方面。预计未来几十年内, 可穿戴设备及新的设备类型, 如无人驾驶汽车等将成为新的增长点, 并且引发一场个人数据的革命。

在日常生活中, 用户非常频繁地上传和分享照片, 照片目前已成为用户分享最多的个人内容。但与此同时, 视频、音频及来自可穿戴设备的个人数据分享增长速度也十分惊人, 预计这一趋势仍将延续。

5年之内, 全球数字信息创作、分享 (包括文档、图片、微博消息) 增长9倍, 2011年达2ZT。媒体、数据上传、移动分享仍在快速发展, 仍处在初期。最初是拍照数量出现爆发式增长, 它仍处在增长初期。现在轮到视频大爆发。接下来将是音频, 刚刚兴起。下一步就是数据。

每分钟, 上传到You Tube的视频达100小时。由于手机开始使用更多语音功能, 导致声音信息量大增。Sound Cloud每分钟上传11小时声音。

分享是三赢的:你帮我, 我帮你, 我们帮其它人。比如, Waze有4800万用户, 年增长2倍。Yelp有1.02亿用户, 年增长43%, 有3900万用户提供评论, 年增长42%。

美国用户分享量不及其他国家。全世界平均有24%的网民表示他们在网上分享几乎所有的个人内容, 而只有15%的美国用户称其愿意在网上分享大部分个人信息。

信息科技革命进入“大数据时代” 第4篇

如果他能够活在现在，那么广告费有效的一半或者浪费的一半就不难找出来，这要归功于大数据（Big Data） 的技术，包括资料的撷取、管理和分析，发展出一个“预测分析”的新行业。这个行业用统计技术分析历史与现实数据、构建学习模型来预测未来，可为银行找出开设分行的最佳地点，为餐厅决定哪些菜式需从菜单上删除，当然也能找出最有效的广告方式。

企业作预测分析的目的是怎么获利或怎么省钱，最好是既获利又省钱。以美国的报业为例，每年有140亿美元的广告营收，如果广告主不断预测分析，终有一天会找出John Wanamaker说的浪费的那一半。

“数据库营销”不算是新概念，现在使用的人越来越多，用收集、整理、交换得来的个人资料，作为对象化营运的方针。美国的Acxiom公司专门进行预测分析，有2.3万个服务器，每年处理几亿个消费者的500兆笔数据，11兆网络浏览器的Cookie，2亿笔手机基本数据，平均每个消费者有1500笔数据。

这些资料从哪里取得的？当然有多种来源。公开的数据有房产和车辆的登记、Cookie追踪到的网上行为、浏览器的广告、顾客调查的结果，甚至是脱机的购买行为等。CEO Scott Howe表示，他们的数字触角不久就会延伸到每个美国网民。

另一家同样的公司APT，有近百家如沃尔马一样的大型客户，从中分析出20%的美国零售经济资料。使用这些丰富的资料，可以让这些企业客户了解售价、市场、商品、运作、资本各项目与获利的关连。

一家零售公司有1000家连锁店，每年花5000万美元用夹报的方式随报纸附送广告，每次广告送出，尤其在旺季，营收立刻增加，但管理阶层不知道营收是因为广告的关系，还是因为售价、竞争等别的因素。因为预算的压力，管理阶层屡次想减少夹报，但又怕影响营收，于是找到APT。

APT用软件仿真分析，结果发现报纸广告并没有发挥应有的效用，1000家商店的表现好坏不一，取决于当地市场是否饱和，有些商店的营运成本远高于广告带来的收益。经过APT的建议，对收支不平衡的商店停送夹报广告，把广告预算大幅度移转到营运良好的商店，广告效益因此增加了。这一举动，减少了 500万元的广告费用，整体的营收也没有受到影响。

谷歌、苹果、脸书、亚马逊等都没闲着，各投入大量资金聚集数据，从行动工具、数字媒体消费、网络社区活动、在线购物，尽可能获取大量的使用人数据，如个人的收入、住址、认识什么人、读什么书、常到哪里去、买过什么东西、买东西给谁用、上传了哪些影视等。这些数据转换给企业，就能用作开发新市场的工具，科技公司也借此聚集了更多的新资料。这样循环不已，信息科技进入了另一次革命——大数据时代。

大数据的确让企业受惠，却让媒体处于尴尬的位置，因为媒体赖以生存的广告主正是这些企业。通过大数据的分析与预测，企业极可能、甚至必然找出哪些是“浪费”在媒体广告上的花费，进而缩减或变更广告预算，使得媒体的运作更加艰难。

一些有识之士已经看到了这种威胁，呼吁媒体趁着大数据还在发展的初期，赶快加紧防御，用强化数字营销能力来抵抗大数据的来袭。至于威胁是否真的存在，就要看媒体对大数据的认知了，不过这次信息科技革命确实是真的。

数据中心呼唤“绿色革命” 第5篇

9月15日, 中国数据中心产业发展联盟在北京召开了“2011中国绿色数据中心技术大会”。此次大会的主题是“抢救地球-绿化您的数据中心”, 旨在解读全球新一代数据中心 (NGDC, Next-generation Data Center) 的先进技术和最新发展趋势, 展示NGDC中最有代表性的先进技术, 探讨NGDC技术开发模式, 帮助业界转变思维, 建立起对于NGDC技术业务开发的认知, 从而更好地推动NGDC在中国的发展。

节能降耗已经成为当今IT领域的一大主题, 在世界能源短缺、价格一路攀升的情况下, 全球数据中心在能耗方面面临着严峻的挑战。据统计, 目前数据中心的能耗惊人, 年增幅达到8%到10%, 远远大于全球平均能耗2%的增长率。服务器和数据中心使用的电力估计与制造业 (如制造汽车、飞机、卡车和轮船等) 消耗的电力, 正在趋向一致。如果不加以控制, 局势还将更加严峻。

因此, 从长远来看, 绿色IT将会成为企业信息化的一种趋势, 建设高效安全、低耗能的绿色数据中心已经成为科技领域的当务之急。

解读“绿色”内涵

“绿色”已经成为当今时代的主题词汇。从环保到能源, 无不以此为契机开始下一步发展计划。数据中心在全球的增长也使IT企业和金融机构开始关注数据存储与路由所用的资源, 而绿色数据中心所倡导的“节能、高效、简化管理”正逐渐成为众多数据中心建设的参考标准。

