江苏龙网

  1. 首页 > 资讯 > 科技 > >

『』2020年，数据分析能力是考核CIO和CTO的硬指标

一、数据分析能力是考核CIO和CTO的硬指标
最近“新基建”的话题越来越热 ， “新基建”主要指发力于科技端的基础设施建设 ， 主要包括七大领域：5G基建、特高压、城际高速铁路和城际轨道交通、新能源汽车充电桩、大数据中心、人工智能和工业互联网 。“新基建”和大部分企业相关的更多的是大数据和人工智能 。
根据普华永道2017年发布的报告 ， 到2030年 ， 人工智能对全球经济的贡献额将达到15.7万亿美元 ， 超过中国和印度目前的经济总产值之和 。2018年麦肯锡（MGI）发布报告《人工智能对全球经济影响的模拟计算》 ， 认为人工智能到2030年 ， 可能使全球GDP每年增加约1.2％ 。
数字经济是经济发展的新引擎已是共识 ， 身为企业CIO和CTO的IT领导者 ， 如何在浩浩荡荡的数字经济大潮中 ， 用数据分析能力为企业保驾护航 ， 使企业在数字时代扬帆远航 ， 是对每一名CIO和CTO的考验 。
企业数据的利用 ， 可以分为三个阶段：
『』2020年，数据分析能力是考核CIO和CTO的硬指标
文章图片

文章图片

? 数据生产：业务（可以是传感器、交互设备等硬件 ， 也可以是ERP等软件）产生数据 ， 数据进入关系型或者非关系型数据库存储 ， 再供业务使用；
? 数据分析：汇集数据 ， 并进行分析 ， 辅助业务人工决策；
? 人工智能：将人工智能算法应用到数据分析中 ， 不仅仅分析 ， 还可以辅助业务自动决策 。
目前 ， 大部分企业还处在数据生产与数据分析的阶段之间 ， 迫切需要建设完善的数据分析能力 。企业在建设数据分析能力的时候 ， 由于数据量巨大 ， 往往面临数据存储和算力的挑战 ， 而云的弹性可以解决这一问题 ， 所以数据分析能力向云上迁移是一个趋势 。企业建设云的时候 ， 也必须考虑数据分析能力的建设 ， 并要为人工智能打下基础 。
二、基于云构建数据分析能力 ， 方式、优点及挑战全面分析
基于云构建数据分析能力 ， 可以有以下三种方式 。
1. 使用公有云数据分析服务
目前 ， 各大公有云都提供数据分析服务 ， 并且功能越来越强大 。
使用公有云数据分析的优点是：
? 按需付费；
? 不需要底层的技术投入 ， 更多的专注业务层面；
? 几乎不受存储数据量的限制 ， 公有云的存储资源池可以视为无限大；
? 服务成熟稳定；
? 公有云一般都提供人工智能服务 ， 在使用数据分析的服务同时 ， 也可以很快进入人工智能阶段 。
使用公有云数据分析挑战是：
? 容易被公有云锁定 ， 当大量的数据在公有云上的时候 ， 当对公有云服务使用很熟练的时候 ， 如果要再迁移 ， 难度较大；
? 长期使用公有云数据服务 ， 费用会越来越惊人；
? 需要考虑数据安全和合规问题 。
2. 使用开源产品自建数据分析能力
使用开源产品自建数据分析能力 ， 像hadoop等开源产品 ， 经过常年的发展 ， 也比较稳定 。
使用开源产品自建数据分析能力优点是：
? 数据安全得到保证 ， 数据在自有的数据中心 ， 数据安全性更高；
? 费用相对比较低；
? 不会被厂商锁定 。
使用开源产品自建数据分析能力 ， 因为需要组建技术团队 ， 运营相关服务 ， 所以挑战是：
? 对技术工程师要求很高 ， 要找到合适的技术工程师 ， 往往面临很大的挑战；
? 碰到问题 ， 往往得不到可靠的支持；
? 需要从头建立运营体系 ， 从硬件到系统 ， 从平台搭建到安全 ， 都要从零开始搭建 。
3. 使用商业产品自建数据分析能力
使用商业的数据分析产品 ， 自建数据分析能力 ， 这样做的优点是：
? 数据安全得到保证；
? 如果已经有商业的私有云 ， 比如VMware ， 可以充分利用现有的资源 ， 基于既有基础设施推进AI实践 。


推荐阅读


上一篇：「」Redmi Note9首发天玑800！起售价1499？友商沉默不语

下一篇：『』PS1游戏机型号大全，收藏