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。

云计算、大数据、人工智能这三者的发展不能分开来讲，三者是有着紧密联系的，互相联系，互相依托的，脱离了谁都不能更好的发展，让我们具体来看一下！

一、大数据

大数据指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中大数据指不用随机分析法(抽样调查)这样捷径，而采用所有数据进行分析处理。大数据的5V特点(IBM提出)：Volume(大量)、Velocity(高速)、Variety(多样)、Value(低价值密度)、Veracity(真实性)。

数据每天都在产生，各行各业都有，数据量也是相当之大，但如何整合数据，清洗数据，然后实现数据价值，这才是当今大数据行业的研究重点。大数据最后要实现的是数据超融合，应用到应用场景，大数据的价值才会体现出来。

人工智能就是大数据应用的体现。

二、云计算

云计算(cloud computing)是基于互联网的相关服务的增加、使用和交付模式，通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。云是网络、互联网的一种比喻说法。过去在图中往往用云来表示电信网，后来也用来表示互联网和底层基础设施的抽象。因此，云计算甚至可以让你体验每秒10万亿次的运算能力，拥有这么强大的计算能力可以模拟核爆炸、预测气候变化和市场发展趋势。用户通过电脑、笔记本、手机等方式接入数据中心，按自己的需求进行运算。

对云计算的定义有多种说法。对于到底什么是云计算，至少可以找到100种解释。现阶段广为接受的是美国国家标准与技术研究院(NIST)定义：云计算是一种按使用量付费的模式，这种模式提供可用的、便捷的、按需的网络访问， 进入可配置的计算资源共享池(资源包括网络，服务器，存储，应用软件，服务)，这些资源能够被快速提供，只需投入很少的管理工作，或与服务供应商进行很少的交互。

说白了，云计算计算的是什么？云存储存储的是什么？还是大数据！所以离开大数据谈云计算，离开云计算谈大数据，这都是不科学的。

三、人工智能

人工智能(Artificial Intelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。

人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种复杂工作的理解是不同的。

人工智能其实就是大数据、云计算的应用场景。

现在已经比较火热的VR，沉浸式体验，就是依赖与大数据与云计算，让用户能够由更加真切的体验，并且VR技术是可以使用到各行各业的。

人工智能不同于传统的机器人，传统机器人只是代替人类做一些已经输入好的指令工作，而人工智能则包含了机器学习，从被动到主动，从模式化实行指令，到自主判断根据情况实行不同的指令，这就是区别。

大数据的概念在前几年已经炒得火热，但是也就是近两年才开始慢慢落地，依赖于云计算的发展，以及人们对人工智能的预期。

说到底，云计算是大数据的底层架构，大数据依赖云计算来处理大数据，人工智能是大数据的场景应用。三者直接建立起一个体系，从而实现改变世界的目的。三者不能分开说，一定要紧密结合。

互联网的下一个风口，也一定是大数据、云计算、人工智能的共同风口。

本文来自IT培训网：cnitedu，转载请注明出处。

云计算是什么？云计算与大数据要学啥？云计算的虚拟空间无限大，物联网和互联网产生的大量数据，要找一个地方集中存储和处理，就要用云来存储。比如我们平时手机或电脑存储空间不够的情况下，会把一些图片及视频存在云盘，云端。

云计算，简单说就是把你自己电脑里的或者公司服务器上的硬盘、CPU都放到网上，统一动态调用，现在最有名的云计算服务商是亚马逊的AWS。以前你要玩最新的大型3D游戏或者做了个大型3D动画需要渲染，首先想到的都是重新买一台更高配置电脑或者换个显卡等；

有了云计算之后，你只需要一台显示器，连到服务商的云计算平台上，如果想玩两天新游戏，就单独购买这两天的高配CPU和显卡，只付两天的钱，玩腻了就恢复成普通的配置；如果你今晚要做大量渲染，就买今晚几个小时的高配，第二天早上拿到成片，就可以恢复原来的配置。所有这些计算和渲染工作都在云计算服务商的数据中心统一完成，你只需要按小时甚至按分钟计费，不用再自己买电脑和服务器了。做云计算的服务商都会自建数据中心。