当前数据中心现状

众所周知, 数据中心是企业的业务系统与数据资源进行集中、集成、共享、分析的场地、工具、流程等多方面的有机组合。从应用层面看, 包括业务系统、基于数据仓库的分析系统;从数据层面看, 包括操作型数据和分析型数据以及数据与数据的集成/整合流程;从基础设施层面看, 包括服务器、网络、存储和整体IT运行维护服务。

据有关资料显示, 在IT预算受到压缩的情况下, 供电和制冷的成本一跃成为数据中心第二大成本消耗源。当前越来越多的企业被数据中心庞大的能耗、日益严峻的散热问题以及高昂的电费所困扰, 降低能耗、简化管理, 已成为企业信息系统基础架构的核心问题。

从数据中心的核心应用设备服务器来讲, 在亚太 (含日本) 地区服务器耗电量的年增长率为23%, 高出全世界年均增长率16%的水平。而在存储设备中, 又以硬盘占用能源消耗较大, 某些存储系统中硬盘占用能耗甚至超过存储能耗比率的60%。因此, 对于配置了数以万计硬盘的大型数据中心而言, 从这方面来讲, 采用具有节能效应的硬盘就可以节省数兆瓦的IT能耗。

除了直接承载IT应用负载的服务器和存储设备外, 大量的能源有服务柜式机箱计算机、网络和供电设备, 还有用于冷却系统、空调和冷凝器等设备。实际上, 典型数据中心的机房电力消耗构成, 真正负载消耗大概只有40%左右, 相应的电力传送损耗和负载消耗相当, 另外的20%是制冷消耗。

以一个拥有500台服务器的数据中心为例, 其服务器每年电费达到180万元, 用于服务器冷却的空调等设施耗电量几乎等同于服务器本身的耗电, 这样每年电费将达到350万元。而这相当于一家中小型保险公司数据中心的电力消耗。不断攀升的能耗成本, 催高了数据中心的运营成本。另一方面, 日益增加的电能消耗, 意味着有更多的碳排量和更大的环境污染。

事实上, 数据中心除包含服务器存储、网络和其他设施的能源成本外, 还需要涉及管理/运营和安全控制。但是, 在现实中很多数据中心对自己的每个设施, 一方面没有易于获得设备详细信息的工具, 另一方面大量的数据分散在不同软件工具中, 不能在同一视图中获得数据中心的全部信息, 数据相关性管理也就无法自动完成, 需要大量的人工参与协助完成, 这就难以构建统一的信息管理平台, 因此而增加数据中心的运营成本。这样导致数据难以共享、缺乏一致性管理、无法提供定制的报告, 自然也无法满足大型数据中心的规划需求, 大大增加了数据中心的成本。

未来数据中心还有一个较大的成本支出来自于虚拟化和数据中心高密度服务器的整合, 如果仍然按照传统的方法进行构建、设计、运营和管理数据中心, 将很难进一步保证整个IT的可用性或者可靠性。这就进一步导致正常的业务运营得不到保障。

剖析绿色数据中心

所谓“绿色数据中心”, 业界普遍接受的概念是通过自动化、资源整合与管理、虚拟化、安全以及能源管理等新技术的采用, 解决目前数据中心普遍存在的成本快速增加、资源管理日益复杂、信息安全等方面的严峻挑战, 以及能源危机等尖锐的问题, 从而打造与行业/企业的业务动态发展相适应的新一代绿色基础设施。有些资料还将限制使用有害物质、降低功耗、节约空间、静音等措施的采用和实施作为绿色数据中心的具体措施。

有专家表示, 建立绿色数据中心, 就是要降低数据中心的能源消耗和管理成本, 提高数据中心各个设备的利用率, 同时在提高效率的前提下, 有较好的投资回报。因此, 能耗和成本是绿色数据中心考虑的重要方面。

另外, 能量消耗和空间利用是数据中心最大的成本所在, 对IT管理者来讲, 这也是限制数据中心扩展的主要因素。美国SUN公司曾推出了以swap值作为数据中心内服务器系统功效状况和经济性的评判标准。计算公式:swap值=性能/ (占用空间功耗) , 这个比值越大, 说明服务器综合指标越好。该公司称swap值为数据中心的主管们展现了一幅清晰的图像, 它能够测量出数据中心的空间占用、功耗瓦数和性能的综合状况, 从而比较出哪个是最好的服务器。这是世界第一个也是唯一一个对行业标准数据中心服务器系统功效进行评判的度量标准, 它综合考虑了服务器占用空间、功耗瓦数与性能等因素, 以反映出在部署更多的服务器系统时因功率和空间的短缺可能存在的制约因素。

因此, 我们把限制使用有害物质、降低能耗、节省空间、静音以及提高服务器的swap值等措施的综合采用和实施作为绿色数据中心建设的基本内涵。概括起来可以归结为两个方面:一是数据中心机房的基础建设, 限制有害建筑材料的使用, 机房设计要隔热、保温、防止辐射和静音等;另一点, 服务器本身要限制有害材料使用, 降低功耗, 减少体积、静音等。swap值从数量上表示了提高服务器效能以及降低占用空间、功耗的重要性。

解析绿色标准

尽管绿色数据中心的概念已经普及开来, 但究竟绿色数据中心应该参照什么标准进行设计, 这些并没有统一的答案。作为现有数据中心的标准, 2009年6月开始实施的《电子信息系统机房设计规范》主要针对的是基础设备层面的技术需求, 已经不能满足当前对绿色数据中心的技术要求。

绿色标准缺失

要真正建成一个绿色的数据中心, 就要力图从整个生命周期进行管理:从一开始就减少能源和材料的使用, 楼宇使用期间要追求更高的效率, 最后还要延长楼宇使用寿命, 减少组件的更换和相关浪费等。

目前由于标准的缺失, 无论是系统集成商、设备商, 或是IT技术解标准。计算公式:swap值=性能/ (占用空间功耗) , 这个比值越大, 说明服务器综合指标越好。该公司称swap值为数据中心的主管们展现了一幅清晰的图像, 它能够测量出数据中心的空间占用、功耗瓦数和性能的综合状况, 从而比较出哪个是最好的服务器。这是世界第一个也是唯一一个对行业标准数据中心服务器系统功效进行评判的度量标准, 它综合考虑了服务器占用空间、功耗瓦数与性能等因素, 以反映出在部署更多的服务器系统时因功率和空间的短缺可能存在的制约决方案提供商, 都在使用王婆卖瓜策略, 极力渲染自己主打绿色。若是将这些提供商“赞不绝口”的各种产品组合到一个数据中心里, 势必造成混乱场面:为了提高安全性增加冗余配置, 却造成了能源浪费;为了节能降耗减少配置, 但安全性没法保证;为了放置足够的设备将机房造得足够大, 但建筑本身就是一种浪费

