中国IDC圈1月10日报道，1月8日，第八届中国IDC产业大典在国家会议中心盛大召开。本次大会以“新资本 新技术 新格局”为主题，力邀工信部、通信发展司、电信研究院领导，IDC企业、电信运营商、互联网企业、设备厂商等各行业精英齐聚一堂，共同把脉中国IDC行业未来发展之路。在1月9号分论坛“大数据与互联网技术峰会”上，IBM新兴市场部大数据中心总监王晓梅应邀出席了大会并发表精彩演讲“大数据时代下的新机会、新价值”

IBM新兴市场部大数据中心总监王晓梅

以下为王晓梅演讲实录：

王晓梅：早上好，今天非常高兴，有这么一个机会，能够跟大家分享，大数据和大数据分析的故事。开始之前，允许我简单的介绍一下我自己。我来自IBM大数据中心的王晓梅，过去十几年我一直在IBM的多伦多实验室公司，我以后带领全球的团队，对IBM大数据在全球的推广，做一个东西。大数据是IBM的战略之一，一年之前我非常的荣幸受我们总部的指派，回到新兴市场，选择了IBM在中国，作为我们整个新兴市场大数据中心的总部。

大数据在全球，特别是在近几年，在全球的各行各业，都是非常热门的话题。这边我其实想跟在场的各位朋友分享一下，大数据本身其实并不是新鲜的事物，我过去十几年一直做数据，相信很多在场的人，都是做技术方面的工作，大家都知道我们有大量的数据，其实是由来已久。可能您会问，为什么近几年突然大数据变得如此的热门？那是因为我们第一次有成熟的技术，不但能够帮助我们对这些海量的多样性的数据，进行有效的存储和管理，更重要的是，因为我们现在有这些成熟的技术，能够对这些大数据进行有效的分析，产生洞察力，从而为我们的社会，为我们的政府，为我们的各行各业提供革命性的推动力和生产力。这几年你可以关注一下，大数据大的魅力和价值所在，是因为它能够对我们的行业进行革命性、颠覆性的推动力。大数据跟传统的IT技术有一个本质的区别，近几年来一直是大数据和大数据的分析，是为主流媒体和各个行业的业务领导所关注和推崇的。这是大数据和传统的IT技术本质的区别。

今天想借这个机会，首先跟大家分享一下大数据能够给我们的各行各业带来的新的竞争力？大数据如何给我的生活和工作带来新的革命性的推动力。今天在座的各位特别想了解大数据到底能给我们带来什么样的商业价值？说到大数据的商业价，不得不提大数据在各行业一些常见的业务的场景。今天我想借这个机会，跟大家分享一下，我们在看待大数据，在处理大数据项目的时候，所应该关注的大数据的战略，所包含的方方面面。

同时我今天也想借助这个机会，IBM如何帮助在场的各位朋友，各位企业，能够开启你大数据的里程。现在的竞争形势，大家都知道风云变化，竞争非常的激烈。现在一个好的企业，如果仅仅是凭着一个好的产品，或者是一个好的服务，已经远远不能够帮助我们这些企业或者是机构，在市场的竞争上取得绝对的优势，这是一个现实的商业挑战。

我在过去的几年，特别是我们全球的团队，在各个市场跟客户沟通的过程当中，我们明确的体验到，现在在各行业，往往能够成为行业的领军者的，是往往能够将我们最新的四大技术，运用自如。就是将我们的云计算，将我们的社交商务，将我们的移动商务，特别是将我们的大数据分析，如何将这四大战略性的最新的技术，以组合拳的方式，能切实有效的在整个的生产实践当中，真正的落地。这样的公司，这样的企业，这样的机构，往往是在整个的竞争形势当中，具有明显的优势。我常跟媒体朋友说，现在这个风云变化的时代，已经不是大鱼吃小鱼的时代，而是快鱼吃慢鱼。这怎么解读？就是谁能够对最新的技术，有最新的解读，最新的采纳，往往这样的企业今后在整个的竞争优势当中，显现出非常独特的竞争能力。

