科技与时俱进，大数据时代，云计算时代将带领整个科技发展

每个云计算公司可以为五角大楼的10美元BJEDI云合同带来什么,十年内分散的100亿美元可能不会完全改变一个预计很快会达到每年1000亿美元的市场，但它足以让较小的供应商获得更大的可见度，并可能更深入地吸引其他政府和私营部门的业务。云公司当然认识到这一点。

这可以解释为什么他们为了改变合同动态而绊倒自己，坚持，或许正确地说，多供应商方法会更有意义。一看申请提案（RFP）本身，其中包含许多文档，概述了从安全性到培训到单一奖项本身规范的各种标准，显示了该提案的复杂性。它的核心是一系列分类和非分类基础设施，平台和支持服务，以及其他可移植性组件。我们将在这里探索的每个主要云供应商都提供这些服务。它们本身并不罕见，但它们各自为这样的项目带来了不同的技能和经验。值得注意的是，它不只是对技术印章感兴趣，国防部也在密切关注定价，并明确要求对每个组件应用特定折扣。RFP流程于10月12日结束，预计将于明年4月选出获奖者。

亚马逊

您对亚马逊有什么看法？它们是迄今为止主要的云基础架构供应商。他们的优势在于，他们在2013年建立了中央情报局的私有云时获得了大量政府合同，为他们的麻烦赚了6亿美元。它提供GovCloud，这是该项目的产品，旨在托管敏感数据。

许多其他供应商担心会让他们在这笔交易中占上风。虽然五年是一段很长的时间，特别是在技术方面，如果有的话，亚马逊已经加强了对市场的控制。哎呀，大多数其他玩家刚刚开始在2013年建立他们的云业务。亚马逊于2006年推出，其他人缺乏成熟度，他们仍在创新，每年推出数十种新功能。这使得他们很难与之竞争，但即使是最大的球员也可以通过合适的比赛计划被取消。

如果任何人都可以使用亚马逊，那就是微软。虽然他们在某种程度上比较晚了，但在过去的几年里，他们已经弥补了这一点。它们正在快速增长，但在纯粹的市场份额方面仍远远落后于亚马逊。尽管如此，他们仍然为五角大楼提供了很多东西，包括Azure，他们的云平台和Office365的组合，Office365是包括Word，PowerPoint，Excel和Outlook电子邮件的流行商务套件。他们与美国国防部签订了一份价值9亿美元的合同，2016年签署了Windows和相关硬件。

AzureStack特别适合军事场景。这是一个私有云，您可以站起来并拥有Azure公共云的迷你私有版本。它在API和工具方面与Azure的公共云完全兼容。该公司还拥有AzureGovernmentCloud，该认证已获得美国政府许多分支机构的认证，包括DODLevel5。多年来，微软在大型企业和政府客户中积累了丰富的经验，这意味着它知道如何管理这样的大型合同。

当我们谈论云时，我们倾向于想到三巨头。该组的第三名成员是Google。自2015年以来，他们一直在努力建立自己的企业云业务，当时他们引入了DianeGreene来重组云计算单元并为他们提供一些企业信誉。他们仍然占有相对较小的市场份额，但他们正在持久观，因为他们知道还有很多市场需要征服。

他们采取了开源的方法，采用了他们在内部使用的大量工具，然后提供相同服务的云版本，他们认为谁知道如何更好地管理大规模运营。他们有一个观点，这可以很好地竞标这个合同，但当他们的一群员工反对时，他们也放弃了与DOD的人工智能合同，名为ProjectMaven。目前尚不清楚在此招标过程中是否会对他们采取这种做法。

IBM自2013年以来，它一直在使用其支票簿构建广泛的云服务平台，当时它购买了Softlayer以提供基础设施服务，同时多年来增加了软件和开发工具，并强调人工智能，大数据，安全性，区块链和其他服务。一直以来，它一直在努力充分利用他们的人工智能引擎Watson。

作为20世纪的主要技术品牌之一，该公司在与该范围的合同以及大型企业客户和政府合作方面拥有丰富的经验。目前尚不清楚这是否转化为其最近开发的云服务，或者是否具有其他云的成熟度，尤其是微软和亚马逊。从这个角度来看，它的工作将被削减，以便赢得这样的合同。