幸运的是, 标准的缺失带来的混乱局面将不会持续太久。据工业和信息化部日前发布的公告获悉, 2011年在通信业将重点推进数据中心等9个领域的标准化工作。中国通信标准化协会相关人士介绍, 工业和信息化部发布工作计划后, 最快年内就将开始新的标准制定。这意味着, 新的标准很可能将成为实质意义上的绿色数据中心标准。

PUE值暂为核心

在看到正式标准的曙光之前, 业界衡量绿色数据中心的一些指标也很有参考价值。美国一个行业组织GreenGrid提出用PUE值 (能源利用率, Power Usage Effectiveness) 来衡量, 这也是衡量数据中心效率的最常用标准, 目前为大家广为接受。

PUE是一个比率, 表示数据中心中IT设备负载与数据中心机房内所有设备的总负载之比, 其计算公式为:PUE=数据中心的总用电量/IT设备的总用电量。它反映的是数据中心总能耗有多少用在IT设备上。PUE越接近1, 说明输入到数据中心的电能几乎全部用于IT设备本身。PUE越大说明为了确保IT设备安全运行所配套的基础设施的能耗越高, 越多的电能都被电源、PDU配电设备、服务器风扇、UPS、空调等供电散热设备给消耗了。反之, 意味着数据中心的节能性越好。

目前, PUE已经成为国际上比较通行的数据中心能源使用效率衡量指标。国外先进的机房PUE值可以达到1.5左右, 而我国的PUE平均值则在2.5以上。这意味着IT设备每耗一度电, 就多达1.5度电被其他机房设备消耗掉。按照同样的计算公式, 如果IT设备耗电量相同, PUE=2.5 (国内平均水平) 与PUE=1.5 (目前先进水平) 相比较, 电源、PDU配电设备、服务器风扇、UPS、空调等供电散热设备的耗电量前者是后者的3倍!一些IT巨头的PUE值更低, 在2010年第一季度统计数据中, 谷歌公布了其数据中心的几项关键数据, 电力效率PUE均值低至惊人的1.16, 其中一些地区数据中心PUE值更是仅为1.09。当然, 现在还没有一个计算PUE的标准方法。因此, 当前各个厂商宣称的设备可以实现的PUE值, 只能作为参考。

过高的PDU定量地描述了数据中心低能效的现实、说明了能耗急剧增加的原因。不仅如此, 低能效还大大增加了企业的成本负担, 造成严重的环境问题, 制约企业以至人类社会的可持续发展。可见, 降低PUE值、提高能效, 建设绿色数据中心是一个多么紧迫的任务!

国际先行者

目前, GreenGrid正在联合美国、欧洲和日本的行业组织及政府机构联合开发和定义进一步的效率衡量标准, 以及如何衡量一个数据中心消耗的总能源。

新加坡已于今年3月发布了一套绿色数据中心标准:《新加坡绿色数据中心标准-能源与环境管理体系 (SS564:2010) 》。这套标准实则为一个认证管理体系, 是在“计划执行检查行动” (PDCA) 持续改进框架基础上, 根据现有的国际管理体系标准制定的。另外, 该标准还包括用于衡量和跟踪数据中心节能表现、并确定潜在改进方面的建议标准。借助这些标准, 数据中心能够采用最佳方法管理其机械和电器系统、IT设备。目前新加坡有几家重要机构已经采用了这一新标准, 包括新加坡国家图书馆管理局、新加坡电信公司和南洋理工大学 (NTU) 高性能计算中心等。

另外, 美日欧等主要发达国家也在加快步伐。今年年初, 在GreenGrid的安排下, 来自美国、欧洲和日本的主要行业组织和政府机构已经就如何衡量数据中心的能源效率达成了一个基本的协议, 据悉该协议得到了美国能源部、美国环境保护署、欧盟行为准则和日本经济产业部的支持。在此协议中, 确立了使用PUE值作为各个协议国首选的能源效率标准。美国环境保护署在发给其成员公司的通知中说, 这些指导原则旨在推动对数据中心能源效率的共识。目前, GreenGrid正在与中国、印度和其他大型市场的代表进行谈判, 希望他们也加入这个计划。

同时, 香港也在筹划制定绿色数据中心标准。香港绿色数据中心联合会 (Green ICT Consortium) 主席伊利莎白阔特 (Elizabeth Quat) 近日表示, 香港将制定当地的绿色数据中心标准。阔特表示, 该联合会正在与香港特别行政区政府首席信息官办公室合作, 研究数据中心的碳排放和能源效率。而且, 香港之所以不直接采用其他国家或组织的绿色数据中心标准, 是因为香港数据中心产业面临一个特殊的挑战土地紧缺。

绿色战略步骤

行之有效的绿色数据中心建设战略的核心要点是:建立覆盖数据中心整个生命周期的能效规划, 从节能和增效两方面解决高能耗难题, 采用从芯片到冷却器综合性的解决方案。在执行这一战略时要以降低PUE值为核心分步实施, 特别是要在数据中心各个层次采用先进的技术和有效的最佳实践。

金融企业有着众多的重要业务系统。以常见的业务分类为例, 有实时类业务, 如各银行的核心业务系统、呼叫中心、视频会议等;有普通交互类业务, 比如网上银行、银行卡等;还有批量业务和OA业务。这些应用系统是金融企业的命脉, 数据中心是这些业务应用的集中处理中心, 因此如何建设数据中心?建设一个什么样的数据中心?这些都是摆在金融机构面前的重要课题。

而且, 实施绿色数据中心战略是一个循序渐进的过程, 用温水煮青蛙的方式来进行, 而不是一蹴而就。因此可以从数据中心内部一些基本的变更入手, 然后逐步深入。

首先, 详细而周密的前期规划。

针对数据中心的技术更新较快, 如不进行详细规划, 就容易造成建成即落后, 从而形成反复投资的浪费情况。从规划到建筑、从机房设备选型到运营管理等, 每个步骤都要有详细的规划思路。如果从规划之初就能针对节能减排做出积极的部署, 然后再关注每一个技术细节, 绿色数据中心并非遥不可及。