我们借助大数据的分析，借助云计算，借助移动和社交媒体，组合拳的技术，我们真正能够拥抱我们现今社会当中的所有大数据，用数据进行分析，用分析的结果来帮我们决策进行制定。大数据的分析，在很多的企业和机构里面，他已经是被作为一条经线，能够非常有效的将企业的人员，整个工作的流程，各种IT的架构，非常有效的编织在一起，我们用数据说话，我们用分析来为我们的商业决策做出判断。能够更好的为我们的企业和机构，为我们所服务的客户，对我们的客户有一个大的体验认知提升。使得我们的企业和机构，能够在这个风云变化，竞争激烈的商业时代，不断的进行商业模式的升级，甚至是商业模式的转型，来适应变化。

说到大数据分析，我也想跟大家分析一下，其实全球大的大数据分析的用户，其实是美国的联邦政府，美国的联邦政府，在大数据分析方面的资金的投入，人力的投入，是在全球具有领先地位的。特别是在2012年的时候，美国联邦政府还专门成立了大数据委员会，特别是在美国市场推出的大数据报告当中，他提到非常有意思几点市场的分享。首先提到他们深刻的验证了大数据真正的是能够为我们的社会，为我们的政府，为我们的各行各业，带来深刻的革命性的变化。

他们同时在这份大数据的委员会报告当中，提到非常有意思的发现，虽然大数据带来的革命性，是具有颠覆性，具有深远的革命性，但是大数据借助的技术是渐进式的，是逐渐的演变，而不是革命的里程。这份报告里面特别的强调，大数据跟传统的IT技术有一个本质的区别，它一定是高度的业务价值驱动。所以我们在看待大数据和大数据分析的时候，不仅仅是技术的命题，它是一个商业的命笔，是一个商业价值的命题。

全球非常重要的大数据分析案例，就是奥巴马的竞选团队，奥巴马的首席战略是，在2012年12月份在纽约的参会上，向全球的媒体朋友分享，他说他们在整个的总统竞选的过程当中。民主党和共和党在那个竞选的过程中，比分不相上下，最后奥巴马的团队，能够赢得总统选举的胜利，就是因为他们充分的利用了舆情分析，社交媒体大数据分析的技术手段，他们能够实时的知道选民在想什么，在议论什么，来制定每一步竞选的计划，这是他们赢得总统大选重要的分析手段。大数据分析不是一件风花雪月的事情，是切实的落实在我们的工作和各行业的方方面面。

我知道前面秋野主持也提到，现在在市场上，大家对大数据的议论非常多，探讨非常多。我今天也想借这个机会，跟大家分享一下，现在全球的整个大数据市场的最新动态。IBM的商业价值研究院和牛津大学的塞德商学院，最近做了一个全球的大数据的调研报告。我们在整个的全球大数据调研的过程当中，我们采访了全球的1100多家大型的企业和机构的负责人。基于这个调研报告，我们有很多非常有意思的发现。今天因为时间的缘故，我给大家分享其中的三点发现。

首先这些受访企业和机构的负责人，有63%的受访者，他们明确的表明，大数据的分析，是他们整个工作生产流程和环节当中不可缺的关键手段。这跟2010年37%的受访反馈，有一个70%的提升。现在全球的各行各业，是切实的进入了分析，帮助他们的企业和机构，在市场上来确定他们的竞争优势，这是一个必要的手段，这已经不是一个风花雪月的事情。我想跟大家分析，确实是迫在眉睫的一些事情。

特别是去年我跟很多的企业，甚至包括一些朋友交流的过程当中，还有一些朋友会问，大数据真的是我们的企业和机构现在着手在落地，在做的一个工作吗？通过我们这个全球的调研报告。有75%的受访企业和机构，已经明确表明他们已经着手在做大数据，和大数据分析落地的动作。我也想跟大家分享，我前面提到，大数据它是一个高度业务价值驱动的这么一个商业的命题。所以在这75%正在进行大数据活动的这些企业和机构里面，我想提醒大家关注一个细节，有47%的客户和机构，正在进行大数据的探索。这个动作非常的重要，而且这个企业也是我们很多的企业和机构，觉得非常受挑战的一步。