大数据，简单说，就是把所有的数据放到一起分析，找到关联，实现预测。这里的所有数据对应的是之前的抽样调研取得的部分数据。比如传统的市场调研方法，就是去大街上或者网上发问卷，能得到成百上千份结果就很不错了，或者邀请几个典型用户到会议室访谈一下；大数据的做法是把收集所有人的数据进行分析，把每个人都当做独立个体进行分析，而不是找群体特征。大数据的结果就是更精准，更细致，更个性化。

再比如我们经常会看一些现代谍战片，侦察部如何找到罪犯？就是通过全城监控录像，在海量数据中搜索一个人的面孔，犯罪分子只要出现在监控中都会保留一条数据及位置，从而更好地实施下一步方案，大大提高破案效率。这也是企业为什么在极力追捧云计算大数据技术。再比如京东、淘宝、今日头条、新浪、百度、网易、等购物网站，就是采用这种技术。今天看过或搜过的，下次再打开就会主动推送什么类型的文章。

简单的说大数据就是超级存储的意思，海量数据上传到云平台后，大数据就会对数据进行深入分析和挖掘。在在各行各业均存在大数据。比如天气预报，气象中心会通过卫星发送回气象局无数条关于空气温度、湿度、密度、空气微粒等的数据，运用大数据技术，从而分析判断出这些数据。得出天气状况、空气质量、温度及风量。再比如将几千辆车的数据位置信息综合起来分析出某条路的拥堵状况。大数据必须有云作为它的基础架构，才可以推广并体现出强大的实用价值。云计算和大数据是相辅相成的。

随着智慧城市、智慧家庭等物联网应用的普及，万物智能互联产生的数据量愈加庞大，对计算资源及能力提出更高的需求，而云计算在一段时间内充分满足了终端设备的资源期待，但随着智能设备数量日益猛增，内存、CPU等计算资源的内功逐渐显不足，造成目前市场上智能硬件设备不够智能化，此时，雾计算应运而生。

海量数据仍冬眠不休

据IDC数据统计，2015年全球智能可穿戴出货量达7810万，虚拟现实产业达15.4亿，智能服务机器人市场规模达80亿美元，预计，2020年我国智能硬件产品和服务的总体市场规模可达10000亿。可见，IoT在呈爆炸式增长，万物万联时代即将到来，据Garetner预测，到2020年全球物联网连接设备将达260亿。

随着智能互联硬件设备的愈日剧增，数据量愈加庞大，众所周知，物联网的真正价值来源于数据，但是，据相关数据显示，99%的设备产生的数据未被采集和存储，因此需要布置越来越来的传感器到智能设备中，这是庞大数据来源的基础。最为关键的是，在智能终端、网关或本地服务器，由于采集的数据流要先传输至云端，由云端的大数据中心平台进行批量分析，再将结果传输至智能终端，中间时间过到延迟，导致无法基于运算结果做实时的决策，可以说，数据的能量尚未“觉醒”，数据价值还远远未被有效利用。

针对由于计算资源不足导致的数据能量“冬眠”，仅靠提升宽带传输能力是不够的，必须能灵活部署计算资源，减少中间传输环节，能根据用户需求，实时做决策，但目前这是单靠云计算的传统能力是无法实现的。

云计算的困惑雾来解?

