• 大数据
    报告|2015年度大数据发展十大预测 // // // 《中国大数据技术与产业发展白皮书(2014年)》针对2015年度大数据发展做了十大预测,他们分别是:   一、结合智能计算的大数据分析成为热点,包括大数据与神经计算、深度学习、语义计算以及人工智能其他相关技术结合,成为大数据分析领域的热点。   大数据分析的核心是从数据中获取价值,价值体现在从大数据中获取更准确、更深层次的知识,而非对数据的简单统计分析。要达到这一目标,需要提升对数据的认知计算能力,让计算系统具备对数据的理解、推理、发现和决策能力,其背后的核心技术就是人工智能。近些年,人工智能的研究和应用又掀起新高潮,这一方面得益于计算机硬件性能的突破,另一方面则依靠以云计算、大数据为代表的计算技术的快速发展,使得信息处理速度和质量大为提高,能够快速、并行处理海量数据。   二、数据科学带动多学科融合,但是数据科学作为新兴的学科,其学科基础问题体系尚不明朗,数据科学自身的发展尚未成体系。 在大数据时代,许多学科表面上看来研究的方向大不相同,但是从数据的视角来看,其实是相通的。随着社会的数字化程度逐步加深,越来越来多的学科在数据层面趋于一致。可以采用相似的思想来进行的统一的研究。数据科学作为一个与大数据相关的新兴学科出现,真正支撑大数据发展的学科跨越还没有出现。针对大数据处理的理论研究上,新型的概率和统计模型将是主要的研究工具,学科基础理论的突破还难于在2015年出现。   三、跨学科领域交叉的数据融合分析与应用将成为今后大数据分析应用发展的重大趋势。 大数据技术发展的目标是应用落地,因此大数据研究不能仅仅局限于计算技术本身。由于现有的大数据平台易用性差,而垂直应用行业的数据分析又涉及到领域专家知识和领域建模,目前在大数据行业分析应用与通用的大数据技术之间存在很大的鸿沟,缺少相互的交叉融合。因此,迫切需要进行跨学科和跨领域的大数据技术和应用研究,促进和推动大数据在典型和重大行业中的应用和落地。   四、大数据将与物联网、移动互联、云计算、社会计算、等热点技术领域相互交叉融合,产生很多综合性应用。 近年来计算机和信息技术发展的趋势是,前端更前伸,后端更强大。物联网与移动计算加强了与物理世界和人的融合,大数据和云计算加强了后端的数据存储管理和计算能力。今后,这几个热点技术领域将相互交叉融合,产生很多综合性应用。   五、大数据多样化处理模式与软硬件基础设施逐步夯实。 内存计算将继续成为提高大数据处理性能的主要手段。以Spark为代表的内存计算逐步走向商用,并与Hadoop融合共存,专为大数据处理优化的系统和硬件出现,大数据处理多样化模式并存融合,一体化融合的大数据处理平台逐渐成为趋势。其中有一个观点这种多元化一定程度上成为一体化,未来大数据多样化处理模式并存并且有可能成为一体化的平台。   六、大数据安全和隐私。 这是我们第三年关于大数据热点问题趋势的预测,每一年这都是非常靠前关于大数据安全和隐私问题,这个反映我们专家我们用户一种期盼一种理解一种关注度,但是我们在大数据的安全和隐私保护方面,以及大数据涉及到资源国家主权这层面,实际上技术层面没有比较多的,这两年多以来没有比较长足的进步,这方面有一定的问题的,所以说大数据的安全持续令人担忧。   七、新的计算模式讲取得突破。 去年前年我们在国内大量的去讲深度学习,今天我们发现一个很有意思的现象,在一些特定的领域发挥了作用,但是我们专家和工业界的人士更关注众包技术,也就是说可能未来不光是大数据讲深度学习。   八、各种可视化技术和工具提升大数据分析。 进行分析之前,需要对数据进行探索式地考察。在此过程中,可视化将发挥很大的作用。对大数据进行分析以后,为了方便用户理解结果,也需要把结果展示出来。   九、大数据技术课程体系建设和人才培养是需要高度关注的问题。   十、开源系统将成为大数据领域的主流技术和系统选择。   来源|互联网
    大数据
    2015年01月09日
  • 大数据
    大数据改造在线招聘,精准匹配求职者和目标职位,传统招聘还有存在的价值吗? 自2012年上线刚满2年便获得1亿美金融资的今日头条,通过数据分析不同用户对新闻的偏好,进而对其推送订制式新闻的模式几乎惹怒整个传统媒体圈;不久前成功上市的万达集团更是在今年9月与百度、腾讯联合宣布成立万达电商,企图借助百度、腾讯的底层数据库及会员系统优势对抗电商霸主阿里……   “大数据”在整个商业世界中正扮演着越来越重要的角色。   大数据获得热捧的背后预示着,商业战争将演变为数据战争。谁获得了最大规模的、最有价值的数据, 谁将赢得整个互联网的未来。正如移动互联网从平台级应用开始走向垂直化一样,大数据势能也将从平台级企业向更多细分垂直领域释放。在线招聘、互联网医疗、在线教育、O2O,这些垂直领域都对“大数据”有着最为直观的需求。我们接下来仔细谈谈大数据如何改变在线招聘领域。   在线招聘1.0,数据厚积时代 中国在线招聘市场可追溯到将近20年前。个人用户上传简历至招聘网站,企业用户在海量的个人简历中搜寻自己所需要的人才,劳动力供给方与需求方第一次通过互联网实现对接,在线招聘市场迎来爆发期。   我们仔细分析一下在线招聘1.0时代的一些特征:   1、海量数据 在线招聘1.0时代正处于“信息入网”的巨大红利期。智联招聘、中华英才网等行业中的玩家并不需要花费多大代价即能获得海量用户简历,并以此为资产吸引、对接更多的招聘方、猎头。当智联招聘半年前以7亿美元估值在美国纽交所上市时,其注册用户已达7700万,数据库拥有大约近6000万份完整简历。智联丰富的求职者数据令其在在线招聘1.0时代稳坐龙头。   2、数据结构化、标准化 该阶段的招聘网站拥有的求职者数据高度结构化,包括简历呈现方式、职业类型、从事行业等,但现实生活中的从业者所在行业或职业类型可能会更加精细。随着互联网技术兴起,新兴行业越来越多,招聘网站即使拥有多个数据属性也无法清晰定义用户能力与经验。   3、数据带来的简历轰炸与招聘低效 在越来越多企业和求职者疯狂涌向网络的同时,缺点也渐渐凸显出来。由于求职者投递简历的成本过低而导致的“简历轰炸”和个人信息造假严重等现象,让企业HR们面对越来越宽阔的“简历海洋”,苦不堪言。   「我们想要的是一名狙击手,招聘网站却为我们招来了一架坦克」。企业和应聘者的信息不对称,导致招聘网站「乱点鸳鸯谱」,传统招聘网站的短板开始露出端倪,不再能满足对人才数量及质量需求都与日俱增的企业HR或猎头。   社交招聘:三维世界与二维世界的竞争 随着Facebook与Twitter的社交风暴席卷全球,大数据挖掘的命题不断刺激着公众的神经。而在大洋彼岸的中国,大数据已经开始深入到电影、音乐、台网联动等垂直领域,在招聘这个垂直领域,大数据的应用也在造福着众多求职者与雇主品牌。   在线招聘2.0时代,招聘行为融入更多的社交属性,社交招聘网站逐渐成为招聘行业的主流工具。相较之传统招聘网站海量数据的扁平化,在社交招聘平台上则能挖掘出更多层次的数据内容:用户基础资料数据,用户行为数据,以及用户在社交平台的互动数据。   在线招聘2.0时代用户交互数据的重要价值被挖掘和掌握后,通过构建数据分析模型,整合职场人士网络行为习惯及社交网络的数据,能形成其更加精准立体的用户画像。如果说招聘1.0时代的大数据挖掘仍处于二维世界的话,到社交招聘时代的大数据,则将整个招聘领域带入耳目一新的三维世界。通过挖掘用户社交行为数据,企业在招人效果上整整提升了一个台阶。   以全球最大的职业社交网站LinkedIn为例——在LinkedIn上,个人用户可以创建简历、关注公司职位信息、建立人脉联系、填写个人技能,还能够分享行业资讯信息。而企业方则可以建立公司主页,购买付费产品可以发布招聘广告,搜索全站用户的档案并与之联系。   用户建立人脉关系与分享资讯信息的同时,也在传递他们所属的商业圈子以及他们的价值理念。企业在创立企业主页的同时也在树立雇主品牌形象、树立求职者信心。双方的形象更加立体化、具象化、情感化。   最近LinkedIn发布的《2015中国人才招聘趋势报告》中,在问及“未来5到10年对决定招聘行业发展起到最重要作用的趋势会是什么?”的时候,有55%的HR主动选择了“使用’大数据’预测未来人才需求”这一选项,远远高于全球27%的水平,这说明国内的人力资源部门已经意识到大数据的重要性。在被问及“贵公司在用数据了解人才招聘的效率和机会这方面做得怎么样?”的时候,只有18%的受访者认为自己公司做得不错,低于全球24%的水平,这反映出国内的人力资源部门在行动上仍然没有迈出通过数据的方式来优化招聘效率。   随着招聘领域进入三维世界,我们可以看到,2.0时代的在线招聘行业发展呈现出一些新的特点:   1、 招聘最合适的而非能力最强的 在1.0时代,企业招聘员工更多的是通过关键词基于简历进行搜索,这种方式无法从更多纬度判断求职者的价值观、社交属性。而在2.0时代,由于数据类型的丰富与立体化,新的数据算法能让雇主与用户更加精准匹配。   美国加州26岁的杰德•多明格斯某天收到一封突如其来的邮件,旧金山一家初创公司请他去面试程序员。多明格斯那时正住在加州某市一间租屋里,靠信用卡赊账度日,他正在自学编程。多明格斯在高中表现中等,也没想过要上大学。是一位名叫卢卡•邦马萨的人通过一种新的数据算法选中了多明格斯。   这种新的数据算法的理念是让人把目光从传统的人才指标上移开来一点,比如招募者一般都很关心的麻省理工大学的学位、谷歌公司供职的经历、同事或友人的推荐等,同时投入更多注意力在一些简单的概念上面:这个人的表现如何?