神谕自去年春天以来，一直在向任何倾听的人抱怨，包括总统在内，JEDIRFP被不公平地写成支持亚马逊，这是国防部坚决否认的指控。他们甚至对这个过程本身提出了正式的抗议。这可能是一个烟幕，因为该公司迟到了云，花了数年时间把它作为一个概念认真对待，而且今天几乎没有在市场份额方面进行注册。它带来的是数十年来广泛的企业经验，也是过去40年来最受欢迎的企业数据库之一。它最近开始在云中提供一个可以证明对DOD有吸引力的自我修复数据库，但是它的其他产品是否足以帮助它赢得这份合同还有待观察。

请点击输入图片描述

2017年大数据开始进入部署阶段，大数据的炒作逐渐散去，它的应用却正在蓬勃发展，代表成熟度的标志性IPO也正在出现。而大数据在几年前经历的泡沫正在无可争议地转移到人工智能身上，过去几个月AI所经历的共同意识“大爆炸”与大数据当年相比甚至有过之而无不及。

从2013开始制作大数据版图的Matt Turck刚刚发布了最新的2017年大数据版图，我们一起来看看在这个领域有哪些最新趋势和玩家的分布情况。

高层趋势

大数据+AI=新栈

2016年无疑是机器学习之年，任何目睹过众多pitch的VC都应该能感受到这一点，那就是每一家初创企业都成为了“机器学习公司”，“.ai”变成了必备域名，而“等等，可是我们是用机器学习做到这个的”也成为了pitch deck的必备幻灯片。机器学习正在迅速成为许多应用的关键建构块。

相应地，一个新兴的技术栈正在出现，在这个技术栈里面，大数据被用于处理核心的数据工程挑战，而机器学习则用于以分析洞察或者行动的形式从数据中析取出价值。

换言之，大数据提供管道，AI提供智能。当然，这种共生关系已经出现多年，只是能实现这个的目前还不多而已。

但是，现在这些技术开始大众化的普及。“大数据+AI”正在成为众多现代应用（不管是消费者型还是企业型）的默认技术栈。无论是初创企业还是一些财富1000强公司都在利用这一新的技术栈。而且在云巨头的努力下，这个技术栈往往还有云计算这个更基础的建构块的加入，以机器学习云的形式出现。

但是AI的大众化是否就意味着这种技术在短期内能实现商品化呢？现实是AI在技术上仍然非常困难。尽管许多工程师都在争先培养AI技能，但全球这方面的领域专家仍然十分稀缺。

不过这股大众化的趋势已经不可逆转，而机器学习早晚都要从竞争优势演变成桌面筹码。

这对初创企业和大公司都会产生影响。对于初创企业来说，除非你把AI软件做成自己的最终产品，否则的话自我标榜为“机器学习公司”将变得毫无意义。对于大公司来说，如果现在你不积极推进大数据+AI的战略，就会有变得过时的风险。AI已经是下一个风口了。

企业预算：一切向钱看

从2016年的情况来看，财富1000强公司已经在纷纷增加预算用于升级核心基础设施以及分析，其关键的关注点正是大数据技术。分析机构IDC预计大数据和分析市场将从2016年的1300亿美元增长到2020年的超过2030亿美元。

而且财富1000强公司里面的许多买家在大数据技术方面正在变得越来越娴熟、越来越目光敏锐。这些公司过去几年做了很多功课，正在进入全面部署阶段。这种情况不仅发生在技术导向型的公司，在很多行业都是如此。

在大公司每隔几年就要发生的旧技术替代自然周期的推动下，这种情况得到进一步加速。大数据遭遇的环境也从逆风变成了顺风。当然，很多大公司仍然处在大数据部署的早期阶段，但是情况似乎在快速演变。

企业数据向云端迁移

直到几年前，把企业数据迁移到公有云上面对于大公司CIO来说还是不可想象的事情，顶多是在开发环境下或者拿非关键的、面向外部的应用来尝试一下。但现在画风开始有所变化，大家对此的态度似乎变得更加开放了，比方说你会听到这样的说法“不管怎么说我们的客户数据已经放到Salesforce云上面了”，或者“在网络安全方面我们永远也不会有像AWS那么多的预算”。但目前里大多数企业都向公有云迁移还远得很，这部分是因为遗留系统和管制方面的原因。不过云供应商正在竭尽全力来加速这一趋势的转变。比如说AWS甚至可以开卡车来运你的硬盘到云端。