不可置否，近十多年来，云计算平台为云用户提供数据中心的计算资源，一直发挥着其优越性，比如拥有无限的资源池、大量用户共享资源带来的廉价资源、随时随地用任何网络设备访问、快速重新部署、弹性的资源租用等。但是，随着智能硬件设备的快速普及，云计算的不足也是显而易见的（ydotpub）。

众所周知，智能硬件设备的位置一般都比较分散，在互联网的多层结构中，云计算数据中心位于核心网络，而核心网络距离终端用户一般比较远，用户消息需要几经周折才能到达，导致了较高的延迟，对实时性要求高的应用难以部署至中心云端。另外，由于大量的物联网设备应用部署在中心网络云端，将带来网络拥塞，遇到安全、生命相关的物联网应用，一旦中间某一环节应用失效，将带来重大的安全隐患，因此，云计算已经渐渐不能满足物联网发展多样化的需求，雾计算正是这个时候应运而生。

雾计算的概念是思科两年前提出的，在思科的定义中，雾主要使用边缘网络中的设备，这些设备可以说是传统网络设备如部署在网络中的路由器、交换机、网关等，也可以是专门部署的本地服务器。但是，雾计算一直以来只是概念化，并未真正的落地，机智云公司CEO黃灼表示，雾计算与边缘计算是相通的，即是把云端的能力部分释放到网络的边缘、设备端或网关，推到设备端称为边缘计算，推到网关或路由器就叫雾计算，从而减轻云数据中心的网络及计算负载。

与云计算相比，雾计算是更贴近最终用户的数据通信处理解决方案，但雾计算仅是云计算的延伸，并不是替代，雾计算将数据、数据处理和应用程序集中在网络边缘中的设备中直接处理和存储，然后把剩余的有价值的数据传输向云服务器进行存储或者下一步处理，帮助云计算最高效率的发挥其自身的价值，简单的说，就是把云计算的概念即运算效率高、快速更新与部署的优越性转移到设备端或网关，把思科的理念用到企业当中，解决目前处理海量数据时计算资料不足的问题。

雾计算具有很重要的商业价值，据了解，云计算全球数据中心用电功率相当于30个核电站，数据中心的电子消耗已经成为重要成本，而雾计算节点位置比较分散，不会集中产生大量热量，从而减少耗电，降低成本。另外，雾计算低延时互动，提升用户体验，而且去中心化地理分布，满足万物互联硬需，有效助力移动业务布局，实理移动数据分析，关键是可以有效保护商业数据隐私。

云端推助雾计算落地

如果说核心高速云计算是处于大型数据中心，雾计算就是广泛的地域分布，满足移动性要求的业务部署，黃灼表示，未来的数据中心一定是云雾结合的数据中心，企业级计算的未来仍然在云中，但真正的计算变革却在雾里（ydotpub）。

雾计算要具体如何真正落地?如何动态、大规模地部署运算和存储能力，云端和设备端如何高效协同、无缝对接，复杂的运算如何在云和雾之间合理的分解和整合。针对问题，黃灼认为，通过对云管端三者都有控制力的技术平台才能实现雾和云结合的真正落地，把物联网、大数据及机器学习整合起来是目前面临的最大障碍。通过“云+雾”计算架构，机器学习可以把数据采集和处理逻辑动态分配到设备和网关端，让海量的终端设备参与到机器学习的运算中，大大的增加了可采集的数据量和运算资源，可以高效的实现复杂的机器学习算法。

云和雾共同形成一个彼此受益的计算模型，这一新的计算模型无疑能更好的适应物联网的应用，而且具有重要的商业价值，在智能硬件、智能电网、车联网及智能家庭等领域的应用场景不胜枚举。比如，在智能交通灯监控系统中，对于需要人为监控的画面，雾节点将视频流直接转发给中心机房，而其他监控视频对实时性要求不高的话，可以直接在雾节点处理，压缩后再传向中心机房，这样从雾节点到机房的网络宽带就得到缓解，当然，在灵活处理云和雾之间的数据流传输及处理，得益于云管端这样的一个技术架构平台。

为什么说现在是投资云计算和大数据的最好时机？云计算具体指什么？为什么企业云服务是未来的发展重点？云计算和大数据的未来发展趋势又如何？

本文为天鹰资本合伙人陈越在6月17日由天鹰资本和国际前瞻基金会联合主办的“硅谷人工智能与创新文化分享会”上作的主题演讲《关于技术投资的几点思考》。创客猫受邀作为合作媒体到场进行图文直播及报道。本文经创客猫整理精编，有删减，如有转载请注明来源。