我们在进行大数据探索的过程当中，往往落实三个目标。第一是制定大数据的战略，在很多的企业和机构的内部，在进行大数据起步的过程当中，往往是需要将大数据作为一个战略层面的事情，在企业和机构内部进行一个定义。在定义了大数据战略之后，往往我们还要定义整个大数据的商业蓝图。更重要的来确定能够跟大数据商业蓝图所吻合的这个大数据业务场景的探索工作。这个工作非常的重要，也是我们现在很多企业认为是比较受挑战的。一旦我们把这个商业蓝图，跟大数据的业务场景，非常轻易的探索和定义以后，我们会进行一个验证和大量的生产实践的落地的工作。

您这边可能会问，我们全球有75%的客户，已经是在大数据方面有所动作，你会很好奇，他们所做的这些大数据的工作，主要是哪些业务的场景。今天我也想跟大家分享，其实我们在全球所做的那么多大数据落地的项目当中，第一大类的大数据项目，都是跟客户认知相关。有49%，将近50%的大数据的项目，都是如何借助大数据关联性的数据全集的分析，对你所服务的对象，有一个更深的认知。因为你对你客户的认知，有更深，更精准的分类，你会有新的商业价值的出现，有新的洞察力，给你提供更多的商业机会。

第二大数据的项目，就是内部的流程优化，你可能会说什么样的大数据的项目，是内部流程优化大数据分析的项目？比如说一个常见的案例，我的团队在中国的各个数据合作。大家知道运维，运维第一部分，如果是你的系统出错了，我如何在秒级之内，准确无误的知道是哪台机器，哪个软件，哪个应用出现了错误，这是我们运维当中经常遇到的一个内部流程分析的一个命题。

我们借用大数据分析，我们采用了流计算，就能够做到秒级之内的这种错误的检测和出错后的及时问题的解决。这只是数据中心的第一步最基本的内部流程优化的目标。

我后面会介绍，我们在进行数据分析的时候，我们流计算分析的时候，有一个特点，它是基于一系列的事件能够进行分析，我能够有不断的学习能力，我能够建立我的知识库，如果我学习了一定的时间，如果是事件有一三五发生以后，我一定有某个问题的出现，有二四六事件发生的时候，一定某个系统会出错，会在知识库当中建立一系列事件的分析。

最终我们可以借助这种技术跟这些分析的能力，最终是对这些出错的事件进行预防。我知道一三事件出现以后，我的运维人员可以提前的得出预警，这是我们现在很多数据中心是借助大数据分析的技术，能够不断有效的在事故出错发生以后，及时有效的进行事故的排除。更关键的是能够对将来出错的预防，大大的提高我们所有的系统的运营状况。

大数据大家说了很多，我们经常说温故而知新，在业界对大数据有各种各样有不同的解读，现在有一种业界对大数据公认的定义。首先我们说到大数据，我们经常用4个V定义，第一个就是value，就是大量、海量，数据已经超过了爆炸的状况。业界分析师说现在我们全球所有的数据量，已经超过了人类自从有语言以来所说所有语言的36倍。借用另外一个全球的报告，特别是近几年，我们每18个月，全球的数据量会翻一番，您可以想象我们现在这个数据量之大。

第二个定义就是速度，我们现在很多的新的数据语言是具有时效性的，什么样的数据具有时效性。我们这样的数据往往是具有流动性的数据，我们现在有物联网，有很多的传感器。比如说最近我的团队是去年，我们是跟中国的一家电网公司合作，他是在电网的关键设备上都加了传感器，这些传感器24小时，他能够对关键的电网设立200米之内的所有的气象信息进行一个精准的捕捉。这些信息的温度，都是具有实效性的，首先是大量、海量，这样的数据是流动，具有时效性的。我们将这些数据进行实时的分析以后，我能够做到提前72小时，非常精准的预测到，这些气侯对该网设备的损害的预警。如果预警达到预警值以后，会提前72小时，会给电网公司的运维人员发预警，降低电网的受损率，提高电网的运营时间，降低了电网的运营成本。如何对这种有流动性，时效性的数据，进行实时的分析，是大数据当中经常遇到的问题。