这个人能够做什么?能不能量化分析它?   据了解,这种来自于美国某数据分析公司的新算法在分析一个人时要处理三百来个主要变量:常逛的网站、描述各种技术时使用的语言类型、积极还是消极、在LinkedIn上的技能自述、参与过哪些项目、都干了多久、在哪里上的学、学的什么专业,这所学校当年在《美国新闻与世界报道》上排名是多少……正是这些丰富的数据勾勒出求职者更加立体化的画像,让雇主与用户更加精准匹配。   2、“大数据”提升劳动力运转效率 2011年夏天,曼城队助理教练大卫·普拉特决定利用数据分析来解决球队在表现方面遇到的一个棘手难题。普拉特发现,尽管球队阵容中拥有多名高大强壮的球员,但他们的角球得分情况却不尽如人意。 在征求了俱乐部内部数据分析师的意见后,该队增加了对内旋角球(球转向守门员方向)的使用。战术转变产生了惊人的效果。在整个赛季中,曼城队依靠角球打入15个进球,成为英超角球得分效率最高的球队,其中2/3的进球采用的是内旋角球。这一实践为数据驱动型决策提供了强有力的支撑。   高质高效的数据分析开始在企业和团队的战术及决策中展示出更大价值。   一些走在前列的科技公司如BAT、华为、联想等,已经开始用LinkedIn的数据协助自己进行更多的商业决策。比如,通过阅读求职者的资料,它们可以发现哪些地区拥有更多潜在的合适的员工,并决定在何处设立新的办公室或工厂。换言之,LinkedIn想要改变的不再仅仅是招聘和求职的方式,而是整个劳动力市场的运转效率。   在LinkedIn首席执行官杰夫·韦纳尔(Jeff Weiner)的理想状态下,LinkedIn可以基于这些数据描绘出一幅宏大的“经济图谱”。具体说来,如果LinkedIn能够跟踪求职者、公司和大学之间的关系,绘制出人们的工作职位、资历和技能与雇主要求间的匹配图,它就能够逐步改善劳动市场信息的流通,创建劳动力市场的大数据。   总结 如今,数据获取变得越来越容易,然而面对海量的数据,如何更好地加工和运用,使其转化为商业机会并提升价值,大多数企业依旧在为之努力。职业社交网站凭借着对大数据的深入认知与实践,或将迎来意想不到的井喷期。   作者:新媒体砖家
    大数据
    2015年01月06日
  • 大数据
    大数据与人才管理,欲说好困惑 // // // 文/张月强 如果评选2014年最热词汇,大数据一定榜上有名。如果在人力资源管理者中调研2014年最关注的话题,人才管理必定当仁不让。   伴随着移动应用在日常生活中的普及以及社交应用的风起云涌,基于云技术的大数据应用,也逐渐拓展到企业管理的多个领域。例如,Google已开始利用大数据更好的招聘,LinkedIn也更加的关注于为注册用户提供更有针对性的职位推送等。不过,大数据真的是企业管理的灵丹妙药吗?从传统的聚焦因果分析的企业内部决策分析(事后分析),升级到更加关注趋势分析的大数据分析(事前预测),不仅仅需要跨越数据积累和数据模型的鸿沟,更大的挑战在于与实际管理业务是否直接互联互通。   刚刚完成人事管理、人力资源管理到人力资本管理升级的中国人力资源管理者,在互联网浪潮、社交应用、大数据的轮番冲击之下,能否通过大数据应用实现弯道超车,跨越人才管理的基础鸿沟,真正提升人力资源管理在企业战略决策中的地位,这是所有人力资源管理者困惑和需要深入思考的重点。   面向未来的趋势分析劳动力 人才管理区别于传统意义人力资源管理的最核心之一即是劳动力规划。企业的战略在发展和变化,人才战略需要能够高度匹配企业战略;企业战略随着市场环境而发生变化,人才战略更需要基于企业战略规划,更好的模拟和预测未来的发展。现有的劳动力规划,擅长基于既定战略、结合原有人才体系,进行人力资源规划;而基于大数据的劳动力规划,则需要更广泛的分析历史、行业、全球、地区的数据,并结合政策信息、人口信息、环境信息等各种数据,模拟未来战略发展、演变以及与之配套的劳动力结构、数量、能力要求、人才储备、发展计划等。因此,不再是单纯的计划,而更多的立足于长远的规划和演进,进而帮助企业战略落地和校准企业战略方向。例如,大数据分析帮我们更好的预测到人口红利消褪的2020年,劳动力的主要构成、文化习惯、管理方式创新等。在此领域,SAP联合牛津大学联合发布的《未来的劳动力》(Workforce of the Future)做了卓有成效的探索。   当然,我们也需要清醒地看到,囿于大数据规模效应尚未形成,劳动力分析的大数据仍然需要更广泛的数据源补充。   在人才招聘中互联互通 社交媒体的活跃,不仅仅为普通大众打开了一扇更广泛的社交方式,对企业的渗透也在逐渐深入。一方面,以社交媒体的“去中介化”为起点,完全颠覆了传统招聘的信息不对称局面,雇主可以透过社交媒体固有的“大数据分析”机能更好的全方位考察候选人,一方面“自媒体”的崛起,帮助候选人更容易透过社交媒体多角度了解雇主尤其是雇主品牌。简单如LinkedIn的意向职位推送,即体现了大数据的力量。   我们欣喜的看到,随着移动应用的进一步普及,基于大数据的社交招聘,正通过微信等新兴媒体的快速传播而逐渐占据招聘的主流地位。同时,与云端的人才测评等的高度融合,更加速了招聘走向“大数据”化和社交化。   深入了解个人和组织 《论语》曰:知之为知之,不知为不知,是知也。要做到“知之”难,做到知“不知”更难。我们习惯性认为,自己已经具备胜任工作的能力,同样习惯性认为为自己做了比较正确的职业规划,其实不尽然。事实上,商业环境的变化、知识更新换代的加速,决定了我们在“知己”方面的严重误判风险,以及组织和个人发展方向的盲目乐观。以学习和培训为例,新兴岗位培养体系的无法借鉴性,加之知识更新换代频率的加速,决定了传统的培训方式、培训内容、学习目标、学习动因都在发生颠覆性的变化,如何更好地、更针对性地、更合理地安排个人和组织的学习成长目标、学习发展方式、职业生涯规划、继任计划等,成为大数据时代人才管理者的巨大挑战和重大契机。大数据一方面提供了更广泛的参照样本,一方面也帮助企业和个人更加科学、量化的看到自身能力的补充方向和发展方向,更加积极主动地参与到学习环节中,从“要我学”真正转化为“我要学”。   同时,人力资源管理者更需要充分利用移动技术和社交技术,充分利用员工/学习者的碎片化时间已经潜意识的分享“冲动”,更好的建立学习型组织,建立服务企业战略的学习体系。   以高绩效为基准优化人才结构 绩效管理的核心价值在于将企业的战略目标高效、准确地传递给每一个员工。完善的绩效管理体系,能够帮助企业更好的执行企业的战略。而大数据时代的绩效管理,则进一步需要帮助高绩效员工“画像”,以此“画像”塑造员工、发掘员工、招募员工。通俗的说,即是透过大数据分析,将高绩效员工的行为特征进行量化描述,进而基于此可视化描述形成员工行为准则和选拔标准,帮助企业建立高绩效的管理机制和团队能力,以高绩效行为准则为基准,优化人才结构。   同时,我们可以发现,目前绩效管理与大数据的结合,不在于缺乏高绩效人才行为的洞察模型,而在于历史数据的可参照性欠缺以及对标数据的完整性不足。   相助人才盘点 洞察微末 不同的企业里面,分别哪些岗位的离职风险较高?主要原因是什么?当前组织单元里面,哪些人有潜在的离职风险?离职的真正原因是什么?   这些问题,人力资源管理者一般无从回答或仅能凭感觉回应。基于大数据的人才盘点,可以将基于样本的分析模型,应用于足够丰富的大数据,进而更清晰盘点隐藏在人员结构之下的能力/潜质分析、绩效/产出分析等。同时,反过来优化分析模型,更好的盘点人才,包括结构的盘点、发展趋势的盘点(离职倾向、绩效提升/改进点等)。这是对传统的智能分析以结构和因果为主进而发现问题为原则的跨越式升级,形成洞察微末,进而“防微杜渐”的真正的决策支持。   大数据之“惑”欲说还休 观察行业,我们欣慰的洞察到越来越多的企业将大数据视为升级人力资源管理体系的重要手段和契机,逐渐应用在招聘、绩效、人才盘点、学习与发展等领域,更加推动了中国的人力资源管理从人力资源到完整人才发展的跨越。但是,我们也需要认识到目前的强大阻力:包括对“云技术”/云应用的不信任、顾虑甚至抵触,以及企业人力资源管理者对原本内部管理数据的安全顾虑进而保守封闭导致大数据不大(充分)等。这些障碍,不仅仅束缚了自身的手脚,更无法真实获取对标数据,因此,也无从谈起大数据的真正应用。   总之,雄关漫道真如铁,大数据推动人才管理,在路上。   本文章原载于《培训》杂志2014年年终特刊
    大数据
    2014年12月29日
  • 大数据