2017年大数据版图

作为对比我们先看看2016年版本：

请点击输入图片描述

2017年版本：

请点击输入图片描述

整合要来了吗？

从上图可看出，这张图已经变得越来越拥挤，那么一个显然的问题来了：行业是否濒临大规模整合的边缘了呢？

似乎还没有。至少目前如此。

首先VC仍然继续乐于给新老公司提供资金扶持。2017年的第一季度成长阶段的大数据初创企业拿到了不少的可观融资，其中包括：Looker（8100万美元D轮），InsideSales （5000万美元F轮），DataRobot （5400万美元C轮），Confluent （5000万美元C轮），Collibra （5000万美元C轮），Uptake （4000万美元C轮），WorkFusion （35M00万美元D轮） and MapD （3500万美元B轮）等。去年12月DataBricks也拿到了6000万美元的C轮。

2016年，大数据初创企业的总融资达到了148亿美元，占到了全球技术风险投资的10%。

其次，自去年的大数据版图推出以来，本领域的并购活动一直在稳步推进，但不是特别显著，其中部分原因也许是未上市公司的估值仍然高企。入选2016大数据版图的公司当中共有41家被收购（完整清单参见附注），这个节奏跟上一年是一致的。

另一方面，2017年刚开始就发生了一些大型的并购事件，其中包括Mobileye（被英特尔以153亿美元收购），AppDynamics（被思科以37亿美元收购），以及Nimble Storage（被HPE以12亿美元收购）。

去年还有一个显著的现象，那就是大型技术公司纷纷收购AI初创企业，尤其是那些解决水平问题、有着很好团队的AI初创企业。其中包括Turi（苹果）、Magic Pony（Twitter）、Viv Labs（三星）、MetaMind（Salesforce）、Geometric Intelligence（Uber）、API.ai（Google）以及Wise.io（GE）。当然，这种现象未必能持续太久，因为对AI的需求太旺盛了，人才实在是不够用了。

第三，一些较大的大数据初创企业羽翼渐丰，正在成为独立的上市公司。Snap无疑引领了技术公司IPO的复兴，但是目前为止是大数据公司借了这股东风。

2016年只有Talend一家大数据公司上市，但2017年大数据公司已经呈现出爆发之势。其中Mulesoft和Alteryx已经上市并且表现不错，而Cloudera也即将上市，其最新估值（41亿美元）与收入（2.61亿美元）之间的差异将延至“独角兽”估值现象的成色。另外，MapR以及定位智能公司Yext也已经在排队等待了。

下一个会是谁呢？也许是Palantir这个超级独角兽。这家多年以来保持神秘的公司已经公开表达了上市的兴趣。其最新估值达到了200亿美元，如果上市的话必将引起轰动。

云大战

虽然大规模并购尚未出现，但业界的另一股趋势值得注意，这就是“功能性整合”，这种现象在云端尤其显著。一些关键的玩家正在通过自研产品和开源计算引擎的实现逐步构建“大数据+AI”的基础构件，面向众多客户群提供其所期盼的“一站式”的服务。

AWS在产品发布的速度和幅度方面继续给人留下深刻印象。目前AWS几乎提供了大数据和AI方面的所有服务，包括分析框架、实时分析、数据库（NoSQL、图谱等）、商业智能以及日益丰富的AI能力，尤其是深度学习方面的能力。按照这种速度发展下去，AWS产品几乎就要把大数据版图的所有的基础设施和分析细分领域都占据了。

加入云大战稍晚的Google一直在积极开发广泛的大数据产品（BigQuery、DataFlow、Dataproc、Datalab以及Dataprep等），并且把AI视为跨越式发展的杀手锏。在AI方面Google去年做了很多事情，包括推出了新的翻译引擎，聘请了李飞飞和李佳领导新成立的Cloud AI and Machine Learning部门，推出了视频识别的机器学习API，并且收购了数据科学家社区Kaggle。

其他大型的IT供应商，比如微软、IBM、SAP、Oracle以及Salesforce等也在努力推出大数据产品（包括云端和本地）。除了技术自研和进行收购以外，这些玩家还越来越重视通过合作来打造生态链，其合作的重点是手上有数据的公司以及有“头脑（AI）”的公司。IBM与Salesforce的合作以及SAP与Google的合作就是值得注意的案例。