其次, 从细节方面进行节能优化, 达到最佳实践效果。

如配置保证电源, 至少配置N+1的UPS电源, 确保市电中断以后能确保设备正常运行, 如果条件可以, 应该再配置一台发电机, 确保市电中断时间过长造成的影响。配置专用精密空调, 并做好整体监控, 能够根据数据中心环境和湿度的变化随时对空调的运行进行调节。采用交替热过道/冷过道优化布局, 这样可以纠正许多冷却不均衡的问题, 从而消除由于温度造成的设备故障风险。尽量减少或消除下地板布线, 如果实在无法避免, 就使用导线、电缆托架和其他方法进行布线, 上布线方式可以最大限度地减少线缆之间的壁垒, 带来更有效的空气流动和优化冷却系统的效率。采用液体冷却技术, 这样可以强化冷却效果, 并隔绝HVAC (暖气、通风与空调) 等现有环境因素对设备的影响。采用下送风方式, 数据中心的设备由于能耗大, 发热量也大, 下送风方式效果最好, 因此必须在机房设置地板, 建立专用的下送风通道等多个方面。

在完成以上供电和制冷两个基础的数据中心核心要素设计、部署之后, 还可以进一步考虑利用高性能计算、虚拟化等技术充分发挥现有IT系统的处理、运算能力, 使服务器、存储、网络设备等IT资源利用最大化, 从而建设真正意义上的绿色数据中心。

第三, 大力推广和应用电源管理、虚拟化和整合技术。

在大多情况下, 启用服务器电源管理功能可以大量节省电源成本。借助服务器和存储虚拟化技术, 可以集中共享服务器、存储设备以及其他IT资产, 进而对硬件设备进行整合, 以减少环境中物理服务器和存储系统的数量, 降低电源和散热成本。

第四, 调节数据中心的环境。

这部分的重点是转移到对数据中心的整体调节和优化上。借助计算流体动力学及其他工程设计工具, 数据中心管理者可以更好地了解电源和散热问题, 并及时解决问题。例如, 计算流体动力学可用来确定设备和地板砖的最佳布局, 以提高效率和节省成本。

第五, 针对具体的热负荷配置紧耦合散热解决方案。

这一步是为了将散热解决方案与各个IT设备的发热量紧密联系起来, 根据具体的发热量来提供散热能力, 可以大大提高散热解决方案的效率。

大数据推动家居产业革命 第6篇

和蓬勃发展的IT产品、图书音像、服装等品类的电商之路相比, 家居类产品进入网络销售的时间相对较晚, 并且电商发展之路也并不太顺利。不过, 虽然当下传统的家居销售渠道仍占主流, 但随着互联网经济的飞速发展和80、90后网购消费大军的壮大, 谁都怕在这场渠道变革中掉队, 因此家居企业“触网”者不断增多, 纷纷着手布局电商。

2014年3月下旬, 大自然家居从传统渠道进军电商, 也是因为看到了电商的潜力。对此大自然董事长解释:“电商平台与线下平台的经营目的是一样的, 只是现在年轻消费群的消费观念、消费习惯发生改变, 从线下转向了线上, 我认为两者需要兼顾, 线上线下同步发力。”

全球商业革命:网络销售+大数据 第7篇

近几年来, 互联网零售迅猛发展, 可谓一日千里, 而传统零售商日益陷入窘境。全球互联网信息服务提供商Com Score 2012年度研究报告显示, 40%的调查者表示喜欢在线下商店查看商品, 购买则计划在网上进行。美国有超过200个商场占地超25万平方英尺, 但空置率已超过35%。而与之相反的互联网相关的零售额大幅攀升, 预计2013年将占全美销售总额的51%, 2014年将达到全美销售总额的53%。

中国零售业也正在步美国后尘。2012年中国大型零售企业增速降至10%以下, 而2011年的增速是20%, 沃尔玛、国美、万得城等多家零售巨头关店, 外资尤为严重, 部分零售商靠地产和集团财力勉强过冬。2013年1月, 全国50家重点大型零售企业零售额同比下降12%, 与传统零售的惨淡之景相反, 中国网络零售市场呈现高速发展, 预计2013年, 中国网络零售市场交易规模将达15688.9亿元, 增长率达32.5%。预计线上购物在2015年将至少达到25510亿元人民币, 占社会消费品零售总额的8.6%。

如果说网络零售对于传统商业份额的侵蚀只是量变的话, 由于网络销售本身信息采集和分析的优势, 越来越多的消费者通过网络购物, 给网络销售平台获取海量信息, 进而对于消费者进行个性化消费习惯分析创造了条件。这就成为网络销售新的利器大数据。

以阿里巴巴为例, 坐拥“支付宝”、“淘宝”两大利器, 其自然成为了大数据的试水者。目前来自商家的80%以上数据需求是对消费者购买行为的分析, 比如点击量、跨店铺点击、订单流转量甚至旺旺聊天信息的收集和分析等都将成为商家关心的数据。京东、当当等网络零售商也开展了自己的大数据分析。

大数据的本质是彻底地打破了商品制造者和消费者之间的信息不对称。这在历史上是由商人扮演的角色。几千年来, 商业的形态基本都没有发生过改变, 从A地采购货物, 运输到B地后, 通过代理商分销下去, 而终端零售无外乎百货和专营两种模式。在21世纪之初, 以苏宁、国美为代表的家电连锁可谓进行了商业的1.5次革命, 借助家电产品的标准化程度高特点, 它们可以标准化运作, 通过互联网技术形成强大统一的数据后台, 将批发和零售合二为一, 通过挤压代理商的生存空间而获得了超额利润, 赢得了高速发展。但它们仍有着传统商业的很多痕迹。

以阿里巴巴为代表的完整意义上的2.0版互联网销售革命连实物销售店都予以最大程度地淡化, 乃至进化为制造企业与网络销售企业的合二为一。

相对于单个网店而言, 阿里巴巴最大的优势是建立标准, 同时其数据是最完整的, 能够进行最系统的分析, 互联网商业平台通过对消费者各种购物习惯的分析, 可以对其进行非常精准的消费特征的描述, 甚至会比消费者本人更了解消费者, 进而根据其喜好和消费节奏, 针对性地寻找制造厂家出售消费者信息, 助其进行商品推荐销售。在互联网云计算系统的支持下, 在该消费者经常登录的网站上, 仅针对其个人终端电脑, 进行极为个性化的广告到达。这也正对传统广告系统报纸、电视等进行了根本性的颠覆。