第三、就是多样性，我们现在有大量的数据，各种各样的多媒体的数据，社交媒体的数据等。我们现在有大量、海量、多样性、动态、静态、流动性的数据。如何确保数据的真实性，对很多的企业是一个重要的命题。我前面提到，大数据的分析，大数据大的魅力和它大的商业价值，不是在数据本身，而是如何基于数据进行分析，产生洞察力。而且大家也明白非常浅显的道理，垃圾进来，垃圾出去。如何确保数据的真实性，确保这个分析结果的准确性和可靠性，是我们现在很多的企业，在大数据这个新的时代，面临的一个重要的命题和挑战。

我去年回到中国以后，见了中国非常多的企业和政府，方方面面的一些朋友和客户。很多的朋友会经常问我说，大数据分析跟我们传统的数据分析，到底有什么区别？他们觉得大数据分析非常的神秘。今天我想借这个机会，来跟大家分享，大数据分析的几个关键的命题和理念。从而来跟大家分享，其实大数据分析，没有神秘可言。

第一、因为大家做分析做了十几年、二十几年。现在的大数据分析，跟传统意义上的分析，首先第一个本质的区别，是传统的分析是基于结构化，和关系性的数据。而且往往是取一个很小的数据指集，对整个数据全体的预测和判断。而我们现在到了大数据分析的时代，整个的理念是完全改变了。我们现在大数据分析的技术，是允许我们对整个数据全集技术直接的存储和管理分析。这是第一个不同点。

第二、因为以前的分析，是一个小样本的分析，所以我们往往要用小样本，来预测出整个数据全集的特性跟特征，这个就决定了我们所采样的小样本的数据，必须是高品质的。这个数据的质量必须是保证的，否则我们最后整个的预测出来的对数据全集的认知，可能就会出现很大的偏差。如前面所说的，我们现在大数据分析，本身就是对一个数据全集的分析，所以他对数据的一些噪音，是具有一定的包容性。

第三、像我所说的，原先的传统的数据分析，是有小样本数据，对整个全局的数据进行一个分析和预测。所以在整个的预测分析过程当中我们往往采用因果关系的这么一个推测，这么一个推理的过程。现在大数据分析，因果关系这种分析，并不是我们大数据分析的关注点，我不需要知道因为所以，现在基于大数据分析，我们是基于整个数据全集的分析，对我来说，对我们的企业来说，我所需要了解的是，我在对整个全集的数据进行分析以后，我只要知道那些关联性的分析，只要知道一些规律性的特性就知道。就是那个才是关键。我把那些规律性的结果，如果知道A跟B永远一起出现，周末的时候往往啤酒跟尿布的销售同步上升，我在大数据的分析情况下，我不需要了解为什么啤酒和尿布的销售量在周末会同步的增长。对我商家来说，只要知道尿布和啤酒是同步上升这么一个结果就可以了，基于这个结果，我就可以制定很多的商业策略，制定营销的手段。

第三、就像我前面所说的，我们现在的数据，往往是大量、海量，特别是有很多的新兴的数据语言，很具有时效性，打破了原先我们把数据搜集、清洗、存储、然后进行分析的滞后手段。现在很多分析的需求，往往是实时的。我是数据采集了以后，边采集，边分析。我将分析的结果，再来决定我是不是把相关的数据，有效的数据进行充足，无效的一些垃圾数据，我可能丢弃了。这是大数据分析的另一大特性。我也想今天借这个机会跟大家分享一下。