用企业IT的行业标准来看，云供应商还比较小，但是其不断膨胀的野心（其中包括从企业栈底层的IaaS向应用发展的企图）与企业数据逐渐向云端迁移的趋势结合，将打开庞大的企业技术市场大门，与传统IT供应商展开激战，而大数据和AI将是核心战场。

2017数据生态体系概览

基础设施

去年的许多趋势今年仍将延续，比如流处理技术，这方面Spark目前是主宰，不过像Flink这样的有趣竞争者正在出现。此外，还有以下一些趋势：

SQL正式回归

在给NoSQL当了10年副手之后，曾经的霸主SQL数据库正式吹响了回归的号角。Google最近发布了Spanner数据库的云端版。Spanner和CockroachDB（Spanner的开源版）都提供了可行的、强一致性的、可伸缩的SQL数据库。Amaozn推出了Athena，跟Snowflake等产品类似，这是一款SQL数据引擎，可直接查询S3下的数据。Google BigQuery、SparkSQL以及Presto等在企业逐渐获得采用——这些都是SQL产品。

数据可视化

与公有云采用相关的一个有趣的趋势是数据可视化。旧的ETL处理需要转移大量的数据（而且往往要建立冗余数据集）并且建立数据仓库，而数据可视化可以在数据保持不动的情况对其进行分析，提高了速度和敏捷性。许多下一代的分析供应商现在都可以同时提供数据可视化和数据准备服务，并让客户可访问存储在云端的数据。

数据治理与安全

随着大数据在企业侧走向成熟，以及数据的多样性和体量的不断发展，像数据治理这样的主题也变得日益重要。许多公司已经选择了“数据湖”作为把所有数据收集起来的手段。但除非你知道里面有什么东西，并且能够访问到合适的数据进行分析，否则的话数据湖再大也没有意义。但是想让用户方便地找到想要的东西同时管理好权限并不容易。除了数据湖以外，治理的另一个集中的主题是以安全的、可审计的方式为任何人提供对可靠数据的便捷访问。Informatica、 Collibra、Alation等大小供应商提供了数据目录、参考数据管理、数据字典以及数据帮助台等服务。

结论

通过大数据与AI的黄金搭档，我们正在进入大数据技术的“收获”阶段。其潜能将非常巨大。随着核心基础设施不断走向成熟，以及在AI推动下应用侧的爆发，2017年的大数据（以及AI）生态体系将开足马力，驶向光明的未来。

2011年，中国云计算服务市场规模315.54亿元，增长88.6%；2012年，全球财富1000强企业中，有80%的企业使用云计算服务；2013年，全球云计算市场规模将超1000亿美元，2020年，规模将达到1500亿元。

电子商务时代兴起的标志

随着电子商务的发展，受制于传统数据中心的IT企业，必将会发生结构性的变革和升级，开始向高层次的结构和理念发展。传统数据中心要求所有产品都必须长期的保持高性能的工作，但事实上这往往是理想状态，系统资源的利用率底下，这无疑是给企业加重了负担。因而企业开始需要服务器的整合、资源处理的集合以及方便灵活的资源调度，于是便产生了能帮助数据中心实现计算能力的有序、按需调配的虚拟化。而云计算的出现，大大又再次实现了数据的按需交付与供给。

云计算让数据中心成为一种智能数据，在云计算模式下，所有的操作系统与应用，所有的处理和生成的数据都将部署在后台的数据中心，随时可以用IPAD或者手机来接收电脑上的应用，数据可以随意从一台电脑转移到另一台电脑，而这便极大地提高了办公的灵活性。

在国内，爱科赛尔从早期便开始提供“电子商务云计算服务”，并有针对性的提供给国内企业使用电子商务服务和应用。云计算IT运维服务的目标，就是将系统维护、系统监控等IT运维服务简单化，成为一般的公共资源，从而可以方便的被使用，并可以按需调节，最终达到让企业不断增长的运维成本从容抽身。