大数据另外一个大有可为的空间是金融服务业。因为互联网销售平台, 一端连接着千万制造企业和网店, 另一端连接着亿万消费者, 通过第一手真实的数据能够了解它们的经营、财务财产情况, 以及其信用度, 并且有着手机和家庭双重到达的直接信息。这提供了非常针对性的金融服务的条件, 将比传统的金融模式更具有可靠性。

尽管大数据时代的互联网商业革命不可逆转, 但是其也是双刃剑, 势必会形成巨大的财富再分配:它会导致传统商业如太阳下的冰块一样快速融化, 造成大量的失业 (由于互联网销售效率高很多, 新增的网络销售就业人数远少于传统商业的就业人数) ;它给制造业节省了巨大成本, 赢得了在中国经济探大底趋势下的相对生存空间, 但也导致了传统商业的快速萎缩, 商业税收急剧下降, 商业地产将必然衰败;它给提供大数据信息和金融服务的企业提供了广阔的成长空间, 但它必然以牺牲更多传统信息和金融服务商为代价。

大数据:开启面向未来的教育革命 第8篇

有两件事情总让职业选手郁闷不已:科技的未来, 科学家们从来没有作家预测得准;而教育的大师又往往不是教育学出身的。如果2013年我们要凑出第三件, 那就是:能够既准确预测科技还能准确预测教育的, 这个人既不是学科学的也不是学教育的, 这个人叫托夫勒。

1970年, 托夫勒写了第一本畅销书《未来的冲击》, 在书中托夫勒不仅批评了以哈钦斯为代表的面向过去的教育, 支持了以杜威为代表的面向现实世界的教育, 更创造性地提出了明确的面向未来的教育:小班化、多师同堂、在家上学趋势、在线和多媒体教育、回到社区、培养学生适应临时组织的能力、培养能做出重大判断的人、在新环境迂回前行的人、敏捷地在变化的现实中发现新关系的人和在未来反复、或然性和长期的设想下的通用技能。

43年后的今天, 基于云计算、物联网、数据库技术、社会网络技术等的成熟应用, 托夫勒当年感性预知的理念性的东西清晰地展现在我们面前:信息不仅仅是一种视觉和感官的东西, 更是可捕捉、可量化、可传递的数字存在。于是, 从1970年到现在, 教育悄悄发生了一场革命, 教育革命一词, 正是托夫勒最早所说, 而今天, 我们已经明确知道带来这场革命的真正原因, 那就是大数据。

我曾在各地反复提及“数据”与“数字”的区别。举个简单的例子:一个学生考试得了78分, 这只是一个“数字”;如果把这78分背后的因素考虑进去:家庭背景、努力程度、学习态度、智力水平等, 把它们和78分联系在一起, 这就成了“数据”。正在发生的这场教育变革与之前的远程教育和在线课程的最大不同在于, 前者不过是“数字”而已, 后者却是“数据”数据的集中以物联网、云计算等综合技术的成熟为基础, 数据是过程性和综合性的考虑, 它更能考量真实世界背后的逻辑关系。

由于互联网的迅速发展, 美国从1997年以来的十多年中, 在家上学的人数增长速度超过5%, 这些孩子学习成绩和社区参与度超过公立学校30%以上, 教育不再是每位学生必须接受的事情, 互联网的作用确实在增大。然而, 如果就此断言未来的教育会消失就错了。正如随着印刷术的普及, 教师的比例并不是减少而是大幅度增加一样, 大量信息垃圾的出现, 反而需要更多的教师进行指导。未来的教育在互联网的推动下, 会更加个性化和更加普及, 只不过教师和学校的定义和内涵需要重新定位。

云技术、物联网和基于云技术和物联网的大数据是教育变革的技术推动力量。在向大数据时代、知识时代跨越的过程中, 知识将无处不在。目前, 仅就知识传播而言, 教育资源正在经历平台开放、内容开放、校园开放的时代, 这是前所未有的。未来的教育会是怎样的?主流的模式必将是:视频成为主要载体;教育资源极其丰富;翻转课堂;按需学习;终身学习;不以年龄划线;远程教育的提法将消失;距离不再是问题;教育在学校之外发生;等等。

大数据的支撑作用

传统的教育兴盛于工业化时代, 学校的模式映射了工业化集中物流的经济批量模式:铃声、班级、标准化的课堂、统一的教材、按照时间编排的流水线场景, 这种教育为工业时代标准化地“制造”了可用的人才。而大数据教育将呈现另外的特征:弹性学制、个性化辅导、社区和家庭学习、每个人的成功。世界也许会因此安静许多, 而数据将火热地穿梭在其中, 人与人 (师生、生生) 的关系将通过人与技术的关系来实现, 正如在2013年的春节, 你要拜年, 不通过短信、电话、视频、微信, 还能回到20年前骑半个小时自行车挨家挨户拜年的年代吗?大数据时代, 无论你是否认同技术丰富了人类的情感, 但技术的出现, 让我们再也回不到从前了。

大数据与传统的数据相比, 就有非结构化、分布式、数据量巨大、数据分析由专家层变化为用户层、大量采用可视化展现方法等特点, 这些特点正好适应了个性化和人性化的学习变化。目前教育变革的讨论, 过于集中在在线教育 (远程、平板、电子、数字) , 这正像任何一个科技让人们最先想到的都是偷懒的哲学, 自动化时代最先想到的是卓别林演的自动吃饭机, 多媒体时代人们最先想到的是游戏。在线教育本身很难改变学习, 在这场教育革命的浪潮中, 由在线教育引发的教育由数字支撑到数据支撑变化 (教育环境、实验场景、时空变化、学习变化、教育管理变化等) , 却是很多人没有在意的巨大金矿。

教育环境的设计、教育实验场景的布置、教育时空的变化、学习场景的变革、教育管理数据的采集和决策, 这些过去靠拍脑袋或者理念灵感加经验的东西, 在云计算、物联网、大数据的背景下, 变成一种数据支撑的行为科学。