我们在说到大数据领域当中，我们一再的强调，数据是一个非常重要的资产。而且我们一再的强调，数据是一个自然的资源。基于这个自然的资源，你守着数据，就守着一个金矿。你可以基于这些数据的资产，产生各种各样的洞察力。

我在跟很多政府的行业朋友和企业的朋友，特别是去年的下半年在沟通的时候，我最常遇到的一个问题就是说，我们很多的企业和机构觉得非常受挑战的是如何打破数据的壁垒。特别是政府的机构，我有各种各样政府的部门，在各个政府部门之前，如何有效的进行数据的分享，将所有的数据进行关联性的分析，为公众提供更好的社会的服务，这是很多人在思考的问题。甚至是同一个企业的内部，我各个商务部门之间的数据，如何打破数据的壁垒，进行数据的分享，进行数据的全集的关联性的分析，从而为我们的企业提供洞察力。

在整个全球的各个市场，现在有一个新的运动在崛起，这就是open data的运动，就是开源数据的运动，open data的运动最早是2005您的时候，由世界银行组织和国际货币基因组织共同提出来的。他们2005年提出来这个open data的时候，最初的用意是想防贪污腐败。他们希望全世界对这些援助计划，资金的援助计划的项目，都是在全球有一个的网站，向全世界无偿的分享，希望全世界对他的研究机构，有一个监督的作用。2006年的时候，因为世界银行组织2005年的提议跟一个实践的动作。在2006年时候发到了美国政府的官员，他就说这样的举措非常好，我们如何在政府部门将这些数据反馈民众，让民众分享借用这些数据，产生一些相应的社会价值，跟社会的公益。

从那以后，首先是美国的政府，包括纽约市、三藩市、芝加哥，最近几年又逐渐的蔓延到阿丁美洲。他们有选择性的将一些数据在各个网站跟民众分享。我特别想提醒大家一点。过去我们对数据认知的时候，往往是我们现在先定制一个应用，这些政府将这些数据跟民众无偿分享的过程中，他没有任何预定的应用在脑海里。他将这些数据跟民众分享的过程中，民众是进一步借用政府所分享的数据，他们研发出各种各样的应用。为当时的政府，当地的社会民众，提供很多便利的服务。

这个open data的运动，特别是在近几年，也逐渐的从政府行业，蔓延到了我们各个企业级的行业。比如说在（takfonik）是全球第五大电信运营商和网络运营商，特别是近几年，他在2012年跟全球的open data签订了一个战略性的合作伙伴协议，他是讲一些数据，特别是在英国，他得到了takfonik和英国政府，加上麻省理工学院他们有一个战略的合作。这个电信运营商，他将有一些处理过的数据，一些匿名和集成的数据，免费的提供给公众。一些技术的大拿，拿了写数据以后，跟政府公布的开源的数据进行综合的分析，开发了很多的应用。

比如在伦敦他们借助所公布的过去三个礼拜，民众在伦敦市人群移动的数据，能够有效的为伦敦的当地市政府，在各个街区，如何有效的配置紧急救援的社会资源，起了非常好的作用。他也借助跟政府的合作，跟open data这个学院的合作，将开源的其他的数据，跟他内部的数据，借助外部的力量，进行应用的开发。这些来更好的帮助他了解他自己的数据资产，但是以前没有充分的认识到。而且很多的应用，对他下一步产品，或者是服务的提供，起到了指导性的作用。

我希望通过这个open data的运动在全球，在欧美，拉丁美洲的这么一个动态，希望今天能够给我们在座的各个朋友，有一个启迪，有一个启发，因为这是市场前沿的一个趋势，而且我相信它在不久的将来，在亚洲，在中国的市场，也会有相应的东西。我们在电信的服务商、运营商，也在考虑如何用大数据的分析，提供各种数据的指标。open data的运动，很多的工作是开源的，民众的技术力量来达到这种大数据指标的开发跟预测、应用。