云计算下的电子商务优势

云计算以应用为目的，通过物联网将必要的大量硬、软件通过一定的结构体系连接起来，而云计算的目标是形成“智慧地球的系统”，所有的东西连接起来，成为一个整体。利用云计算平台能够有效的进行大数据的处理，能够维客户们听全面、强大的数据分析以及体验功能，并且能够结合用户的不同差异以及自身的特点，从而进行有效的搜索，保持高效的正确率。例如，对海量订单的处理、客户浏览点的需求以及海量的交付款行为等等。同时，云计算的虚拟化功能，还能够为电子商务企业提供扩充的服务器设施、增加存储容量，针对TB或者PB级别的海量数据能够进行快速并且有效的处理。

云环境下的大数据产生在很大程度上也降低了消费者和电商之间的信息不对称程度。一方面，电商通过多元化的信息获取渠道掌握消费者的全面信息；另一方面，分散孤立的消费者又可以通过渠道了解产品的各种信息，从而慢慢逐步呈现出个性化和多样化的趋势。交互透明的双方信息，反而更能够促进消费与生产，消费者的个性化需求也成为电商、企业关注的核心。

【IT168 评论】“跨界”是现在很火的一个词，它是指从某一属性的事物进入另一属性的运作，其不只在演艺圈掀起了一阵热潮，同时也在科技圈也带起了一阵狂潮。今天，我们就来看看科技圈第一热潮——云计算公司是如何“跨界”数据库服务的。

现在看来，云计算公司“跨界”数据库并不是什么新鲜事儿。“云计算的下一个竞争战场是数据库”几乎成为了云计算公司的共识，目前云计算公司提供的数据库服务产品大多有这么几类，自研数据库、托管数据库服务、数据迁移服务、数据仓库、缓存服务等等。

　AWS

如今在云服务市场上，AWS的市占排名牢牢盘踞在一位，根据亚马逊刚刚公布的最新财报数据显示，AWS云服务实现43%同比涨幅，2017年全年营收达到了174亿美元。作为云计算领域的领头羊，我们看到AWS在“跨界”数据库领域的时候也尽显大哥风范，更多的选择了自研。

在AWS官网上，我们可以看到其在数据库一栏列出的产品包括Amazon Aurora、Amazon RDS、Amazon DynamoDB、Amazon ElastiCache、Amazon Redshift、Amazon Neptune和AWS Database Migration Service，基本可以满足用户对于数据库服务的各种需求。

Amazon Aurora 是AWS专为云打造且兼容 MySQL 和 PostgreSQL 的关系数据库，其既具有商用数据库的性能和可用性，又具有开源数据库的简单性和成本效益，最高速度可达标准 MySQL 数据库的五倍、标准 PostgreSQL 数据库的三倍。

Amazon Relational Database Service (Amazon RDS)提供了六种常用的数据库引擎，包括 Amazon Aurora、PostgreSQL、MySQL、MariaDB、Oracle 和 Microsoft SQL Server。

Amazon DynamoDB 是一项快速灵活的 NoSQL 数据库服务，适合所有需要一致性且延迟低于 10 毫秒的任意规模的应用程序，是完全托管的云数据库，支持文档和键值存储模型。

Amazon Neptune 是一项快速、可靠且完全托管的图形数据库服务，其核心是专门构建的高性能图形数据库引擎，支持常见的图形模型 Property Graph 和 W3C RDF 及其关联的查询语言 Apache TinkerPop Gremlin 和 SPARQL。

Microsoft Azure

几周前，微软刚刚举办了Azure在华商用四周年的媒体沟通会，微软大中华区副总裁兼市场营销及运营总经理康容4年来Azure为中国11万客户的数字化转型提供了支持;有1400家合作伙伴与微软一起共同打造中国云生态。

根据微软Azure官网显示，其在数据库产品一栏列出的包括Azure SQL Database、Azure Database for MySQL、Azure Database for PostgreSQL、SQL 数据仓库、SQL Server Stretch Database、Azure Cosmos DB、表存储、Redis 缓存、数据工厂。

Azure Cosmos DB 是以全球分布和横向缩放为核心全新构建的，通过透明地缩放和复制数据，在任意数量的 Azure 区域提供统包全球分布。Azure Cosmos DB 提供对 NoSQL 选择的本机支持，还提供多种明确定义的一致性模型，保证多宿主功能的高可用性以及在世界上任意位置都能实现低延迟。