天鹰资本合伙人陈越

我在天鹰资本这边主要做技术投资和早期投资。今天我主要讲下我们在云计算和大数据里面的一些思考逻辑。

云计算两大特点：按需来取、弹性大

云计算，可能大家经常听到有人在说云计算相关的东西，但是云计算是什么？“云计算”的概念最早是由google提出的，它是一种网络应用的模式。其实很简单，我们每个人都会有微信，微信就是云计算的一种体现。

也就是说你在手机里面有APP，但是APP里面有很多的东西，比如说有存储的数据，它的信息不是实时放在你手机里面，而是从云端请求，它从云端把信息拿到手机上面来，所以这是云计算的一种表现形式。

再比如有时候我们攒一个电脑，大学时候大家都愿意去攒电脑，攒电脑时就要到中关村买硬盘、内存这类的东西。现在有可能就不需要了，在云端就能完成。现在大家有可能不再需要用很大的硬盘，我们也可以用百度的网盘，这些主要是把一些计算机或者网络里面相互调用的资源放在云端，这基本上就算是云计算的服务。

这个服务，举一个例子，它特别像电厂。比如说电厂生产出来的电，通过电线传输到家庭里面，电灯就可以用了。每个用户其实他并不关心你电怎么生产，我只要想用电的时候有电就可以了，你用的电越多付的钱越多，用的电越少付的钱越少。所以云计算其实就是一个电厂的模式，电厂负责生产，用户只要用的时候按照需求来付费。

因此云计算有两个大的特点，第一个是按需，也就是说你需要多少就用多少。第二个大的特点，它是弹性的，比如一个公司需要电脑设备，这个时候它的业务量很小，所以只需要很少的设备。但是如果它一旦遇到大的突发事件，比如双十一，需要很多资源，这个时候如果原来的模式，他只能是买很多冗余的硬件资源，这时候对他来说是一种浪费，因为他通常用不到那么资源，所以他的需求是弹性的。这时候云计算提供了非常好的途径，也就是说他需要多的时候多用，不需要的时候就少用。所以这就是云计算大致的概念，它有两个特点，一个是按需来取同时又很大的弹性。

云计算的三个种类：IaaS、SaaS、PaaS

云计算我们做几种分类，比如我是一个房东，我有这个房子，这个房子我要租出来给大家用，其实是有几种收费模式。

第一种收费模式就提供了一个房子，你们谁都可以用，做什么都可以。这个房子里面你如果愿意把它装修成咖啡馆那就装修成咖啡馆，如果想装修成健身房那就是健身房，所以我不在乎你到底怎么用，这个状态我就提供基础设施，只是一个房子而已。

在这之上我还可以提供另外一个服务，比如把房间装修成咖啡馆，租户要来租的时候你就租自己的配源，这个时候我的房子就做成品牌的模式，就是做成咖啡馆，谁来做都可以，可以变成星巴克咖啡馆，也可以变成一个zone咖啡馆。这是一种平台的模式。

再往上走就是我自己配备服务员，把它变成一个进来就可以买咖啡的状态，这时候我收取的是对买咖啡这些人所服务的费用。

其实这三种模式恰恰就形成了云计算的三个种类，或者说三个层级。第一层级叫硬件级服务，这叫IaaS，它是为企业提供基础服务，比如说企业原来需要自己买硬盘、服务器，现在不需要，只要在云端就可以。

往上层级是paas平台级的服务，提供一个开发服务，所有人想开发系统在我平台上开发就可以了。

再往上就是SaaS，是一种通过网络提供软件服务的模式，云服务提供商提供在云端的软件，大家都使用这个软件就可以，你不用在电脑里面装，也不用在手机里面装过多的东西，只要一些很简单很便捷的安装就可以完成服务的驱动。这是云计算大概的分类，IaaS、SaaS、PaaS。