    可穿戴设备新爆发点:入侵企业员工工作市场 一项新技术或新产品的投入使用通常会带来一系列的影响,可穿戴设备的普及对员工们正常的生产生活带来诸多便利和不可思议之处,但同时也会对员工的隐私和一些机密文件构成一定的影响。如何正确对待可穿戴设备这把双刃剑是很多公司都需要考虑的问题。   可穿戴设备已经像冰雹一样冲击着当今市场。从手表到眼镜,从帽子到皮带,各种各样的芯片和传感器被集成在我们的衣服与装饰品上,这类型的产品市场在短期内似乎没有减缓的迹象。事实上,据IDTechEx透露,预计在2024年可穿戴设备的市场份额将超过700亿美元。   从等待上市的Apple Watch来看,这款产品预计会在2015年年初进入市场,可穿戴设备在人们的工作场所变得无处不在,特别是那些以创新和改变闻名的大型科技公司,已经是很常见的产品了。   但是对一些人来说,可穿戴设备在某些方面能够非常显著的提高一些公司的工作流和工作效率,通过这些可穿戴设备所收集到的数据,员工对于工作的洞察力将会达到一个新的高度。对另外一群人来说,随着这些不可避免的可穿戴设备的入侵,将意味着我们将被迫接受这些设备所带来的“噩梦”,以及一些安全隐患、未知的政策和一些新的规程。   可穿戴设备在劳动力领域重新定义大数据 可穿戴设备为收集员工们的日常工作大量的数据提供了机会,收集这些数据然后通过预测分析,对员工们有很大的好处。   员工们看到了可穿戴设备确实是一个非常好的机会。据普华永道对1000名美国成年人的一项研究中指出,77%的受访者认为可穿戴技术的好处是它本身所存在的潜力,它能使员工们更有效率以及更有生产能力地投入到工作中。另外,46%的受访者说他们所在的公司应该为员工在可穿戴设备上投一笔资金。 由可穿戴设备所收集到的有效信息,通过一定的组织整理后能够在一定程度上提高生产率并且提到员工的敬业程度,甚至能够降低虚假病假员工的数量。但是这些数据在某些情况下破坏了现有的福利和奖励机制。可穿戴设备能够允许员工们在外四处奔波的时候,不用考虑赶回总部参加一个会议,组织能够实时整理收集到的信息,然后体现出这些数据的真实价值。   举个例子,可穿戴设备可以允许老板们随时了解员工们一天的时间里究竟干了些什么,能够取得指定的某一时间的图像,然后就能迅速识别分析出效率低下的员工。根据员工的喜好和习惯,这些信息可以对公司的投资回报率以及寻找提高员工敬业度的方法等方面有着巨大的影响。   通过可穿戴设备实时观察和分析,这一模式甚至可以渗透到员工刚入职时的流程。通过预加载到可穿戴设备中的培训手册,能够帮助员工们更好的融入公司。考虑到很多科技巨头之间的竞争,面对吸引和留住顶尖人才的挑战,确保雇主和员工之间的和谐关系,如何有效的留住员工,这些方面还有很长的路要走。   使用这些技术进一步强调了新的健康计划,这些已经成为可穿戴设备领域常见的主题。可穿戴设备的健康管理功能,从Fitbit到Samsung Gear,都能够允许雇主了解雇员的一些个人习惯,这些都是之前没有的。   我们已经看过一些关于健康的方案,最常见的就是关注身体的一些指标,管理和减肥。有一些设备甚至还能跟踪员工在办公桌前的坐姿是否正确。可以这样想象一下,有一块可穿戴设备,能够根据员工的实际情况建议他爬楼梯而不是坐电梯。又或者是吃一顿健康的午餐而不是垃圾食品。如果员工做出了正确的选择,他们就会得到一些相应的奖励。   一个反复无常的“自带设备”噩梦? 就像任何新技术在被刚采用时,总会伴随着一些安全和隐私的问题。可穿戴设备好像使得这一问题变得更加复杂。根据前面所提到的普华永道的调查,82%的受访者担心可穿戴设备会侵犯自己的隐私,同时66%的人认为可穿戴设备会使他们更容易遭受数据安全漏洞的威胁。如果你不小心丢失了你的智能手机或者平板电脑,里面的信息可以很容易的被抹掉或者利用。可穿戴设备会提供同样的功能吗?   可穿戴设备挖掘的是一些最个人化的、最敏感的信息,正是由于这些信息的特殊性,也会让他们成为一个黑客攻击的简单目标。当设备连接到工作以外的未加密的无线网络或者在不安全的网络环境下操作,会让员工的可穿戴设备非常容易遭到影响。使用非常简单的数据共享功能,有些敏感的商业信息就有可能会落入一些别有用心的不法之徒手中。   随着越来越多的员工在工作中使用自己的个人可穿戴设备,保持信息安全成为了许多潜在威胁中的一个艰巨的任务。   尽管引进新技术的时候都是令人头痛的,但可穿戴设备不可避免的会在日常商业活动中发挥着越来越重要的作用。实现一种创新、现代的科技,以提升员工在一个科技公司的经验,但是他们在使用这些设备和技术之前将要了解新的隐私策略和一些必要的安全指导。   勇敢的美丽新世界 通过可穿戴设备所统计的数据,使得我们更准确的了解员工情况。在正确使用这些设备的情况下,采取适当的安全措施,这些可穿戴设备可以提高整体的工作效率,提高员工的参与度,使员工们发挥出他们最大的生产力。   Source:TC
    大数据
    2014年12月25日
  • 大数据
    杂谈|大数据将如何改变我们的学习? 维克托·迈尔被誉为“大数据时代的预言家”。现任牛津大学网络学院互联网研究所治理与监管专业教授。主要研究领域为数据科学、信息安全、信息政策与战略。曾任哈佛大学肯尼迪政府管理学院信息监管科研项目负责人、哈佛国家电子商务研究中心网络监管项目负责人、新加坡国立大学信息政策研究中心主任。曾参与欧盟互联网官方政策制定。先后担任过微软、惠普、IBM 等全球知名企业和机构的信息政策顾问。所著《大数据时代》、《删除》,皆被认为是最早洞见大数据时代趋势的开创性作品。 (下文根据演讲现场速记整理,有删节) 很多人都知道,我是一名数据科学研究者。那么,为什么我今天要来到这里,给大家讲有关学习和教育的问题呢?因为我认为,学习的未来、教育的未来都是和我现在所做的工作相关的。也就是说,当我和那些正在学习的人以及研究教育的人坐在一起,可以一起思考如何通过大数据来改变我们的学习方式。这样,我们或许就可以改进我们的教学,可以让教育变得更好。   这里所说的教育,不只是对那些优秀的人而言,而是对所有的人。我有一个观点,也是我的理想,那就是,所有人都应该获得配得上他的潜力的学习机会,学习怎样获得知识和洞见。我目前想做的,正是如何尽可能地帮助每个人学得更好。而在我看来,利用大数据,我们是可以在这个问题上获得新进展的。这就是我今天要讲的基本观点。   两种完全不同的教学方式 人们都赞美Mooc,认为它可以让全世界获得学习的机会。但是,Mooc的意义不仅仅在于此。还在于,通过它,可以获得大量关于人们如何学习的数据:人们怎样获得知识?怎样获得洞见?而通过理解并且进一步考察这些数据,我们可以更好地理解人类的学习行为,进而提高人们的学习效率和学习质量。   几年前,我曾访问过不丹。那是在中国和印度之间的喜马拉雅山脉东段南坡上一个非常美丽的国家。近年来,不丹在世界上因“幸福指数最高”而闻名。不丹在商业上有很不错的发展。其中,当地高超的唐卡描画技艺给很多前往不丹的人留下非常深刻的印象。   在不丹时,我访问了一所学校。这所学校正是教授关于唐卡的绘画技艺的。参观时,不仅是非常漂亮精致的唐卡图像给我留下深刻印象,学生们非常专注地描绘唐卡的状态更是令我目瞪口呆。最令我感到震撼的是,他们竟然可以做到与他们的老师所做的一模一样。而他们的老师又和他们上一代的老师、画家做得一模一样。也就是说,几千年过去了,他们描画的唐卡是完全一样的。   那么,教育对他们来讲,就是学习如何模仿过去,说得更具体一点,就是如何完全地模仿过去。从中延伸出的一个观点就是,最好的学生就是不偏离的学生; 和过往的优秀画家所做的一模一样的,才是最好的学生。我看到这些作品时真是非常惊叹。我对由他们的作品和创作、传承的整个过程所折射出的巨大的精确感,感到非常吃惊。他们所强调的,只是模仿,而不是你自己的思想,不是创造,不是原创,不是创新。   而在差不多的时间,我又遇到了另一个人。他叫吴恩达,现在是斯坦福大学的教授、一个计算机科学家。他在智能机器研究领域颇有成就。吴恩达和另一个合作伙伴达芙妮·科勒一起开创了一家公司。这家公司表面上和人工智能没有什么关系,但由这家公司开发出的在线学习平台“Coursera”已经成为当下最具代表性的在线学习平台之一,提供免费的网络公开课程。   这家公司的缘起就是由吴恩达讲授的“机器学习”课程被以免费的方式放到了网上。最后意外地发现,报名人数竟超过了10万人。而通常,吴教授平均每年的听课人数是400人,必须连上250年课才能接触到10万名学生。换言之,通过这个在线教育平台,这门课程可以抵达的学生比吴恩达以往一生可能教到的学生都多。而如今,他通过一个在线课程就教完了。正是因为这个经历,使得达芙妮·科勒和吴恩达后来一起合作,创建了Coursera(意为“课程的时代”)这个在线学习平台。这个平台的理念是,它可以提供在线教育材料给全世界的人。   当然,现如今,经过数年的发展,随着在线教育得到越来越多人的关注,在线的课程越来越多,Coursera已经只是其中的冰山一角了。这一波在线课程及其背后的在线学习体系被称为“大规模开放式在线课程”,即Mooc(massive open online courses)。人们都赞美它,认为它可以让全世界获得学习的机会。   但是,我想这种关于Mooc的观念是完全错误的。Mooc的意义不仅仅在于让全世界的人获得更多的学习机会,还在于,通过它,可以获得大量关于人们如何学习的数据:人们怎样获得知识?怎样获得洞见?而通过理解并且进一步考察这些数据,我们可以更好地理解人类的学习行为,进而提高人们的学习效率和学习质量。   在线教育最根本的未来在于它将改变我们如何学习。这关乎学习和教育的未来。正是基于这一点,我认为,正进入教育的方方面面的大数据,将对全世界的学习与教育活动产生极为深远的影响。   大数据如何重塑学习 大数据可以收集足够多的信息,且覆盖面广泛。我们在制作和利用大数据时,需要用个性化的方法把它们组织起来,将其运用于教育领域,进而帮助我们以前所未有的视角判断什么可行、什么不可行;展示那些以前不可能观察到的学习层面,实现学生学业表现的提升;基于学生的需求而非统一的课程标准来定制个性化课堂,促进理解并提高成绩。   现在让我们想几秒钟,人们到底是怎么学习的? 200多年以来,学习一直是学校体系的一部分。但其实在此之前,还没有现代意义上的学校或者大学,教育基本上是以个人形态存在的。