谷歌云

谷歌云在国内并没有像AWS、微软Azure一样惹人注目，关注度较低。但是在Gartner发布的报告中，谷歌云以3.95%的市场份额占据着公有云市场的第三把交椅。但是遗憾的是，谷歌云一直没有在中国落地。

谷歌母公司Alphabet2017年度营收超1000亿美元，谷歌云的营收只占到了4%，很多人因此而认为“云计算在谷歌战略中并不重要”。其实不然，谷歌云产品目前已覆盖计算、存储和数据库、网络、大数据、物联网、机器学习、身份验证与安全、管理工具、开发者工具等九大方面。

在谷歌云官网列出的数据库服务产品中，我们可以看出其对关系型数据库和NoSQL数据库都做了相关支持。

Cloud Spanner 是专为云端打造的一款分布在全球且高度一致的企业级数据库服务，融合了关系型数据库结构与非关系型横向扩展的优势，在跨行、跨区域、跨洲业务方面实现了高性能和一致性。

▲Cloud Spanner：融关系型数据库与非关系型数据库的精华于一体

这件事起源于2016年11月，马云在浙商大会提出了一个很惊人的观点，那就是”未来计划经济将会越来越强大”，他认为未来三十年内，市场经济和计划经济将会被重新定义。很快吴敬琏、刘胜军、陈志武、钱颖一、张维迎等重量级经济学家都没有点名的对马云的这一观点予以反驳。

我们坚信，中国目前的繁荣盛况是离不开改革开放和市场经济的，但随着科技的发展，互联网大数据以及人工智能等技术的日益成熟，仿佛也给了我们更大的勇气和信心在经济领域有所作为。

现在有一种很超前的观点，认为在大数据时代，经济集体和个体之间的联系更加密切，人们对数据进行计算和再加工的能力也远远超出了以前，而且对世界的认识水平也会有全新的提升，这也意味着，大数据技术能够让我们对经济领域的事物进行更加科学准确地评估，在这种情况下，市场经济的优势可能并不能超越计划经济。

计划经济体系的缺陷在于，在一个人口众多的社会，没有一个中枢机构可以准确获知的每个行为主体随时变化的精神和物质需求，并按需生产和分配，个体需求必然会被压抑，不会被及时满足，票凭经济就是一个很好的体现。

市场经济体系的巨大缺陷在于，个体需求无法通过市场机制汇聚成整体，供求必然出现极大偏差，导致资源浪费。

事实上，在上世纪七十年代，苏联在研究计划经济方面已到了相当的高度，苏联经济学家康托罗维奇曾因为《生产组织与计划管理中的数学方法》，对资源最优分配理论做出了卓越贡献，获得1975年诺贝尔经济学奖。理论上，康氏的研究可以实现全社会范围的资源最优分配和利用，即在现有资源条件下，全社会能够以最小的劳动消耗，获得最大限度的生产量，由此得出的生产计划叫最优计划。

1990年，笔者第一次赴苏联，那时候苏联尚未解体，还不叫俄罗斯。第一次在饭堂吃饭的时候，特意观察过他们的餐具，印证了老前辈所讲过的苏联计划经济典型案例，苏联对民用工业产品有一种变态的价格限制，一般商品上面都铭刻着价格。记得钢制的汤勺是2戈比，玻璃杯5戈比，一个官窑的瓷盘子只要8戈比。

不过，苏联式的计划经济最后还是失败了。苏联在第十个五年计划（1976-1981年）期间，每年要报废10-20%的工业品，积压库存30-40亿卢布以上的残次消费品。在随后的第十一个和第十二个五年计划，苏联的计划经济显示出巨大的缺陷，到了80年代末，苏联形成了极度的军工经济特征，军品占机器制造业的80%以上，军事支出占国民总产值28%。经济结构失衡，工业技术工艺落后，苏联人民饱受食品和生活物资短缺的痛苦，经济接近崩溃。

苏联的失败表明，以上世纪的组织和技术能力，要对整个国民经济进行精确的指令性计划管理，就是超大型计算机可能也无能为力。

但是，进入新世纪以后，由于人类的计算能力以几何速度递增，一切美好的计划都开始变的可能起来。

近些年，由于计算机、软件和网络技术的进步，出现大数据，共享数据，云统计，云计算。人们可以对订单、消费和物流进行精确统计和安排，这样可以用计算机化的比较精确的计划经济来整体安排社会产出和消费。这只是企业基于市场预测的生产计划，而不是政府指令性计划。