企业云服务是未来发展的重点

接下来讲讲云计算市场的规模。为什么大家对云计算这么关注，因为它的市场规模还是非常大的。当然对于云计算市场规模每一家都有自己的计算方式和口径，差别还是挺大。但至少都说明一个问题，中国云计算市场的规模是以每年60%的速度在往上增长，增长速度非常惊人，也就是说这是未来非常好的投资方向。不论从宏观还是微观的调研看这都是个上千亿规模的市场。

另外我们刚刚说到大部分的云计算，其实我们在概念里面提到的都是针对于企业的云计算，为什么我们认为企业云服务是未来发展的重点？首先解释一下企业云服务，企业云服务是客户和应用场景是为企业提供的云计算服务，或者我们在行业说的比较多的就是to B的云服务。因为我们整个把云服务分成两个场景，一种是to C，比如说微信，这是最好的例子。to B比如阿里丁丁、销售易、纷享销客，我们都把它叫做to B的云服务。

为什么我们说to B是未来非常大的前景，我们可以做一个比较，中美企业服务市场的比较，在美国和中国大概提供的云服务的主要厂商里，不管亚马逊还是ebay还是阿里巴巴还是京东，他们提供的可能更多是to C服务。而提供toB的服务，比如有Sosbof、oracle、IBM，在国内是用友和金碟。我们来比较一下他们公司的市值，to C的在美国大的几个公司它的市值可能加起来是5000、6000亿美元，在中国是4000多亿。也就是说不管在美国或者是在中国，提供to C云服务的厂商大概市场规模都差不多，都是4000、5000、6000亿，差异不是特别大。但是我们看企业应用，美国to 企业应用市值和to C市值差不多，都是4000、5000亿。但中国的用友和金碟的市值规模加起来非常小，从这个角度上来讲中国的to B应用还有很大的空间。

但是有人会觉得是不是中国和美国的市场规模不一样，美国的企业数一共是2700万家，这是一个券商的数据，中国的企业是2200万家，其实没有差很多。为什么中国和美国的企业云服务差别会这么大？我觉得这里面可能有它整个云服务市场在云计算方面发展技术上的时间差。

美国大概是在2011年之后从企业到公众都开始使用云服务，中国基本上是从2015年才开始广泛使用。所以我们认为，从云服务角度来讲，云计算美国的今天就是中国的明天，如果中国跑的快一点，可能美国的今天就是中国的今天晚上。所以企业云服务未来会有非常大的爆发空间。

中国已经具备了基础设施硬件的条件，所以已经有比较成熟的技术，所以这个产业一定是处在爆发的前列。另外中国的企业有可能不会经历像美国企业那么长时间的发展就可以达到很好的状况，因为技术已经很成熟了。所以我们认为企业云服务是未来非常大的前景。

云计算未来发展趋势：呈现“BEAT”

这是云计算的发展趋势，我们总结了四个字母，就是“BEAT”，我们认为它是未来云的发展趋势，BEAT在英文里面是节奏的词儿，所以我们认为按照这个趋势来做投资一定会踩在云计算投资的点上。

“B”是什么意思？就是大客户。我们认为现在云计算的重点正在逐渐从中小型客户变成中大型客户。原来大家觉得云服务是小公司用的比较多，因为它便宜。但是现在看起来不是这样，越来越多的大公司会转向云架构软件需求，所以它未来一定是以大客户为主，是云计算大的趋势。

“E”是生态化。所以现在云计算不再是每一个小公司在单打独斗自己做业务，一定是联合起来做。生态化，又分两个方向，合纵连横。合纵意思是说很多小公司把自己的特点结合起来，有互补性，他给大公司提供综合性、打包性的云服务的特点。还有一个特点就是连横，以大企业为核心，把自己做成很大的体系平台，众多的企业在这个平台上面为大家提供各种各样的服务，所以这是生态化的具体体现。