说到大数据分析，我另外一个经常遇到的问题，很多的朋友在问我，他们说大数据是不是只适合一定特定的行业，我今天想给大家一个明确的分享，大数据和大数据的分析，是适用与各行各业的。各行各业排名不分先后。大家可以想象一下，在各个行业，电信也好、金融、能源、政府等，现在大家都面临着一个大数据的一个命题。我们都有大量、海量的数据，我们都是有多样性的数据和时效性的数据，如何将这些数据进行关联性、综合性的分析，为我们的生活、工作、社会、政府各个方面提供决策性的指导，大家都面临这样一个遗体。

我也想跟大家分享一下，大数据分析，现在我们所有的，可以说我们的一举一动，都可以数字化。你每天回家上网，你的浏览习惯，手机基于位置的信息，我们每一个人每天都在产生大量的数据，我们的所作所为，所有的行为，都可以数字化。这就是为我们的商家，为我们的互联网企业，为我们的电信企业，或者是服务提供商，提供了很多的商机。因为大家有各种各样的数据的资产，现在所面临的遗体就是如何将各种各样的数据的资产，进行有效的集成，进行一个综合性的分析。这时候会产生出很多你以前所没有关注到的一些新的洞察力。洞察力就意味着新的商机。

我跟大家分享一个小故事，我的团队跟国内的一个网游公司有合作，他在整个中国的网游平台占有率是百分之八十几，网上游戏公司，就是通过游戏的软件，来进行商业价值的创造。他们也借助大数据，大数据分析平台的技术，有30%的现在的业务价值，是跟网络游戏是完全没有关系的，他所做的是什么动作？就是我前面所说的，他把很多客户，网络游戏玩家，在玩游戏的时候，因为我有各种各样的网络上的点击，对各种各样的不同的网站，有访问的行为规范，他全部是通过日志的方式，就是我们所说的网络日志的方式进行存储管理。这样对不同年龄段的网络游戏的玩家，各种行为了解的很清楚。他就是通过对网络游戏玩家的认知，他作为一个数据的提供商，跟广告提供商等进行合作，产生了很多的经济效益。

说到大数据分析，如果在电信行业，大数据分析大家可以想像成为电信行业的一个中枢神经的作用。我是抛砖引玉，因为选择借助大数据，和大数据的分析，我们不但可以对大量、海量的数据，和时效性的数据进行存储、管理和分析，我们能够产生各种各样的关键的KPI认知。这就为我们提供很多商业的价值。

大数据分析不仅仅提高了我们的企业在本行业的经济竞争力，我前面也提到，因为大数据分析的问世和介入，他其实也给我们的企业和机构，提供了多行业之间的合作。我想跟大家分享一个小案例。这是华尔街的一个期刊杂志报道的，我们在欧洲有一个通信服务商，通信服务商他有各种各样的移动服务，包括电视媒体的服务等。他跟当地的一个零售业者进行合作。通过两者强强合作，零售业能够借助的通信服务商，有关这些客户他们在网络浏览的习惯，他们关于电视频道的选择，观看的喜好，对客户有更多的认知。这样当这些客户到他们的零售业者去进行购买的行为的时候，他能够非常有针对性的提供一些优惠券，或者是一些推荐服务。

相反，另一方面我们的这些通信服务商，也借助零售业有关客户的认知，通过他们的购买行为个人喜好的认知，然后也能够更精准的对这些特定的通讯服务商，能够更精准的对他广告的设计，根据不同的区域，根据不同年龄段，根据不同的性别，能够更优化的制定他的广告的策略，这样也大大的提高了他的广告收益。

大数据分析，现在真正是提供了多行业之间的协同的合作的机会。这也是我的团队在欧洲跟一个当地非常著名的汽车制造商有一个合作，我们跟他们签署了一个十年的战略合作伙伴的机会。通过这个合作我们所做的事情是什么？我们在汽车内部装了传感器，这个传感器不但能够搜集汽车行使过程当中，汽车内部关键零部件的所有的信息，而且能够搜集其他汽车的信息和所处交通环境的信息。因为传统的汽车制造商他就借助能够给所有的汽车驾驶员提供增值服务。这个是他商业模式升级的一个，他大的一个大数据分析，给他的革命性的变化就是这个汽车制造商，现在还专门成立了数据的公司。