在美国宾州, 有一个叫做EDLINE的网站, 将学生的每次作业、每次考试记录在网上, 完成学生的日常GPA积累, 这个网站的技术并不难, 然而能够坚持下来的数据积累, 对于学生、家长和教育管理非常重要。大家都知道, 美国的大学入学GPA非常重要, 依靠这个GPA再加上学生的SAT和ACT所提供的分析报告以及志愿者活动资料, 就决定了学生的大学去向。

教育将成为继经济学之后, 不再是一门靠理念和经验传承的社会科学和道德良心的学科, 大数据时代的教育, 将变成一门实实在在的实证科学。

目前的经济社会, 已经进入后工业化的大数据时代:经济结构转向服务经济, 劳动力大规模转向服务业, 职业分布由工厂转向办公室, 社会焦点从围绕生产转向围绕创新;同时, 人与机器的主流社会关系也逐渐转向人与数据之间的关系。若干年后的社会的竞争是以服务和创新为核心的, 然而我们的教育还围绕着减少犯错和标准化的“魔咒”。大数据教育提供了另外一种可能, 标准化的教育将转向网络完成, 而人才培养和个性化将主要由学校承担:越来越小的班级、越来越近的学校、越来越聚焦的教育支持、越来越个性的培养方式, 将使教育摆脱工业化时代。“为什么数学课每天都有, 而舞蹈、音乐和体育课一周一次呢?”罗宾逊这个疑问逐渐得到改观, 针对性和多元化的教育目标正在普遍得到认可, 尤其是在私立学校中。

大数据带来的挑战

印度教育科学家苏伽特•米特拉是一个里程碑式的人物。1999年, 他去了印度很多偏僻的乡村, 那里的人既不懂英语, 也没见过电脑。苏伽特在孩子们经常聚集的街头的墙上装上连接互联网的电脑屏幕, 配上鼠标, 然后离开那里。几个月后, 试验表明, 孩子们无师自通, 学会了使用电脑。在以后的十多年里, 苏伽特在印度、南非、柬埔寨、英国、意大利等地还进行了类似的以生物、数学、语言等为内容的教育实验。结果证明, 在不需要教师或科学家输入逻辑和程序的情况下, 学习者可以独立自主地完成学习, 这就是“自组织学习”。由此, 苏伽特对教育作了建构主义的重新定义:教育是一种自组织行为。

认识到了“学习是一种自组织行为”, 那么, 教师和教学机构的作用便要重新定位。互联网的不断普及, 网络资源进一步开放, 在线教育就不能仅仅是把传统的课堂搬到网络上, 这样的做法也许更加违背学习规律。NMC (新媒体教育联盟) 在做了相关历史研究的基础上总结了诸多人类的学习行为:社会学习、可视化学习、移动学习、游戏学习、讲授学习等, 每一种学习方式, 在信息和知识的载体方面, 基本上都有相应的技术基础。换言之, 技术既可能扩展人类的学习方式, 也可能限制人们的学习方式。一旦有新的技术出现, 这些新技术改变信息和知识的传播模式, 那么, 人类的学习方式也会相应地产生根本性的变化。在互联网时代, 开放的社会和资源将进一步解放人们的学习, 越来越多的人不用呆在学校里被动地接受学习, 他们将会把自组织学习发挥得淋漓尽致。

美国掀起了新的在线教育的浪潮, 那些拥有大量粉丝的大学教授, 轻易能够拿到数千万美金的创业基金, 对于传统的大学, 是一个巨大的挑战。正是在这个背景下, 触动了大学改革的神经:再不顺应潮流, 那么校园将不是最优秀教师的聚集地。然而, 教育要想真正获得新生, 不仅仅在在线教育上, 更在于传统教育理念的变化:教师的功能, 应该把低层次的和可拷贝的, 交给大投入的电影模式去做, 而未来, 教师将成为教练, 师生将走向训练场。

在信息技术大革命的今天, 规训与教化在撤退, 支持和服务在推进。教育本质是对学习者的支持和服务, 而不是对他们的规训和教化。作为万物之灵, 人类本身就有逻辑推断和自组织的能力。发掘这种逻辑和自组织的能力才是正道。正在发生的教育革命并不是要把传统的课堂搬到网上, 而是让新技术解放人们本来就有的学习能力和天分。学生得到解放, 人力资本成倍地增长。

在这场教育变革中, 最严重的问题已经不是教育资源的缺乏, 而是毫无天分的教师在错误的方向上还在“勤奋地工作”。教育界将“重新洗牌”, 这也是我预测未来教育的一个关键词。苏伽特说:“对于教育者来说, 这是一个大转变的时代。我亲眼目睹着教育界的各种力量在重新洗牌。或许我们说教育革命’未免言过其实, 但是各种变化的确在更迭着。教学模式的多元并存会是一个长期存在的现象。但是毫无疑问, 新技术从外围给教师增加了新的竞争对手。新技术的应用又导致学生在心理预期、学习习惯等方面的变化, 这就从核心和内部促进着教学过程的转变。学生变了, 不如以前好带’。这并不是坏事, 在这当中, 不知潜藏了多少机遇和可能性等待着有心之人去发现!”

苏伽特的一个观点很具有代表性:“你能够想象和确认, 你所教的和考核的东西, 在今后20年学生们走上工作岗位还管用吗?”为此, 苏伽特分析, 只有三种最基本的东西在今后的大数据时代是学生要用到的和必须学的东西:“第一是阅读, 第二是搜索, 第三是辨别真伪。”谈到数学, 苏伽特说:“也许数学, 将成为一种体育运动。”基本能力加每个孩子特长的“体育运动”, 构成了苏伽特心目中的未来教育, 这种体育运动也许是数学, 也许是领导力、音乐、美术和篮球。数学也许是每个孩子的体育运动, 也许是一部分专业运动员的体育运动, 但大数据时代的数学, 将不会是教育的基本标准和指向。

大数据时代给人最大的难题正如托夫勒所说, 来自信息过载所带来的“信道危机”。在单一的信息来源情况下, 比如高考的分数、固定的复习资料, 教育最好的办法是重复吸收那些经过筛选的编码信息。湖北省和河北省的两所重点中学, 在旧的教育体制下, 非常成功地迎合了高考的指挥棒。大家应该注意到, 这些中学的模式只适合信息闭塞的情况, 不大适合北京、上海等信息过载的城市。在以网络技术无限广阔的应用所带来的大数据信息压力时代, 如何搜索、阅读、辨别信息成了一个巨大的难题。