一些富人家的孩子会获得一个一对一的导师,但这样的教育只有少数人才可以享有。现在教育是由普通大众来获得,这无论如何都是一个好事,是前进的一大步。但是,目前的这种情况还是不够的。   为什么这么说呢?因为,作为学生,其实我们每一个人都有自己独特的个性、需求和学习上的倾向。但是,目前我们这个教育系统还没有办法支持这个个性。如何才可以改变、完善这个系统?就是要通过对数据的收集和利用。如今一些技术上的进展已经为有关数据的大规模收集和利用创造了条件。在我看来,大数据正是可以从这个意义上重塑学习的三个主要特征,即反馈、个性化和概率预测。   说到这里,我想举多邻国(Duolingo)的例子。它的主体是一个语言学习网站,同时提供网页版和手机应用版。多邻国也是由一位计算机科学系的教授创建的,他叫路易斯·冯·安。多邻国是免费的。通过下载它提供的应用程序,你就可以在手机上学习国外的语言,非常有意思,使用起来也非常轻松。现在已经有成千上万的人用这个应用程序来学习语言。   多邻国的贡献在于,它是一套数据导向式的教学方式。无论用户是花几分钟还是几个小时在手机上用这个应用程序学习,他们都可以通过后台程序来跟踪收集大家学习语言的数据。通过学生在应用程序上回答一个个问题,系统和多邻国的团队会分析用户一般会纠结于哪些问题,会犯哪些错误。通过分析使用者的互动数据,分析他们的学习方式,从而再反过来,用这些积累下来的数据去改进整个应用程序。路易斯·冯·安曾说,其实他们对于到底如何学习外语所知不多,但是他们可以通过对数据的分析来了解学生更容易犯什么样的错误,从而帮助他们更好地学习。比如,他们发现母语为西班牙语的人在学习英语时,有些词其实应该晚一点再学。这样他们在学英语的过程中就会更少碰到障碍,从而更易获得进步。   而在此之前,我们传统的教学是怎样获得反馈的呢?就是通过考试。考试之后你通常会获得一个分数,这就是你可以通过一场考试得到的全部反馈了。但事实上,这个分数可以帮到你的不是很多,它并不能帮助你更好地改善你的学习。它既没有办法很好地分析你的学习过程,也不告诉你究竟该如何来改善你的学习。而事实上,问题很可能并不在于你本身的努力程度,而在于你的学习方式不对、你用的教科书不对、或者你遇到的教学方式可能根本不适合你。随着教育的发展,越来越多教育者开始注意到收集反馈的重要性,但凭借既有的方式,他们收集到的正确数据非常有限,或者在量上远远未能达到可以改进教学的规模。   多邻国的例子可以启发我们:当通过大数据,收集信息和反馈具备了更好的基础、更多的可能性,我们不仅更容易收集到数据了,还可能收集到更多可以帮助我们改善学习方法的数据。如果我们可以更多关注学习的过程,而不仅仅是像以往那样更多关注学习的成绩,我们的学习和教育现状一定会有所改变。它会找到更好的收集反馈的方式,还能使我们的教学更适合于每一个个人。当一个学生对他的学习内容并不十分理解时,他可以用一种新的方法学习。他可以慢慢学,不必用同别人一样的方法来学习。   大数据在这个问题上的优势在于:它可以收集足够多的信息,且覆盖面广泛。我们在制作和利用大数据时,需要用个性化的方法把它们组织起来,将其运用于教育领域,进而帮助我们以前所未有的视角判断什么可行、什么不可行;展示那些以前不可能观察到的学习层面,实现学生学业表现的提升; 基于学生的需求而非统一的课程标准来定制个性化课堂,促进理解并提高成绩。当然,在这个指导思想下设计出来的课程单,除了根据学生的需求,也会考虑到他们的潜能。类似这样的教学项目在现实中已经有所实践。既然我们可以截取、混合最爱的音乐并将之刻录到iPod播放器中,那么,为什么不能对我们的学习做出同样的操作呢?所以,对于改善人类的教育而言,“个性化”是仅次于“反馈”的第二大要点。   大数据可以重塑学习的第三大要点在于“概率预测”。所谓概率预测,就是通过大数据,我们能够对人们的整体学习状况和个体的知识掌握情况产生独到的见解。然后,基于某种高度的可能性,对个体为提高其学业成绩需要实施的行为作出预测。比如,选择最有效的教材、教学风格和反馈机制。   在由孟加拉裔美国人萨尔曼·可汗创立的可汗学院中就曾遇到这样一个例子。后台数据显示,有一个七年级的女孩一直搞不定数学,然后她就反反复复地学这几门课。但突然有一天,她学习了别的课,竟然就开窍了。她对所学内容的反应越来越快,在夏季结束时她成了最好的学生之一。可汗学院研究了一下她这个案例,发现正是因为她在中途突然改变了学习的内容和方法,才带来了转变。   这个例子正揭示了“概率预测”的可用武之地。有时候,我们的学习之所以没有进展,正是因为课堂的配置出了问题。由此,可汗学院提出了“翻转课堂”的理念。“翻转课堂”提倡的是,你先在课外阅读材料或者观看视频,这些内容通常由世界上最好的老师来讲授。然后,你再带着满脑子的问题去上课,和你所在学校的老师进行探讨。通过这个方式,你可以找到最合适你的教材和更有针对性的、适合你的教学风格。而面对面的讨论,无疑是更好的反馈机制得以产生的基础。   未来的学习会怎样 现在的学校是一个学生接受信息的空间,但是在未来,学生们将在家里通过观看网上视频等形式接受信息,然后到学校去和老师、同学就自己学习的内容进行讨论。学校将变成一个社会性的场所,是一个互相讨论、互相学习的所在。而与此相适应的是,老师在整个学习过程中的功能会发生改变。   有人肯定会说,这下问题来了:未来还需要像我们这样的学校吗?学校会成为私立的公司吗?谁会赢?这些问题没有标准答案。但我认为,能够从未来的学习竞争中获得胜利的,一定是那些能够驾驭大数据并且通过这种驾驭能力改善我们每一个人的学习的人。   就我个人的观点,未来的学校不会完全转移到线上,仍旧会有物理性的存在,但是,学校的功能将发生重大改变。现在的学校是一个学生接受信息的空间,但是在未来,学生们将在家里通过观看网上视频等形式接收信息,然后到学校去和老师、同学就自己学习的内容进行讨论。学校将变成一个社会性的场所,是一个互相讨论、互相学习的所在。而与此相适应的是,老师在整个学习过程中的功能会发生改变。以前照本宣科的传授、宣讲知识的技能,要让位于组织学生讨论的技能、让位于从数据中获取学生学习信息的技能、让位于根据数据对学生进行个别引导的技能。   在此过程中,大数据可以是老师的好帮手。以前,老师不知道哪些部分的内容是学生面临困难的、哪些学习材料是学生感兴趣的、接下来的教授重点有多少种教案以外的新可能,大数据可以帮助他们提供这些信息,从而更深入地了解学生的学习兴趣和学习风格。这个过程一定会遇到一些困难,但如果老师们掌握了这些技能,学校将比现在变得更美好。   随着数据处理技术获得极大的发展,老师会被替代掉吗?我的回答是:不会!有两个理由。一是数据可以筛选、排序、组合内容,但无法生成内容。即使是“翻转课堂”,视频中教授知识的也仍是老师。第二个原因,学习是一个社会性的过程,面对面的人际沟通与面对书本的学习是可以互补的,却不能相互替代。两者一起配合好,教学才能变得更好。   当然,大数据一方面有很多好处,但是如果这些数据被滥用到不恰当的地方上,也意味着巨大的风险和挑战。具体到教育领域来说,与大数据同行,会带来两大方面的风险。我把它们概括为“永久的过去”和“决定了的未来”。   所谓“永久的过去”,是指我们作为个人会不断地成长、发展、变化,而那些多年来收集的全面的教育数据却始终保持不变。想象一下,假使某个学生的活动记录被存储下来,并在25年后他找工作的时候被提供给未来的雇主,这将会是怎样的情形?因此,全面教育数据带来的首个重大威胁,并不是信息的发布不当,而是束缚我们的过去,否定我们进步、成长和改变的能力。目前能够抵御这一威胁的可靠措施大概只有法律。我认为,应该对大数据的使用立法,明确规定哪些数据可以收集和使用,哪些数据不能收集和使用;哪些数据可以在哪些领域中加以使用,等等。   所谓“决定了的未来”是指,将以所有人为对象收集到的全面教育数据,用于对未来进行预测。比如,系统预测某个学生不太可能在一个学科领域(如生物信息学)取得良好成绩,于是引导他转入护理之类的其他专业,我们应该如何看待这一决策?又如,大学可以很容易利用大数据选拔出学习能力最强的学生。但是,毕竟教育最聪明的10个学生是相对容易的,而提高普通学生的成绩却难得多,也有意义得多。也就是说,大数据可能会导致部分学生成为量化评估的受害者而非受益者,存在导致老师、学校只愿意接收天资聪颖的学生的可能,加剧教育的不平等。   而在我看来,大数据运用于教育的价值,正在于教育工作者能够借此帮助参差不齐的学生挖掘自己的潜能,而非淘汰那些被定义为“不聪明”的学生。大数据蕴含的巨大潜力应当被用于推进个性化学习、改善教材和教学、最终提高学生的成绩。它应该被用于促进教育改良的反馈,而不是作为对产品使用者进行简单评价的依据。   我们已经开始了一个新的大时代。如果做好了,那这个成果将是意义重大的,教育的性质将从根本上发生改变。很希望在座的学生有能力真正促成这样的改革。也希望我们能够通过对大数据的利用,用一个更好的教学方式,让所有人都能够得到一个更好的学习体验。谢谢大家!   整理|柳森 来源|解放日报  
    大数据
    2014年12月24日
  • 大数据