“A”的意思就是融合。融合这块相对来说比较技术，大概的意思就是它从Saas到Iaas到paas，几个层级的界限越来越混合，不会有特别明显的界限，同时它会把各种各样的技术要素放在里面。

最后“T”的意思就是T型化的战略。这是比较技术的说法，一横是管理型SaaS会做平台化的运作，平台搭起来，让大家都来用。同时一竖是行业SaaS服务垂直化，比如行业的医疗客户，因为别的用户做不了医疗行业，大概是这样一横一竖的战略。

所以BEAT是我们认为未来云计算整个的发展趋势。

为什么说现在是投资大数据的好时机

大数据，其实也是谈了很多年，具体是什么，大家可能基本上都有一些了解和认识。比如你的消费、你的行为、你的位置等各种各样的信息可能都汇聚在某些地方，把这个价值体现出来，其实就是很多的数据。

大数据已经渗透到我们日常生活中每一个人的身边，比如马云他说互联网已经从IT时代变成DT时代，IT就是信息技术，DT就是数字技术，所以他认为数据将取代石油，成为未来制造业最大的能源。我觉得这是非常前瞻性和非常现实的说法。

大数据虽然已经渗透到我们生活中每一个地方，但是它却是从一个地方消失掉了，从哪儿消失了？它在技术曲线上消失了。我大概解释一下，这个技术曲线是gartner技术成熟度曲线。比如新的技术从曲线上某点（这儿）出现，大家开始炒作，炒作到顶点它就下去了，因为炒作得太多但技术又跟不上整个市场的发展，就会进入原来幻想破灭的阶段，破灭之后，等到一定阶段技术会重新进入比较成熟和正常的发展阶段再起来。

2015年度新兴技术成熟度曲线 来源：gartner

2016年新兴科技技术成熟度曲线 来源：gartner

我们看gartner2015年的曲线，这时候我们发现大数据在曲线上已经从最热的地方掉下去了。到2016年时，后来发现大数据已经从技术曲线里面消失了，说明什么？说明大数据已经不是前瞻性的技术了吗？我们不这样想，其实说明了大数据已超越了炒作的概念，实实在在进入向生态的方向演进的阶段。

从我们投资角度来讲，如果我们在炒作最高点的时候投资，那就比较被动。而在要进入低谷的时候投资，我觉得恰恰是比较好的状态，因为它会进入低谷，但是它又是未来比较长足的发展和比较强劲的增长空间，所以这是我们认为现在大数据是非常好的投资方向的原因之一。也就是说炒作已经结束了，基本上尘埃已经落定，这时候真真正正可以做一些实业的发展，去做不能说是长期投资，可以是中期非常好的标的。

另外，大数据市场概况我们多少看一下，一个是全球大数据市场规模，今年大概是1800亿美元的概念。中国2017年，我们预计是358亿大数据的市场规模。我们可以看到中国大数据市场占据非常重要的地位，同时另外一个非常重要的事情，也可以看到中国的大数据市场增长速度远远高于全球的增长速度，这也是我们为什么觉得在国内大数据是一个非常好的投资方向的重要的原因。

天鹰资本的投资逻辑

我们在做早期投资的时候其实有一些标准，这个标准是“三长一短”。

“长”也可以说是“高”或者是比较“强”，我们认为投资一定要投市场空间非常大，这时候尤其是以蓝海市场为主，如果有这样一些市场我们会非常重点的来看。所以市场空间首先要大。

另外投资标的壁垒要高，这个壁垒有可能是它占据的资源、有可能是他的团队，有可能是他的技术。

第三个高是成长性，因为市场空间大、壁垒高，同时就形成比较强的成长性。这时候我们需要它的商业模式是比较确定的商业模式，我们给他注入资金和资源时，它的发展速度就会非常快。