迎接大数据时代的到来

随着硬件的高速革新和软件的高度智能化, 新一轮的教育信息化浪潮已经不可抗拒地推送到了我们面前。作为教育人, 我们应该如何面对?围观, 等待, 还是抵制?显然, 这些都是下下之策, 只可能被浪潮击垮。唯有掌握良好的“冲浪”技术, 具备相应的预判能力, 我们才能踏浪前行, 甚至在浪尖上优雅起舞。

目前, 全国各地都在推进教育信息化工作。建立教育的信息化服务公共平台, 开展数字化校园的实验工作, 设立各种“数字化学习”试点学校, 开发“微课程”, 开展“翻转课堂”教学研究, 一对一的“E课堂”教学实践这是一系列不断加码的举措。然而, 这条路并不好走。要充分做好“螺旋式”上升的准备, 最重要的是顶层设计和理念超前。当一些概念、一些观点第一次呈现在大家面前时, 带来的冲击不仅仅是“洗脑”时的泥沙俱下, 更多的应该是“醒脑”后的深度思考。

在信息时代的今天, 我们应利用大数据将“信息过载”的难题转变成为个性化的教育。例如, 同样是这门《网络工程》课程, 在计算机学院、信息学院、管理学院, 巨大的知识推送和资料, 如果假借大数据应用的推送, 给不同要求的学科完全不同的内容推荐, 即使面对同样一个学科的不同行为习惯的学生, 也会针对性地给出对应的学习策略。人类以往的知识体系和知识点在大数据背景下并不会发生变化, 而学生们却可以通过大数据应用得到个性化的指导和无穷无尽的资源配套。

大数据革命：信息时代寻宝指南 第9篇

在过去一年，大数据在阿里集团得到前所未有的重视。2012年7月，阿里集团设立了首席数据官岗位（CDO），陆兆禧出任该职务，负责推进“数据分享平台”战略。随后在9月的网商大会期间，阿里集团董事局主席马云宣布，从2013年1月1日起，集团将重组为平台、金融和数据三大业务。

阿里集团目前是中国最大的互联网数据“原产地”之一，由于掌握极具商业价值的大量真实交易数据，它也被视为是未来最有潜力成为中国领先大数据的企业之一。

尽管大数据已经是当下全球热门的互联网热词，但依然没有一个准确的定义。在中国，所谓大数据，更多指的还是那些有助于帮助企业形成商业判断的数据，这其中，既包括比如QQ用户的年龄、性别，也包括大众点评网里用户对于全聚德烤鸭味道的评价，它可以是图片，也可以是文字、视频。

围绕着大数据生产、搜集、分析的产业链正在形成，在这个链条里，不仅有阿里集团、谷歌这样的大公司。随着互联网寡头数据的开放，一些提供数据整理、分析等服务的创业公司也正在成长，越来越多的人开始奔向这座金矿。

放在运营团队还是技术团队？

从阿里巴巴集团成立那天，大量的数据就产生了。2003年前后，马云就说过“数据很重要，未来的世界是数据的世界”，这句话后来被反复强调。但真正做实大数据，则是近一两年的事情。

2010年底，阿里巴巴集团首席人力资源官彭蕾找到当时还在支付宝部门工作的车品觉说，马云觉得该考虑下如何运营数据了。从此以后，车品觉就一直在做数据工作了。

目前，大淘宝系（包括淘宝、天猫和一淘网）的数据部门有100人左右，包括工程师（工程开发、数据开发）、数据产品经理、分析师（决策分析组、业务分析组、数据科学家）等。而一般的B2C电子商务公司数据中心也就20人左右。

在阿里集团，由汪海负责组织数据底层建设，相当于修建一条大数据的“高速公路”，而车品觉则扮演“赛车手”的角色，对数据进行具体的分析，提供可供业务部门看懂的数据产品。这两支队伍都由阿里巴巴集团首席数据官陆兆禧统领。

“要数据找品觉”，有时候彭蕾夜里凌晨1点看到数据报告，发现了其中的错误，早上6点半就给车品觉打电话指出来。车说，这种情况下，他“还敢不给力吗？！”后来，包括马云在内的领导逐渐习惯了经常看车品觉提供的数据产品。

车品觉告诉《中国新闻周刊》，一个企业如果真想要搞好大数据，大数据必须成为CEO直接领导的一级战略级部门。曾有很多公司的相关负责人询问车品觉，大数据部门该放在运营团队还是技术团队？一听到这个问题，车品觉就觉得“这些人没戏了”，问这些问题的公司其实并不怎么重视大数据战略。

如果数据部门要在结构庞杂的企业内部提高地位，最重要的就是数据产品要刺激决策部门和业务部门，直至促使他们对前端的业务环节作出调整。

这正是车品觉对手下的数据分析师的考核标准。每个月的最后一周，数据分析师都有一场考试。如果分析师的观点能在月度经营分析报告里出现，那就说明这个分析师的分析有价值。如果在报告提交给管理层讨论的时候，某个分析师的观点能改变业务部门领导的看法，那就得到3.75分。更进一步，如果分析师的观点能让公司领导接受，并最终促进了相关业务的调整，那就是4分。4分几乎就是一般数据分析师能得到的最高分。

不仅仅是阿里集团，国内越来越多的公司已经意识到大数据的重要性。

2011年7月，凡客诚品成立了数据中心，负责人是当初和陈年一起创业的凡客高级副总裁姜晓怡。数据中心成立最开始做的工作就是把分散的数据归整起来，第二步帮助公司做内控，第三步则是提供决策支持。

1月11日接受《中国新闻周刊》采访时，姜特意强调说，目前数据中心已经成为了一级部门。陈年曾告诉姜，“干不好就走人。”每次内部开业务讨论会，只要一听到有人说“你这个数据好像不对呀”，还没等陈年发话，姜晓怡自己马上“特别烦躁地跑出去打电话”，查问情况。

在中国的大数据界，流传着一个说法，“如果阿里和腾讯做不出大数据，那中国的大数据产业基本没希望了”。

腾迅的优势在于掌握了QQ和微信等利器，但相比阿里集团，腾讯的大数据战略起步稍晚，其数据战略部门目前的负责人，曾是和车品觉一起搞数据产品“黄金策”的下属。

被认为在大数据行业有所建树的还有百度。但是，百度只能抓取到搜索数据，导致其数据在很多时候都缺少关键的身份信息一环，属于数据领域含金量相对较少的“贫矿”，但是考虑到百度每日所产生的海量数据，其潜力亦不可小视。