    当大数据成为企业标配,HanSight 想做适应这个时代的安防体系 前有“移动互联网”,后有“云计算”,接下来是“大数据”。当“大数据”分析成为企业的标配,再反复提及它就变得不太有意义。相应的,在概念之外,适应新平台和思维方式的产品升级才是技术趋势的价值所在。   最早看到“大数据企业安全”这个字眼是在朋友圈里,回复里有人提到王淮在 Facebook 时就提出利用大数据做支付安全相关工作。和王淮工作更接近的是杭州同盾,而 HanSight 是想在金融之外做更泛化更具备普适性的企业内外整合安全方案。   目前 HanSight 的团队过去三年里都在做 Hadoop 相关业务。据 HanSight 联合创始人 Eric 描述,他们中国最早接触 Hadoop 开发和运维的团队之一,可以在在海量数据监测、分析时实现“秒级响应”。与此同时,HanSight 也是 Hortonworks 在中国的官方合作伙伴。“实现对海量数据秒级响应对现有的一线大数据团队来说并不是很困难的事,困难的是针对这些数据做出有效分析和应用”,Eric 说。HanSight 现在的两位核心算法和安全引擎工程师都来自趋势科技,其中之一的 Justin 曾经在趋势领导和国外知名公司 FireEye 产品类似的沙箱技术。   不同于传统企业服务商的物理整机安全方案,HanSight 仅提供纯软件解决方案。在 Eric 看来,传统机器弹性有限,无法应对业务或攻击规模的突发变化,且仅能分析过去十小时安全日志。而 HanSight 的企业日志分析方案能对企业现存的所有数据进行分析,同时对实时生成的数据进行存储和实时分析。   由于是纯软件解决方案,HanSight 的实际性能在一定程度上受限于客户实际使用的计算集群规模。但 HanSight 的架构能适应标准 x86 处理器,且对企业原有系统几乎不存在性能影响。于此同时,运行 HanSight 的服务器处于企业安放对象服务群的后方,可以对保护对象的异常做实时预警,从而规避因为服务器被 DDoS 等服务攻陷而无法正常保护的风险。   HanSight 的 DataViewer 日志抓取、存储、可视化呈现和自定义分析工具现在免费提供,明年会对外开源。这个工具可以实现上述的海量数据秒级读取和分析,企业 IT 人员可以自定义规则以利用被抓取和存储的工具。明年,DataViewer 会开始以 SaaS 的形式为企业提供标准化服务。之所以日志抓取和自定义分析工具免费,在 Eric 看来是因为“所涉及的技术大多通用、开源,优秀的团队实现起来并不难,真正的门槛在于算法和基于数据的安全智能分析服务”。   目前 HanSight 的安全分析服务主要针对企业内网进行,“外网攻击可以通过防火墙等成熟安全体系防御,但内网情况更加严峻而且复杂”,Eric 说。根据他的描述,当下流行的 APT (高级持续性攻击)会利用企业内部员工的设备漏洞通过内网缓慢找到管理层人员并利用相关信息进行内网提权、资料盗取,同时还可能发生监守自盗的案件。HanSight 会对企业内的每一个员工进行行为模式建模,当员工和员工使用的机器在内网内做出异常行为时就会对企业 IT 和相关负责人进行报警。由于 HanSight 在现阶段只负责 Alert 而不会对异常行为或受控机做出 Action,所以能够方便和企业内部 ERP 等管理系统对接。在客户允许或有需求的情况下,HanSight 会在之后提供安装于受控机的 Agent 端以实现更全面的数据抓取和行为分析。   虽然 HanSight 基于现有日志数据的分析和传统企业安全方案一样属于攻后防御,但部署 HanSight 之后加以 HanSight 的分析增值服务就会形成一套主动的“攻时防护”体系。HanSight 会根据异常行为做出实时报警,并且根据现有数据预测企业现存的漏洞和可能存在的安全薄弱环节。   当 Eric 提到他和团队成员在趋势的工作经历时,不免让我想到出版人周筠七年前经手的《挡不住的趋势》。趋势科技由一对台湾夫妇创办,因为巧遇技术实力超强的 CTO 而走上与国际知名杀毒软件竞争的大平台。我无法为 HanSight 的技术实力做出担保,但相比千禧年前后的初级和混乱,国内安全产业的技术及正规化程度已经和真正的国际一线水平接近。诚然,FireEye 和 PAN (帕罗阿图网络)里不乏中国面孔,但中国制造依然有别于中国智造。   (HanSIght 已在此前获得光速的千万级 A 轮投资)   [36氪,作者: sinCera]
    大数据
    2014年12月23日
  • 大数据
    利用大数据,企业可以从Netflix、Eloqua和奥巴马2008年大选中学到什么 对很多组织来说,大数据是他们成功的引擎。Netflix、Eloqua和奥巴马的2008年总统竞选,为企业利用大数据提供了生动的例子。这些企业运用大数据接近顾客,并发展了一套成功的策略。   演艺界是一个由高管控制,凭其经验做决策的传统行业。在最初决定是否投资《纸牌屋》的时候,Netflix将大数据带到人们的视线中,最终证明该剧大获成功。《纽约时报》的David Carr说,Netflix在考虑其他制作人转交来的电视剧时,会分析电视剧的观众数据。   当发现有足够多的观众观看David Ficher(该连续剧的导演)导演、Kevin Spacey(该剧演员)参演的电影,以及原始英国版本,Netflix统一投资1亿美元制作该剧。Netflix非常自信,所以迈出了这非同寻常的一步。   Netflix最初只是一家影片邮寄租赁商,起初客户不过把它作为除Blockbuster公司外的备选而已。但本质上,Netflix善于操纵数据。影片候选队列使Netflix深谙用户观看习惯,并能向用户推荐他们可能感兴趣的电影和电视节目。当Netflix娱乐流媒体向用户开放后,这种能力得到了更广泛和直接的扩展。   Eloqua是另一家利用大数据取得成功的初创企业。这家自动营销软件公司在2013年被Oracle以9.57亿美元的价格收购。   Eloqua成功的秘诀之一是“软件即为服务”的模式。因为Eloqua提供在线解决方案,它有着接触大量数据的机会,能够了解用户如何使用产品,这就给公司提供了敏锐的洞见,如何服务单个用户,以及怎样使软件变得更好。   Eloqua前首席执行官Joe Payne在一次关于The Big Date-Driven Business的采访中说:“我认为在当代我们所经历的技术时代,最有趣的莫过于我们第一次对用户怎样使用我们的软件、何时使用、使用频率和使用人数有了相当清晰的理解。如果你对这些事情足够关注,它就能够给你赢得市场的深刻见解。”   2008年,奥巴马利用大数据,并未赢得某个市场,而是赢得了总统大选。Dan Siroker是奥巴马竞选团队的数据分析主管,他专注于网站的优化,常常使用A/B和变量测试。   奥巴马竞选依靠数据分析,尤其是在竞选网站方面,这对获取支持者的电子邮件地址十分关键,每个人平均向奥巴马竞选贡献了21美元。   Siroker在博客中写道:为了让大家分享电子邮件地址,奥巴马团队测试了各种图片和口号组合的效果,一共有24种之多。利用A/B测试,团队发现其中一种组合的表现好于其它组合:巴拉克·奥巴马与妻子和孩子的合影,加上“了解更多”的口号,让11.6%的网站访问者分析了电子邮件地址,这比24中组合8.26的平均值改善了40.6%。   Siroker说,最终,这个组合收集了288万个额外的电子邮件地址,为竞选赢得了额外的6千万美元。2010年,他依靠竞选的经验成立了自己的大数据公司Optimizely,这是一个帮助企业从网站获得最优数据、进行电子邮件营销和其他数字营销的平台。   Optimizely的下一步计划将是帮助企业改进客户移动营销。Siroker说:“我们的目标是让世界将数据转化为行动,我们认为网站和移动端优化只是这个旅程中的第一步。”   (via entrepreneur,快鲤鱼编译)
    大数据
    2014年12月23日
  • 大数据
    化繁为简,Linkedin如何用大数据来变现 对Linkedin商业数据分析部门而言,大数据分析不是什么高高在上、复杂枯燥的工作,而是一门化繁为简、高效实用的艺术。        在大数据时代,商业数据分析部门对一个公司的重要意义不言而喻。目前,很多公司的数据分析部门采用的都是“分析放在报表之上”的分析方法,即每天产出非常繁琐、复杂、海量、事无巨细的分析报告,但这些分析报告的可理解性和可执行性并不强。而Linkedin作为一个典型的数据驱动的公司,在进行数据分析时却反其道而行之,采用了“报表放在分析之上”的方法,化繁为简,以最快的速度在大数据金矿中发掘出最多的商业价值。   据悉,自2011年商业数据分析部成立以来,Linkedin的销售收入已经增长了20倍,不仅如此,整个公司的各个环节都实现了数据驱动的自动快速的商业决策。近日,钛媒体驻美记者也独家专访了Linkedin商业数据分析部门第一位员工及部门总监Simon Zhang,对Simon而言,商业数据分析不是什么高高在上、复杂枯燥的工作,而是一门化繁为简、高效实用的艺术。     数据分析结构:从金字塔到菱形到球形 Linkedin无疑是一个建立在数据基础之上的公司,截至记者发稿时,其用户即将超过3.4亿人,庞大的用户规模也产生了海量的数据,这其中包括行为数据、身份数据、社交数据以及内容数据等,如何从这些海量的数据中挖掘出用户痛点从而推出适销对路的产品和服务是Linkedin商业模式的关键。   成立于2011年3月21日的Linkedin商业数据分析部门的主要功能正是通过数据分析支撑公司其他关键部门进行各种决策。目前,商业数据分析部门的70名员工可以支撑服务于全公司4500名以上的员工。   “自成立以来,每天,销售、运营、客户服务、工程、市场、产品等各个部门的员工都会向我们部门提出各种各样的问题,比如,用户对我们的主页面是否满意?我想推销某款人力资源产品,我该推销给哪个公司?等等。最初我们都是通过人工手动进行数据分析,但这样效率实在是太慢了,于是我们开始思考改革以往的数据分析的方法。”Simon表示。   和大部分公司一样,Linkedin最初采用的是金字塔形的数据分析架构,从下到上依次是:了解相关业务与产品;有目的地采集有用的数据;深度了解数据分析工具原理以及如何使用;数据分析;得出结论、作出决策。   而这几个步骤中,区分出不同水准的数据分析的关键点在于中间两个步骤。“了解你所使用的数据分析工具方面,目前很多分析人员不是太重视,因为他们认为编写数据分析工具是传统IT部门的事情,但实际上,能否深度地了解分析工具的运作原理对于你能不能充分正确地使用这个工具很关键,也是区别好坏分析人员的关键。   另一个关键点在于数据分析这一过程本身,在我多年的工作经验中,业界一致认为,好的数据分析都是善于化繁为简的,好的数据分析人员善于用最简单明了的方式呈现最核心的价值。”Simon告诉钛媒体。   正因如此,在人人都在讨论大数据的时代,Linkedin对数据分析的最重要的两个要求就是“速度要快并且产生价值”。   只有速度够快才能形成规模化,才能产生规模的价值,而传统的金字塔型的数据分析架构使得分析人员在金字塔的中下段部分花费了过长的时间(85%-95%的时间),因此,2010年底至2011年初,Linkedin开始考虑将金字塔结构变为菱形结构。 “变成菱形结构的主要方法就是,不断创造自动化的工具代替传统金字塔底层的工作,将金字塔所有可能的环节尤其是中下部分的工作让机器自动完成,” Simon表示,“特别需要注意的是,金字塔变成菱形是一个不断迭代的过程,每一个变成菱形的数据分析结构,我们会将其再次变成金字塔形,然后再次优化变为菱形,如果说每一个菱形面积仅有原来的金字塔面积的一半的话,经过多次转化和迭代之后,整个数据分析的效率将被大大提升。”   据悉,在将金字塔形的数据分析结构变为菱形后,Linkedin商业数据分析部门再次对其进行了优化,将菱形结构变成球形结构,形成闭环,“目前我们商业分析部门已经开发出了几百个面向内部员工的闭环的球形产品,每一个产品都可以实现从产品到数据收集到分析到决策的一个闭环流程,这也就意味着每一个球形产品不仅可以实现高效的分析和决策,还能形成闭环、自动升级和迭代”。   (分析决策:从三个月到一分钟) 对于大数据分析,Linkedin认为效率是第一准则,用最短的时间产生真正的价值比面面俱到的分析更加重要。而通过商业数据部门近几年开发出的几百个面向内部使用的产品,Linkedin所有部门的员工都可以真真切切地感受到工作效率的飞速提升。   案例一:市场和销售团队支撑产品——Merlin 对于Linkedin的每一个产品销售人员,当他接到销售某一款产品的任务时,他至少会产生以下几个主要疑问: 1.我该把这款产品卖给哪家公司? 2.我应该联系谁?谁有采购的决定权? 3.我应该怎样去联系这个人? 4.我该派谁去联系这个人?是我自己去合适还是我的某位同事去更适合? 5.到这家公司后我该讲一个怎样的故事打动客户?   在传统的人工手动的数据分析模式下,对于某一款特定的产品,其销售人员想搞清楚以上几个问题并作出一个见客户时使用的销售PPT至少需要2周到2个月的时间,而今天,通过Linkedin市场和销售团队支撑产品Merlin,销售人员仅需要登陆系统,输入自己的名字以及需要销售的产品名称等基本信息,Merlin可以自动收集销售人员的背景数据和人脉网络数据,从而快速生成较为精准的销售方案,从输入基本信息到销售方案的生成仅需要一分钟的时间,销售人员甚至可以得到系统为他量身定制的销售PPT。   “传统进行2个月的调研也未必可以得到精准的方案,而目前仅需要一分钟的时间,我们最近还把Merlin安装到了销售人员的手机上,实时对销售人员进行支撑,目前Linkedin一共有3000多人在使用Merlin系统,”Simon表示,“销售方案的自动化生成也使得我们在招聘销售人员时变得简单,不需要过多的培训便可迅速上岗。”   案例二:产品测试团队支撑产品——A/B Testing System 对于Linkedin测试部门而言,在传统环境下,其想要完成一项测试工作起码需要3个月时间,而目前,通过A/B Testing System,仅需要一分钟的时间便可以从每一项测试的650个指针中抓取出几个关键指标,提出改进意见,从而以最高的效率对测试产品进行改进。   “传统环境下,十几个人3个月才能完成的测试工作,目前仅需要一分钟,目前A/B Testing System每天可以支撑2000个内部测试,每一个测试追踪650个以上的指针,通过抽取最关键指标的方式对产品提出改进意见,”Simon表示,“我们不追求尽善尽美,我们只追求每天进步一点点,事实上,只要每天可以在原有基础上进步1%,一年之后的进步成果将是惊人的。”   案例三:客户服务团队支撑产品——Voices 对Linkedin客服部门而言,如何衡量用户满意度一直以来都是一个难题,因为通常客服人员们只能从用户留言等非结构化的数据中收集到一些信息,但如何将松散凌乱的非结构化数据变为可衡量改进的结构化数据一直没有得以解决。   直到Linkedin商业数据分析部门推出客户服务团队支撑产品——Voices,传统无法结构化的数据仅需要一分钟便可生成分析报告,比如,如果客服团队想知道目前Linkedin的客户对于主页是否满意,其仅需要在Voices中输入“Homepage”,便可以瞬间得到结构化的可视的用户满意度数据。当然,瞬间获得结果的背后一定是严谨而先进的算法。 (从写模型到写机器人) 事实上,如上的例子还有很多很多,Linkedin商业数据分析部门自成立以来一共推出了几百款这样的产品,每天都在为每一个Linkedin员工提高工作效率和效果而努力。不仅如此,每款上述产品还可以自动地学习员工的使用习惯,以保证员工在下次再次使用相同的软件时响应速度会更快。“对Linkedin员工而言,我们的每一款产品都是为他们个性化打造的。”   规模自动化的结果当然是效率和效果的大幅提升,据悉,自2011年商业数据分析部成立以来,Linkedin的销售收入已经增长了20倍;其他所有环节的工作效率也大幅得以提升。   “我们不会满足于此,以前我们部门的主要任务是写模型,从2013年,我们部门开始设计写模型的机器人,这又进一步加快了公司在数据分析时的自动化和高效率。”Simon表示。 (作者为钛媒体驻硅谷记者陈琛,本文首发钛媒体)
    大数据
    2014年12月22日
  • 大数据
    甲骨文CEO马克·赫德:商业智能、大数据、社交化、实时性是未来企业的精髓 甲骨文CEO马克·赫德(Mark V. Hurd)近日在其自己的LinkedIn页面上对未来的企业家们提出了自己的寄望,从这些简短的文字里能够看到在未来日益数据化和智能化的商业时代和产业环境里,企业家们需要面对的全新课题。本文最初发表在马克·赫德的LinkedIn页面,略有删节。   志存高远的企业高管应当永远谨记哪些经验教训呢?首先,你不仅要面对复杂多变的全球商业环境,还要学习和接受一些永恒不变的管理学原理。然后,处在21世纪,你要用新一套商业和生活能力充实这些核心领导能力。   商业智能 今天,企业意图在自己的组织内更加深入地挖掘基础商业智能,以获得更好、更明智和更有效的商业决策。但是,未来的商业领袖必须确保商业智能渗透到车间,会议室,设计工作室和全球合作商网络。   大数据 今天,我们看到很多企业开始拥抱大数据,并当作高价值原材料来发掘和分析数据,目的就是将它变成热卖的产品和服务。未来,商业领袖就要将大数据和潜在数据融入到业务的方方面面,否则你就无法在以数据为中心的商业世界里生存。   社交化 今天,很多企业已经具备现代企业的速度、定制、敏锐和灵活的特征,但依然无法摆脱历史惰性、机构臃肿等传统特征。未来,社交客户毫不关心企业的历史,他们只会关心你将为他们带来何种产品,商业领袖必须从起步阶段控制这种具有挑战性的企业特征组合。   实时性 今天,很多企业花较少的时间关注上周、上月或去年发生的事情,这样它们可以充分应对下月、下季度或年底的工作。未来,商业领袖需要进一步转型,打造真正的实时企业,用全面和准确的视角观察全球客户今天购买哪一种产品,明天可能购买何种产品,数月后他们又会需要何种新产品。   超越当代CEO的四个要点: 新一代商业领袖需要在数据分析和商业决策方面取得前所未有的进步,超越当代CEO。新一代商业领袖并非天赋异禀,但他们能够全面了解和分析国际市场的趋势,进而形成企业内部战略和运营方式。例如: 人才方面:你需要以全新的方式了解、评估和教育人才。 人际/技术互动:由于人类和技术之间的接口快速演变,你要不断分析和接受业务剧变。 尊重历史,拥抱未来:以客户为中心的全球经济环境日益变化,你要不断改组团队和改变任务。 真正以客户为中心的业务:你必须将人才、商业智能和灵活的团队融入致力于满足客户要求的企业。   消息来源:虎嗅网  
    大数据
    2014年12月18日
  • 大数据