他们将这些大量的数据拿到以后，制造出各种各样的数据的产品。他将各种各样的数据产品，卖给他商业厂家，这是他整个的商业模式中，营收逐年的增加。不仅是我们把传统的汽车制造商，跟数据提供商这两个截然不同的角色现在通过大数据的分析连在一起，现在也造成了我们跟政府进行智能交通管理，我们跟电信运营商，因为电信在物联网的解决方案当中，也起到了非常重要的作用，而且跟保险业。现在保险业也基于这样的一个解决方案，如果提出新的保险业务。大数据的分析，造了根据行业的协同合作。如果各位朋友回去看看你自己企业的数据资产，可能您在制定您将来的商业模式的时候，我会给大家一个启迪就是说，不仅仅是看本行业，可能还要想象一下。因为我们说大数据，就要有丰富的想象力，如果跟跨行业的其他行业做一个协同的合作。

我最后想跟大家分享一下，我们前面所说的大数据，大数据分析，大数据的业务价值，后面有一个很强的大数据的战略来支撑。说到大数据的时候，一定是一个大胸怀。我借用大数据运用非常成功的一家企业他的首席分析师的一个引用，也跟大家分享一下。大家在考虑到大数据的时候，一定有一个大胸怀。大数据不仅仅是hadoop.我们在考虑整个大数据的时候，往往是多元的。第一您需要有一个大数据的平台，这个大数据的平台。

我前面所说的大数据的定义是4个V，大量、海量、多样性、流动性。有几个关键的数据引擎，可能是您需要关注的。如果你对大量的静态的非结构化的存储管理和分析，可能会用到分布式并行的数据引擎，业界有基于hadoop的数据引擎。阿里巴巴他们也是对hadoop进行了更进一步的自我的优化，你需要一个分布式的并行的处理引擎。

对时效性的数据，你可能考虑流计划，这种数据引擎能够对大量的流动性的时效性的数据进行实时的在线的分析。我们传统意义上的数据仓库仍旧是大数据平台当中，对关系性、结构化的数据存储管理和分析的一个重要组件。说到大数据的时候，仅仅有大数据的平台不够，我们要有分析的功能。现在的分析，有一个新的命题，我们现在的分析，已经不仅仅是简单的基于产生的关系性结构化的数据建模，或者是分析模型的建立。现在的分析，在大数据新的时代，和新的命题。往往是说，你如何借用这种分析的软件，将结构化，非结构化的数据，同时进行一个综合性的建模，进行一个关联性的分析。

我们IBM现在这种分析的软件，已经完成了跟hadoop跟大数据引擎的关联性的整合落地动作。说到大数据分析，我前面一再的强调大数据大的魅力是它商业的价值，仅有平台，有分析的软件不够，我们还要有基于行业的分析的解决方案和应用软件。这个才能够真正的直接借用大数据分析的解决方案和应用，能够解决我们所面临的大数据的业务的问题。

去年上半年的时候，很多的朋友还在探讨，我是不是要做大数据，和大数据的分析。现在大家的咨询，关注大数据如何落地？我就以大数据落地的最佳实战经验给大家做一个总结。我们在所有大数据的落地过程中，往往是以小到大，以点到面的落地过程。在这个落地的过程当中，我们会经历四个阶段，第一个是大数据的学习和教育。什么是大数据？第二步是大数据的探究，就是我们制定大数据的战略，制定大数据的商业蓝图。更关键的是确定大数据的业务场景。我们一旦基于业务场景，能够进行一些论证跟一些验证的动作。在验证成功以后，大数据最后一步就是进行广泛的生产实践，今天非常感谢大家给我这么一个机会，我今天跟大家分享了很多的信息。把我的联系方式留在这边，非常欢迎大家会后跟我联系。我特别希望IBM能够成为你战略合作，能够和你一起在大数据这个里程上携手前进，谢谢大家。