“2秒钟就知道结果”

很多公司开发大数据产品，第一步就是帮助公司更准确地做决策，更科学地进行管理。

以阿里巴巴集团为例，数据产品可以分为两部分，一块是提供给阿里巴巴集团高管和员工。另一部分则供给外部，包括大淘宝平台上的商家等——比如2012年7月推出的聚石塔平台。聚石塔为天猫、淘宝平台上的电商及电商服务商等提供数据云服务。

车品觉主要做的是内部数据产品。

车品觉认为，数据分析对预测未来销售很有帮忙。

银行业数据革命 第10篇

这是真实发生在美国孟菲斯警察局的一个案例。在这个案例中, 对于犯罪分子面部数据的收集, 以及对犯罪行为数据的分析和预测, 正是大数据应用之一。

另一个典型的案例是, 2012年成功获得连任的美国总统奥巴马背后, 有一个几十人数据分析与挖掘团队, 帮助其在获取有效选民、投放广告、募集资金方面发挥作用。

实际上, 很多看上去与上述案例并无关联但实质上如出一辙的事情, 就在我们身边时刻发生着。当你用手机扫描二维码, 并将其用微博转发的时候, 你的消费习惯、偏好, 甚至你的社交圈子的信息, 已经被商家的大数据分析工具所捕获, 随后, 他们需要做的, 就是利用大数据对你的习惯和需要进行精准的分析、挖掘、展现和预测, 向你提供进一步的信息和服务。

在宽带化、移动互联网、物联网、社交网络、云计算的催生下, 大数据时代翩然而至。大数据, 正在悄悄地走进我们的生活, 并改变着我们的未来。

一个“数据钻出石油”的时代

当你用一分钟, 看完这行文字的时候:新浪已经发送了2万条微博, 苹果已经下载了4.7万次应用, 淘宝已经卖出了6万件商品, 人人网发生了30万次访问, 百度产生了90万次搜索查询。

2010年印刷版《大英百科全书》, 32册, 重达58.5公斤。然而, 它的全部内容, 还装不满一个4G的U盘。有鉴于此, 《大英百科全书》出版社2012年3月对外宣布, 不再推出印刷版, 内容全面数字化。

海量数据已经成为今天人类生存环境的突出特点。根据IDC (国际数据公司) 的统计, 2011年全球数据总量已经达到1.8ZB (1ZB等于1万亿GB, 1.8ZB也就相当于18亿个1TB的移动硬盘) , 而这个数值还在以每两年翻一番的速度增长, 预计到2020年全球将总共拥有35ZB的数据量, 增长近20倍。

“大数据已经渗入到了生活的方方面面, 从房地产到商务, 从产品到品牌, 都已经和大数据紧密联系在一起。”中国传媒大学调查统计研究所所长沈浩教授表示。

通俗地讲, 大数据就是对网上海量的文本、图像、音频和视频数据进行采集、分析、加工和利用。

工信部软件服务业司司长陈伟认为, 由于大量有用和可能没用的数据并存, “遍地是金子, 又遍地是沙子”, 所以大数据的目的就在于从庞大的数据集合中找寻有价值的数据和知识, 通过分析挖掘为各行业提供真正的智慧, “可以说21世纪是数据钻出石油’的时代”。

IBM大数据专家肖冰认为, 大数据中蕴含着巨大的商业价值。在这样庞大的非结构化数据背后, 如何利用大数据技术, 从海量堆积的交互数据当中发现带有趋势性、前瞻性的讯息, 就能够发现并产生巨大的社会价值和商业价值。

大数据悄然改变生活

其实, 大数据已经开始悄然改变着我们的生活。

网络购物正在成为消费者喜爱的购物方式, 2012年的“双十一”大战, 令众多网友沉迷于网购中不能自拔。或许你不知道, 其实, 依靠大数据分析预测能力, 一些精明的零售商正在从目标客户更加个性化和直接的层面上, 特别是在重要的节日需求上, 收集和挖掘消费大数据。

大数据可以处理一个庞大的范围内的广泛活动, 包括有效的营销活动, 就可以针对顾客在网上的购买行为, 投其喜好进行销售与推广, 实现社交电子商务和库存优化。

例如, 大数据分析软件有可能使零售商进行直接相关的促销和营销活动, 激励消费者网购, 并跟踪由此产生的销售交易。而同时, 大数据作为一个结果, 零售商可以监视和实时的调整促销活动, 最大限度地提高消费, 提高盈利能力, 在关键时期短时间产生最大收益。

“以往决策更多采用基于调查基础上的经验性决策, 而借助大数据分析则能够对对象进行数量化的分析从而使决策更为科学。”中国电子信息产业发展研究院分析师韩耀强表示, 目前淘宝就已经建立了云计算中心, 利用大数据可以更好的处理消费者的消费习惯、随季节的变化等, 从而更精准的制定自己的营销策略、库存调配等, 从而使决策更加理性化。

TridentMarketing是一家直复营销企业, 其客户包括DIRECTV等品牌。通过IBM大数据分析软件帮助, 他们甚至可以预计客户最佳联系时间以及客户是否会取消服务。其营收在短短4年增长了10倍, 产品部署后头两个月销售额增长10%, 而且其客户流失率降低了50%。

大数据还可以当医生!曾经参加美国智力游戏Jeopardy! (危险边缘) 的IBM超级计算机Watson已经可以用来协助医生听诊。目前, 有些美国的医疗机构为了避免医生的疏失, 开始与IBM合作, 现在Watson会陪同医生听诊, 听诊完它会透过病征列出可能患的疾病是哪些, 医生可能问诊完想到的病征可能只有三五个, 可是Watson会跟从海量数据分析的角度帮他列出高达20个病征选项, 这大大的可以减少医生疏忽的机会, 医生看了Watson的分析报告以后就可知道, 可以再多问病人什么问题来缩小看诊判断误差。

大数据将使商业维护更加便捷。肖冰以某金融企业为例告诉我们, 以往的分立的、传统的数据处理的方式, 每天的维护人员需要24小时3班倒, 现在上线了PureData之后, 则只需要6个人就足够了, 会带来更大的便捷、降低更大的成本从而提升竞争力。