    2014中国移动互联网总结及2015年展望 从2014年到2015年,中国互联网经济正从量变走向质变。互联网像一只小鸡,正在冲破自己的躯壳,融入到周围的实体世界中。各行各业联合起来,INTERNET已经在实现。互联网实现自己的方式,就是消失在各行各业之中,成为驱动创新发展的新引擎。互联网经济质变的一个突出标志,是互联网作为发动机,正隐藏到整个经济的背后,成为中坚驱动力量。回顾即将过去的2014,展望即将到来的2015年,让我们获得新的启发,发现新的机遇。     2014年的互联网 一、中国迎来互联网20年,大众创新成就了互联网 中国自从1994年4月20日全功能接入互联网,到今年为止,互联网已经走过了20年的历程。中国互联网的20年,是创新驱动的20年。第一,在中国经济整体以物质驱动的背景下,互联网这个局部坚持了20年的创新驱动,弥足珍贵。未来中国经济走什么路?互联网之路,给了我们从局部创新走向全面创新的启示。第二,中国互联网的创新驱动有自己的特点,它是以大众创新为基础的创新驱动。在各种官本位的20年成功经验总结之外,我们补充最重要的一条:中国互联网发展是人民群众的伟大创新精神和伟大创造实践的结晶。大众创新为中国趟出了一条走向大繁荣的大国崛起新路。     2014年是中国互联网国退民进的战略转折点,草根互联网整体市值第一次超越正规军传统电信企业整体市值。互联网实现了从国富到民富的伟大历史转变。2011年3月25日,在工信部电信经济专家委员会上,申江婴请大家预测“十年后,互联网整体市值是否将超越传统电信企业的整体市值”,我预言4年就会超过。2011年《互联网周刊》在《数量级的革命》一文中预言,“五年以后,随着民营互联网总市值接近和超过国有电信运营商的总市值,技术革命,将从批判的武器,变为武器的批判。”年初互联网企业对电信运营商的OTT(越顶传球)说明了这种“武器的批判”。而提前超车的一刻,发生在9月19日。这一刻,用我在15年前的预言形容,叫《互联网是“民”的绝对理念的显现》。互联网发展充分说明了“人民群众创造历史”的真实性。     中国互联网20年发展,可以说在市场作用与政府作用相对较好结合方面,为中国经济树立了一个标杆。除了市场作用之外,中国政府在推动基础设施建设,推动电信改革,宽容互联网创新等方面,对互联网发展也起到了重要积极作用。     互联网不仅是信息技术乃至新商业模式的集大成者,也将更加立体化、全方位地推动社会的进步。互联网给传统企业、行业带来的是一场由内而外的思想意识上的变革。     二、阿里巴巴上市显示了电子商务增量带动经济转型发展的强大力量 9月19日,阿里巴巴在美国上市,继超过全国第四名深圳市的GDP(14500.23亿元)后,短短两个月内又超过了第三名广州市(15420.14亿元),并一度达到3000亿美元(18373.2亿元),逼近第二名北京市(19500.6亿元)。大有把北上广,变成北上阿,北阿上,阿北上之势。     继作为经济特区的深圳之后,阿里巴巴的强势崛起,正在成为一种新的世界级现象。第一,阿里巴巴正接过中国增量改革的大旗,成为中国转型发展的新增量。阿里巴巴的体量已远远超过深圳,对改革的带动力也超过了深圳。阿里巴巴以电子商务改造传统产业、转型计划经济、发展现代服务经济的实践表明,只要找出一个带动力足够的新增量,不用休克疗法也可以促成旧的经济存量的转型与升级。第二,阿里巴巴正接过中国民生的大旗,通过分享型经济,将生产资料(网上店铺和柜台)直接分享给普通劳动者,在第一次分配中,就绕过垄断者,直接让劳动者实现自己的梦想,为改善民生做出了历史性的贡献。     阿里巴巴证明,只要真正代表先进生产力发展要求,中国的,也可以是世界的。     三、最高法院判决垄断案,在全球率先树立互联网平台的普世游戏规则 2014年10月16日,最高人民法院在第一法庭公开开庭,对奇虎公司诉腾讯公司垄断纠纷上诉案进行宣判,判决驳回奇虎公司的全部上诉请求,维持一审法院判决。最高法院判决不宜以市场份额直接判定垄断,确定了互联网平台的法律地位。     在终审判决书中,最高法院详细阐述了互联网领域反垄断法意义上相关市场界定标准、市场支配地位认定标准以及滥用市场支配地位行为的分析原则与方法等一系列具有重要意义的法律问题,明确了反垄断法律适用的多个重要裁判标准。     最高法院判决改变了芝加哥学派的反垄断法理基础。芝加哥学派的观点认为,企业自身的效率,才是决定市场结构和市场绩效的基本因素。但中美互联网平台企业突破了“企业自身”,与增值服务企业建立起商业生态网络。平台通过免费占有较大市场份额,提高了众多增值服务企业彼此竞争的效率。反垄断法面临从判断企业局部效率到整个商业生态网络综合效率的转变。     如果判决平台占有较大市场份额即为垄断,将使中国的平台环境劣化,甚至走向“巴尔干”化,失去得来不易的国际竞争优势,而且降低互联网企业联合体整体效率。在互联网平台化还是小农化(欧洲化)的重大抉择面前,中国做出了支持平台化的选择,从而选择从小生产的信息社会,走向大生产的信息社会。     此案也是中国首次在互联网重大游戏规则上,领先美国制订游戏规则。对国际互联网格局具有深远影响。     四、“没有信息化就没有现代化”成为共识,信息经济全面发展时代到来 中央网络安全和信息化领导小组的建立,是中国现代化进程中的一个重大事件。习近平提出,“没有网络安全就没有国家安全”,“没有信息化就没有现代化”。2月27日,中央网络安全和信息化领导小组第一次会议召开,提出要努力把我国建设成为网络强国。     中国工业化将在6年后基本完成,“没有信息化就没有现代化”的认识,来得非常及时。站到工业化完成之后现代化的新高度指引方向,需要领导者具有远见卓识。     领导小组成立以来,信息经济全面发展成为各方关注的热点。围绕十三五规划,发挥市场与政府作用,推进信息经济全面发展,成为2014年官产学各界热议主题,各方蓄势待发。     五、互联网+迈出信息经济全面发展第一步,互联网思维受到热捧 2014年,随着互联网的崛起,一批新型的有别于传统行业的新生企业开始成长并壮大,也给整个市场带来全新的概念与发展模式,打破了固有的市场格局。互联网思维受到热捧,各行各业开始了在互联网领域的各种“创新”、“突破”之举,以求实现真正的突破。     在传统工业经济向互联网经济转型过程中,旧有的社会经济规律、行业市场格局、企业经营模式等不断被改写,不可思议地叠加出新的格局。在制造业领域,工业智能化、网络化成为热点;在服务业领域,个性化成为新的方向;在农业领域,出现“新农人”现象。互联网正在催生出新的业态、新的经济增长点、新的产业。     六、互联网金融迅猛发展,探索前行 2014年互联网金融得到迅猛发展,对传统产业、用户和制度都发生深刻影响。2014年3月11日,银监会公布了首批5家民营银行试点方案,阿里巴巴和腾讯成功入选为发起人。这标志着互联网企业不仅站在金融业的门口,而且开始挺进金融腹地。2014年9月29日,银监会公告全国首批5家获得民营银行牌照的银行都已获批筹建,其中由腾讯和阿里两家互联网企业发起设立的民营银行备受关注。     与此同时,阻碍普惠金融、利率市场化的一些深层障碍仍然存在,清算支付领域的垄断现象仍然存在,如何发挥互联网金融为民生、中小微企业服务的作用,仍有待进一步探索。从互联网企业方面来说,如何通过信息透明化在化解金融风险承担社会经济责任,如何发挥数据业务在互联网金融中的主导作用,仍在破题之中。     七、智能化成为互联网热点,产业落地与市场认可仍存在问题 2014年是大数据年。大数据不仅是互联网业热点,也成为各行各业直至全社会热炒的概念。大数据不仅受到投资者的热捧,而且吸引了众多城市的关注,把大数据作为地区发展的新增长点。     2014年的可穿戴设备是移动智能领域的热点。不仅成为各种媒体、会展的热宠,智能手表、智能手环等已开始走向市场。但随着谷歌眼镜受挫遇冷,国内可穿戴设备也暴露出虚火上升的症象。例如智能手环从数百元迅速跌至几十元,但由于缺乏核心技术,难以满足用户更高体验要求,在市场上沦为低档产品,有待提高。智能手表技术不成熟,出现“早产”迹象,引发部分消费者吐槽。可穿戴设备如何提高技术与体验,成为待解决问题。     八、政府择善而从,促进出租汽车电召服务有序发展 7月17日,交通部发布《关于促进手机软件召车等出租汽车电召服务有序发展的通知》,打车软件正式纳入政策规范程序。     与征求意见稿相比,最终稿听取各方意见,择善而从,做出了促进出租汽车电召服务有序发展的明智选择。     政策改动核心要点在于,原来是:“出租汽车电召服务应当最终实现统一平台、统一终端、统一调度和统一管理。乘客通过人工电话召车、手机召车、网络约车等各种方式提出的召车需求信息,应当通过统一的城市出租汽车电召服务平台运转,并推送至统一车载服务终端播报,但应同时播报召车需求信息的来源渠道;驾驶员通过统一车载终端应答成功后,可通过手机召车软件或统一车载终端与乘客进行联系。”最终稿改为:“手机软件召车需求信息可在城市出租汽车服务管理信息平台运转后推送至驾驶员手机终端播报,但平台运转不得影响手机召车软件正当功能和良性竞争。”交通部的做法体现了现代治理的精神。     在现有专业司机打车软件外,7月14日,美国用车应用Uber正式宣布进入北京市场。对于非专业司机参与电召服务,如何在安全与商业之间把握平衡,继续考验有关部门的治理水平和治理能力。     九、社会信用体系建设纳入日程,信任服务仍待激活 2014年7月,国务院发布《社会信用体系建设规划纲要(2014-2020年)》,要求按照“政府推动,社会共建;健全法制,规范发展;统筹规划,分步实施;重点突破,强化应用”的原则有序推进社会信用体系建设。