互联网、人工智能和大数据，解决了计划经济所需要的技术支持。有了互联网技术的大规模应用，使得人类社会在庞大复杂的微观经济领域也可以自然而然的进入计划经济时代。互联网经济的出现恰恰证明了马克思思想的前瞻和伟大。

那么问题来了，在互联网大数据以及人工智能技术风起云涌的时代，计划经济真的可能卷土重来吗？

大数据是一个通用术语，用来指当前业务领域中存在的各种数据。从医疗机构的数字数据和记录到政府机构的大量文件，人们把这些文件存档供将来参考，技术为我们提供了一个面向服务的架构来分析这些信息。

大数据是永远不可能被归档到在个描述或定义下。关于信息技术的神器之处在于，它始终在不断发展，并且可供愿意接受信息技术的公司使用。另一方面，云计算的发展使得商业企业更容易获得可负担得起的软件包。云计算的使用大大降低了存储公司信息的成本，这也带来了小型企业可以利用的多个应用程序。自互联网诞生以来，随着云计算的不断发展，互联网上广泛的信息爆炸式增长。标准用户和数字营销人员现在可以每天使用社交媒体营销平台来生成大量关于消费者的信息。有时，对于机构和企业来说，管理每天生成和存储的数据量就是一项相当艰巨的任务。例如，每天创建2.5万亿字节的数据，这可能会给云计算带来存储和排序挑战。

这正是大数据用来管理海量数据如何通过云计算存储的地方。总而言之，这两种技术形式提供的解决方案既适应业务分析、也适用于大数据。在这篇文章中，将重点介绍如何使用大数据和云计算来管理政府机构和商业机构日常生成的大量数据。可购性对于那些预算计划比较紧张，但又需要更新技术的企业或机构来说，云技术可能是解决燃眉之需的一大利器。用于管理大数据的成本资源，即使是小公司，也在预算之内，而且在市场上也很容易找到合适的产品。在云计算出现之前，商业机构和政府机构花费大笔资金建立信息技术部门来管理数据，甚至花更多的时间来更新这些IT系统。今天，由于技术的进步，企业可以把他们的大数据托管在异地的服务器上，或者按需支付。敏捷性

替换高清大图

传统的数据存储和管理方法正变得越来越难以管理，因为数据存储和管理非常慢，需要公司花费大量时间从中检索信息。有时，安装和运行服务器可能需要几周甚至几个月的时间。云计算的出现有可能为企业或机构提供所需的全部存储需求。一个基于云计算的公司数据库可以在几分钟内完成安装，并将数据存储在数千个虚拟服务器中，在这些服务器中，只有一台计算机或移动设备和互联网连接的人可以很轻松访问它。

替换高清大图

数据处理海量数据的爆炸式增长带来了管理数据的挑战。例如，社交媒体会产生大量的数据，这对于在推文、帖子、博客或照片等类别中进行处理来说是具有挑战性的。对于大数据，有一些分析平台，比如Apache Hadoop，可以在将非结构化数据存储到云中之前处理这些数据。

随着科学技术的迅速发展，人类开始进入大数据时代，云计算、大数据、移动互联网已成为时代三大主题，正在推动着新经济时代的发展。在科学领域、经济领域及社会生活的方方面面，呈现出海量数据特征，在海量数据中蕴含着人类各种行为、心理信息。

对此有网友表示称，常说的"大数据"和"云计算"应该当成动词。即"大数据"指大数据分析或大数据处理。"大数据"对应"小数据算法"，"云计算"对应"单个计算机的计算"。比如"1+1等于几"这个问题，我们可以通过小数据算法（口算），用单个计算机的计算（甚至计算器）完成计算。再想象一个复杂的问题，需要跨时间、跨空间计算的问题，比如"去年中国各行各业的生产总值，加上美国今年各行各业的生产总值是多少？"这个问题我们就需要通过大数据的分析或处理方法，用云计算完成。

进一步说，要通过分析或处理各地各时段存储的各种数据资源，用互联网上（云）大量的计算机进行计算（计算）得出结果。这就是大数据、云计算。你可以通俗的理解为：大数据（分析或处理）是前台，云计算是后台。