一“短”是，我们希望退出的时间短。为什么我们投资的时候不希望投一些特别前沿的技术，因为特别前沿的技术发展起来时间太长了，未来我们可能会投，但是现在我们还是希望在中短期内给投资人比较好的财务回报，这些才能形成比较高的回报状况。

这是我们在这个领域的投资标准，也会是我们在其他领域的投资标准。

（以上为创客猫现场原创报道，如有转载请注明来源）

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。

随着互联网、 云计算 、移动通讯技术发展，数据越来越成为人们不可缺少的重要资产，对人们生活起着重要作用。

企业稳抓大数据是关键

作为信息时代下的产物，大数据，则是企业和互联网用户之间产生的结构化和非结构化的数据统称。因为大数据内容广泛，无所不渗，大数据包含着客户的喜好和购买打算、甚至一些非常详细的个人讯息等非常重要的资讯，因此，大数据便越来越受到企业和机构的重视。而在大数据日益受到重视的今天，大数据的服务公司、一些数据提供商，便成为了互联网时代的领路人，作为首批接触数据分析的公司，不远它是服务商、或者是甲方客户，在信息时代的第一步，你就选择对了。

大数据的几个难点

由于大量化、多样化和快速化的特点，大数据的抓取、处理、管理和整合颇具挑战性。《环球邮报》报导说，加拿大IT公司Fuseforward向市场推出云计算大数据平台ICE，提供大数据获取、分析和整合应用程序，帮助大公司和政府机构优化能源系统，如削减城市基础设施系统的电力能源消耗。

据爱科赛尔云数据的产品经理郭立松解释说：“云计算优点是，用户可以根据需要随时随地用任何网路装置快速灵活存取数据和共享资源，终端用户负荷轻，系统维护和管理容易。不过，云计算中心数据庞大，耗电量大、散热多，需要良好的散热系统予以支撑作为保障。”

云计算面临的安全问题

由于云计算模式下的数据资产的所有权和管理权可能分离，客户将通过移动互联网对数据资产进行访问和使用，客户对数据的资产权的担忧便成为重要的安全障碍。当企业把数据外包给了云计算服务商，那么他们便获得了该数据的优先访问权。然而，内部人员的失职、黑客攻击等， 云服务 商没有充足的证据能够让用户确信其数据被安全、正确的使用。

移动终端与用户的高粘合度，导致了数据的敏感度极高，信息泄露的危害更大。与固定互联网相比，移动互联网的传播方式多样化，例如通过MMSC、SMSC服务器下通过短信、SNS、BBS、MSN等进行传播，而云计算的虚拟化、多租户和动态性等等特点，使得恶意信息的传播途径和内容的监控管理难度更大化了。

构建云计算的安全策略

一、云计算安全应该支持用户描述其数据安全保护目标，指定其所拥有的数据资产的安全保护的范围和程度；并且应该支持用户，尤其是以企业为主的安全管理需求，如分析查看日志信息、展开违法操作调查等。

二、云计算安全应该支持对灵活、复杂的云服务过程的安全评估。在云计算的环境下，支持云服务的安全水平等计划，从而便于用户的直观理解与选择。

三、云计算安全应规定云服务安全目标验证的方法和程序，由于用户自身缺乏举证的能力，因此在某种程度上，验证的核心就是服务商提供的证据，例如可信审计记录等，同时，应明确定义证据的提取办法和证据的交付方法。

只有在云计算平台的安全搭建的策略下，有了数据保护的一套总体流程和方法，作为个人用户、企业机构，才能够更放心的加入云计算的平台。而服务商，作为信息时代数据的领跑者，更应该把平台安全搭建和保护措施放在第一位，只有大环境安全了，时代才能发展得开。

现如今，企业管理者们几乎每天都不可避免的会看到诸如“大数据”或“云服务”这样的字眼。为了确保在当今的市场上具有竞争力，企业必须做出明智的业务决策，这些业务决策将产生真正的结果，无论这些结果是帮助增加企业的营收，留住客户还是提高产品的质量。而大数据分析项目则是实现这些目标的关键因素。

大数据使企业能够更深入地了解自己的业务，并实时制定战略决策。

说到这里，有的企业管理者，就会想，既然数据分析这么重要，为什么不自己研发属于自己的数据系统呢?