社会信用体系建设是建立健全社会诚信制度的要求,是互联网经济与信息社会发展的基础工程。     如何在社会信用体系建设中进一步完善信用信息保护和网络信任体系,特别是小世界网络条件下,建立与互联网对等透明相适应的信任网络,重建社会信任关系,仍待破题。     十、“宽带中国”战略走向实施 为贯彻落实国务院《“宽带中国”战略及实施方案》,工信部等14部门提出《关于实施“宽带中国”2014专项行动的意见》,提出了2014年宽带网络能力持续增强,新增FTTH覆盖家庭3000万户,新建TD-LTE基站30万个,新增1.38万个行政村通宽带的主要引导目标。这意味着宽带中国政策进入了年度细化和落实阶段。     2014年10月9日,39个城市(城市群)列为2014年度“宽带中国”示范城市(城市群),比《意见》提出的示范规模扩大近一倍。表明各地对“宽带中国”战略实施热情高涨。加大投入力度,加快改革步伐,将成为战略落地关键。     2015年的互联网 对互联网的展望不同于算命,我们希望在展望中体现对未来本质的探索,探究最优秀的创新以及创新背后的精神源泉,在给行业带来启发的同时,又为企业指点新的机遇,同时关注和引领因网络而重生的新经济产业的未来,社会精神发展的未来!     一、2015年将成为互联网“新引擎”年 2015年是十三五(2016至2020年)规划确定大盘子之年,也是工业化基本完成之前的最后一个五年规划。把互联网确定为工业化之后的新引擎,驱动工业化、城镇化和农业现代化,就成为非常现实和紧迫的事情。     浙江省长李强说的好,在互联网时代,通过互联网在各个行业的融合、渗透、颠覆,能够催生新兴产业的转型,现在中国经济已经步入到新常态,以互联网为核心的信息经济,将为浙江下一轮的发展插上新翅膀,互联网也将是中国经济转型升级的新引擎。这一点应该提高到整个中国经济的高度来认识。     以往的教训是深刻的,部分地区产业规划政府意志太强,没有充分发挥市场在配置资源中的决定性作用。而互联网是在市场打拼中发展起来的,是在许多规划之外,无心插柳的结果,是自下而上涌现生成出来的。当一个互联网企业的市值已经大到相当于苏格兰GDP的时候,把互联网作为新引擎,更加适应时代要求,更加符合“用科技创新、大众创业增添经济发展新动能”的要求。     新引擎代表着信息化驱动工业化的驱动力,代表着以大众创新走向大繁荣的新路。     二、唱互联网+主旋律,讲服务化的故事 2015年是信息经济全面发展的迈步之年。在中国服务业产值第一次超过工农业产值后的第一年,信息经济全面发展,将始于以下新迹象:从互联网向互联网+发展,从产业化向服务化发展,从信息产业向信息经济发展。在互联网带动下,各行各业将联合起来,推动中国经济从工业经济向信息经济发生质变。     当“春天的故事”再次响起时,人们发现,这将是一个服务化的故事。     首先,互联网+将唱响制造业智能化、服务化的主题,从同质化的中国制造,向差异化的高端发展。汽车不再是只是钢铁,而是智能移动终端,成为钻得进人的大号手机。房间不再只是水泥,而成为智能家居。     其次,互联网+将唱响服务业个性化的主题,电子商务将带动传统服务业走向现代服务化,就业将增加,但新增的不再是患有“成本病”的修脚、理发者,而是由移动智能设备武装起来的新一代服务者。     第三,互联网+将唱响农业服务化的主题。在电子商务带动下,一批“新农人”将涌现出来,他们一方面继承着中国5000年来个性化定制的传统,另一方面吸收着工业化30年来社会化大生产包括农业产业化的精华,成为大规模定制这一新生产方式的实践者,进而成为代表先进生产力发展要求的新人。     三、分享型经济将成为主流模式 以租代买的潮流,从大洋彼岸开始冲击太平洋的堤坝。通过“从所有权到使用权的转变”,一个物联网、合作共赢的新经济时代正在到来,它引导我们走向零边际成本社会。     当然,不光是物联网,车联网也将成为分享型经济的天下(Uber已经来了,春天还会远吗);当然,不光是车联网、移动互联网,整个互联网都将成为分享型经济的天下;当然,不光是互联网,凡是可复制资产占总资产比重50%以上的实体经济,也将逐渐接受的云模式(Airbnb就是他们的代表)。     以支配权-使用权分离为标志的这场产权革命,是人类继法国大革命以来,产权制度的又一场巨大变革。它以“基础平台-增值应用”分离的形式,正在碾碎全产业链经营之梦,把世界变成价值网络;它以“产品免费-服务收费”的模式,正在把人类从产品业升级到服务业,获得比版权模式大一个数量级的收益;它以“投资人-合伙人”双重投票权制度,正改变资本所有者与创新者之间的权力关系,把资本驱动变为创新驱动。     在分享型经济下,资本的稀缺性由于分享而流失,具有多样性优势的创造性劳动重新登上历史舞台。     四、大众创新驱动微经济发展 微经济是指脱离组织生产所创造的经济,微经济不需要复杂的企业和车间厂房,凭借第三方服务平台,可以直接一对一进行交易和服务往来。在当前,是指以微博、微创新、微应用、微产品、微电影、微健身、微旅游等为代表的“微”经济。     大众创新成为微经济的源动力。按照费尔普斯2014年提出的大众创新学说,大众创新的条件是获得风险投资和知识产权的保护,最终走向做大的经济。但是在中国,大众创新正在形成自己的特色。一方面,大众创新正在变为零门槛的创新,大众不需要上市和版权,同样可以进行创新,并获得回报;另一方面,大众以个性化的微需求为目标进行创新,追求成为隐形冠军,因小而美。     2015年,将有越来越多的80后、90后,利用群智感知(crowd-sensing),自服务如crowdfunding,以及众包(crowdsourcing),加入到微经济中来。他们不就业,但有工作,通过创造性劳动,获得利润,过着自尊、自豪的知本家生活。     五、移动互联网向纵深发展 首先是移动智能将获得长足发展,可穿戴设备、人机接口甚至意念控制电脑等技术,将从不成熟,逐步走向成熟;从概念产品,走向商品化。2015年的主要进展,将是加大技术研发,加速技术成熟;重视用户体验,提高服务;丰富增值应用,更好吸引消费者。     移动互联网+将兴起。随着互联网与各行各业融合的深入,移动设备与行业业务的结合也将开始。企业用户以及政务、交通、警务、烟草、医疗卫生、教育、体育等行业用户,将成为移动互联网+的最先应用者。     六、抓应用支撑,促大数据发展将成趋势 在大数据内部,热点主要集中于数据中心建设、数据源建设、数据分析服务、数据应用以及数据安全方面,与美国相比,在跨领域基础设施、数据库、可视化、服务平台建设方面,存在明显空白。如何从大数据技术开发,转向广泛应用,仍有较大发展空间。     云计算将向商务云服务方向发展。目前的数据中心更多定位于技术服务(IT或CT云服务),随着各行各业数据业务主营化的兴起,数据中心将开始发生从技术服务向商务服务的转型升级。     总的来看,2015年的互联网发展,将是既往开来的一年。在开来方面,抓住应用平台,特别是商务应用平台,将是进入下一代IPO上升通道的主要机会所在。     (来源:凤凰科技)
    大数据
    2014年12月15日
关于我们  | 商务合作  | 加入我们  | 那年今日  | 招聘科技峰会精彩回顾  | 上海科技峰会回顾  | 首届HR区块链峰会  | 2017HRTech年度颁奖  | people analytics  | 候选人体验大奖  | 友情链接  | HR科技极客大奖  | 深圳科技峰会精彩回顾  | HR共享服务平台  | 三支柱论坛2018  | 2018数字人力资源科技奖榜单  | 2018 数字人力资源科技奖  | 北京2018HRTechCon精彩回顾  | 2018HRTechXPO  | 2018TOP100人物榜单  | 2019年度活动计划  | 2018年度大奖揭晓  | 2018投融资报告  | 2017投融资报告  | INSPIRE 2019精彩回顾  | 2019海外活动计划  | 2019北京招聘科技论坛精彩回顾  | 2019深圳人力资本分析峰会精彩回顾  | 2019中国人力资源科技峰会上海精彩回顾  | 2019HR科技极客大奖  | 北京HRTechXPO未来馆精彩回顾  | 深圳·2019招聘科技创新论坛精彩回顾  | 2019候选人体验大奖榜单  | 中国人力资源科技云图  | 招聘科技云图  | 2019上海招聘科技创新论坛精彩回顾  | 深圳7月19日HRTechXPO精彩回顾  | 2019HRPA上海站精彩回顾  | 2019中国人力资源科技创新奖  | 深圳·2019中国人力资源科技年度峰会精彩回顾  | 2019北京HR科技峰会精彩回顾  | 2019数字人力资源科技奖榜单  | 2019HRTechChina TOP人物榜单  | 2019HRTechTOP人物列表  | 2019HRTechXPO-上海精彩回顾  | 2020HRTechChina品牌活动计划  | 2020HRTech云图入口  | 共同战疫专题  | 2019年度评选榜单  | 2020招聘科技创新虚拟峰会精彩回顾  | 助力企业共同抗疫专题  | 2020年度候选人体验大奖(中国地区)榜单揭晓  | 2020HRTech虚拟峰会精彩回顾  | 提交业务需求
 Hotline: 021-31266618   Email:hi@hrtechchina.com