或者理解为：大数据（分析或处理）是软件方法，云计算是硬件设备资源。或者可以再直观的理解为：大数据就是人直接操作的界面（网页、软件或App），云计算就是这些网站、软件或App供应商提供的服务。

随着大数据、云计算新技术应用的兴起，企业运营管理正在变得越来越复杂。 越来越多的企业开始将系统和数据从本地迁移到云端。大数据和云计算从未像今天这样紧密联系在一起。它企业中所扮演的角色变得越来越重要，它已经成为赖以生存的因素之一。

云计算为企业日益增多的数据资产提供了保管、访问的场所和渠道，事实上，数据才是企业真正有价值的资产。如何更好，更有效的管理云端的企业数据，为企业决策服务，是企业高效运营的关键，也是云计算必然的升级方向。

大数据和云计算正在改变传统商业模式

马云曾经说过，未来是数据的世界，大数据革命势在必行。如今数据已渗透到各行业，成为重要的生产要素。商业竞争越来越激烈，传统企业如果不改革，生存会越来越困难。

如何转型？比较好的方式是结合云计算技术，实施大数据管理。企业管理的未来发展趋势是走向数字化、电子化，这样一来就会对大数据、云计算提出巨大的服务需求。

大数据能给企业提供的最大帮助第一是了解“谁在消费我们”；第二是可以知道“他们想消费什么”；第三是可以借此揣摩“他究竟是怎样消费的”。

大数据专家、职品汇创始人龚才春博士认为，大数据和云计算将对传统产业带来重构。比如，在大数据支持下，保险公司可以有效筛选客户的种类，针对每个客户都有个性化的解决方案，对风险低的客户敢于大胆给折扣，对风险高的客户报价也高一些，这样一来就能够大大提高保险公司的风险防范能力，求得利益最大化。再比如人力资源行业，通过大数据征信调查，可以准确掌握求职者的信用情况，能够对企业招聘提供正确的指引，从而通过效率。而银行金融等行业更是高度依赖精准大数据技术的行业。

对于传统企业来说，通过大数据云计算技术运用，可以高效获取市场数据，同时获得海量客户资源，实现品牌传播、利润增加等。

云端数据逐步成为企业管理赖以生存的场所

根据IDC 等相关机构的报告预测，全球范围内的大部分数据来源将从消费者转向企业，后者产生的数据在2025年将占到整体的数据的六成比例。在现实企业，所产生的数据大多是纸质文件、报告、图像、视频、音频等不便于检索、容易重复储存、难以进行版本管理的非结构化数据，而且比重越来越大。据Gartner统计，传统关系数据库管理系统(RDBMS)处理的结构化信息仅为20%，而仍在快速增长的非结构化数据占比已达80%。

这些大量的数据都需要一个安全的存放场所，不管是临时的，还是永久的。毫无疑问，随着云技术、云服务的推广普及，企业上云步伐加快，云端将成为最大的非结构化数据存储场所。

让数据流动起来，企业管理才能实现1+1>2

大数据专家、职品汇创始人龚才春博士分析指出，目前我国许多行业的大数据均是孤立割裂的，“信息孤岛”现象非常突出，“真正掌握很多数据的是大公司，像电信运营商、大银行和互联网巨头们，它们之间是很难合作。”龚才春博士指出，难合作的原因是容易在某个领域产生竞争。

龚博士认为，数据只有流动起来才能产生价值。从流向来看，企业的数据可以分为两大类，第一类是"企业内部循环"，主要涉及企业的历史数据，各部门内部产生的数据，跨部门、跨地域工作协同产生的数据等，旨在提高企业的生产经营效率；第二类是"企业外部循环"，主要是通过企业产品与用户、合作伙伴、上下游产业链等形成互动，进而产生海量数据。

龚才春博士认为，只有将整个企业的外循环与内循环有机结合起来，才能形成企业数据流转的完整闭环。这种具备反馈机制的闭环，对于释放整个数据的想象力至关重要，才能实现1+1>2的效果。

毋庸置疑，大数据时代已经来临，如何利用好新技术与云平台，是每个企业要面临的抉择，只有顺势而为才能提高企业效益与竞争力，才能在市场大潮中立于不败之地，这无疑是考验每一位管理者的试金石。（文/董成竹）