看完下面的分析，您在着急做决定。

有48%的企业受访者认为，在数据分析和数据管理技能方面的人才的短缺是他们所在企业所面临的第一大挑战。对大数据技能的需求(尤其是在分析领域)的需求如此之大，以至于70%的受访者均表示他们计划在未来的12到18个月内雇用具备大数据分析技能的人才。

利用云服务，企业可以利用最新的技术，而无需投入大量的时间和资源来进行持续的设置、维护和升级工作。云服务还允许企业使用他们已有的技能，而托管服务则可以完美的补充他们所缺乏的技能。

而且这需要花费大量的时间和精力。这无疑会放慢创新的步伐，最终降低大数据项目的价值。

云计算和大数据哪个发展前景好？

说实在话，二者之间都是未来的发展趋势，没有说那种好或者不好，根据你的兴趣，你未来的发展方向，来判断你想走那条路!

大数据相当于海量数据的“数据库”，而且通观大数据领域的发展也能看出，当前的大数据处理一直在向着近似于传统数据库体验的方向发展，Hadoop的产生使我们能够用普通机器建立稳定的处理TB级数据的集群，把传统而昂贵的并行计算等概念一下就拉到了我们的面前，但是其不适合数据分析人员使用(因为MapReduce开发复杂)，所以PigLatin和Hive出现了(分别是Yahoo!和facebook发起的项目，说到这补充一下，在大数据领域Google、facebook、twitter等前沿的互联网公司作出了很积极和强大的贡献)，为我们带来了类SQL的操作，到这里操作方式像SQL了，但是处理效率很慢，绝对和传统的数据库的处理效率有天壤之别，所以人们又在想怎样在大数据处理上不只是操作方式类SQL，而处理速度也能“类SQL”，Google为我们带来了Dremel/PowerDrill等技术，Cloudera(Hadoop商业化最强的公司，Hadoop之父cutting就在这里负责技术领导)的Impala也出现了。

整体来看，未来的趋势是，云计算作为计算资源的底层，支撑着上层的大数据处理，而大数据的发展趋势是，实时交互式的查询效率和分析能力，借用Google一篇技术论文中的话，“动一下鼠标就可以在秒级操作PB级别的数据”难道不让人兴奋吗?

在谈大数据的时候，首先谈到的就是大数据的4V特性，即类型复杂，海量，快速和价值。IBM原来谈大数据的时候谈3V，没有价值这个V。而实际我们来看4V更加恰当，价值才是大数据问题解决的最终目标，其它3V都是为价值目标服务。在有了4V的概念后，就很容易简化的来理解大数据的核心，即大数据的总体架构包括三层，数据存储，数据处理和数据分析。类型复杂和海量由数据存储层解决，快速和时效性要求由数据处理层解决，价值由数据分析层解决。

数据先要通过存储层存储下来，然后根据数据需求和目标来建立相应的数据模型和数据分析指标体系对数据进行分析产生价值。而中间的时效性又通过中间数据处理层提供的强大的并行计算和分布式计算能力来完成。三层相互配合，让大数据最终产生价值。

传统的BI分析通过大量的ETL数据抽取和集中化，形成一个完整的数据仓库，而基于大数据的BI分析，可能并没有一个集中化的数据仓库，或者将数据仓库本身也是分布式的了，BI分析的基本方法和思路并没有变化，但是落地到执行的数据存储和数据处理方法却发生了大变化。

谈了这么多，核心还是想说明大数据两大核心为云技术和BI，离开云技术大数据没有根基和落地可能，离开BI和价值，大数据又变化为舍本逐末，丢弃关键目标。简单总结就是大数据目标驱动是BI，大数据实施落地式云技术。