至顶网CIO与应用频道 07月10日 新闻消息:2018年7月10日-11日,2018中国大数据应用大会在成都召开,大会以"大数据赋能数字中国"为主题。由成都市人民政府指导,中国大数据专家委员会、中国电子信息产业集团有限公司中国电子学会、四川省经济和信息化委员会主办,世界工程组织联合会工程技术创新委员会(WFEO-CEIT)、成都市经济和信息化委员会、成都市博览局全力支持,中国电子器材有限公司、中国电子学会科技交流中心承办,业内知名媒体至顶网与科技行者协办。TERADATA天睿公司大中华区解决方案总监姜欣带来了《数字经济时代的大数据分析》的主题演讲。
TERADATA天睿公司大中华区解决方案总监姜欣
市场洞察
基于大数据、物联网、人工智能等技术,企业和组织可以采集、处理、整合、分析越来越多的海量数据,并产生业务价值亮点,从而支持数字经济作为整个国民经济的原动力。
数字经济包括数字产业化和产业数字化两大部分:
根据中国信息通信研究院报告数据显示:2017年,中国大数据产业整体规模4700亿元,而且未来三年仍将保持近30%的增速。估计到2020年超万亿。
业务应用
企业和组织的使命和奋斗目标——争做“感知型”,顾名思义就是“有感情、有知觉”的企业和组织,能够有预见性的、敏捷的、自动的完成业务目标的企业和组织。在《感知型企业》这本书中有很好的诠释,并对“感知型”的五大核心数据能力进行了阐述。
“连接万物,连接未来”,我们先来看一些企业如何实践“感知型”:
北美最大的移动运营商Verizon,整合物联网、通信及大数据分析技术为一揽子解决方案,将北美最大的食品零售集团Ahold,打造成感知型食品零售商。当最终用户从开始进入零售店开始,贯穿整个购物消费过程,并提供智能配送及客户服务,客户获得良好体验和感知。
中国移动大连接战略,坚持“以人民为中心”的发展理念,将个人客户、政企客户、家庭宽带客户、供应商、甚至跨行业客户都连接到中国移动这张大网上,实现数据的互联互通,从移动信息专家转变为大数据运营商。
德国电信,构建共享数字服务平台,将全欧洲用户的日常行为加以整合分析,提供最好的产品和服务感知,覆盖交通、医疗、购物、教育等生活的方方面面,让用户感觉“自由翱翔在整个欧洲上空”。
纵观这些企业,目标都是“数据资源整合和开放共享,更好的服务于经济社会发展和人民生活改善”。
技术使能
大数据分析的灵魂和终极目标是要解决实际的业务问题。因此,对于每一个企业或者组织,一定要从体系上建立分析应用的规划和框架,从而分步实施,实现业务价值的持续释放。这里举例说明了轨道交通行业和互联网行业的业务提升机会点,大数据应用要整体来规划和建设,涉及组织的方方面面。
有了前面的业务应用方向,下一个问题就是需要用到怎样的分析技术。按照gartner的说法,每一种数据科学技术都要经历所谓的炒作期、高潮期、梦想幻灭期和实际应用期。
企业要兼顾架构的开放性、技术的先进性和产品的成熟性,才能构建可持续发展的大数据支持体系。所有桔色突出部分的技术,都是Teradata在研发重点投入的方面,并保证用户价值最大化。
由于大数据技术发展过快,历史原因,产生了很多数据孤岛、部署方式也不够灵活。如果我们能够找到一种架构同时实现:敏捷分析、弹性部署、统一管理、架构稳定、减少数据搬移。那将是一件非常美妙的事情。因此,大数据分析平台的未来架构一定是,在多类型数据存储和高速连接的基础上,实现数据整合,基于此以组件式实现SQL、机器学习、图分析、深度学习、spark,甚至是基于docker的自定义分析引擎。并支持多种分析开发语言,也支持多种开源及商用分析工具。
好文章,需要你的鼓励
Lumen Technologies对美国网络的数据中心和云连接进行重大升级,在16个高连接城市的70多个第三方数据中心提供高达400Gbps以太网和IP服务。该光纤网络支持客户按需开通服务,几分钟内完成带宽配置,最高可扩展至400Gbps且按使用量付费。升级后的网络能够轻松连接数据中心和云接入点,扩展企业应用,并应对AI和数据密集型需求波动。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
RtBrick研究警告,运营商面临AI和流媒体服务带宽需求"压倒性"风险。调查显示87%运营商预期客户将要求更高宽带速度,但81%承认现有架构无法应对下一波AI和流媒体流量。84%反映客户期望已超越网络能力。尽管91%愿意投资分解式网络,95%计划五年内部署,但仅2%正在实施。主要障碍包括领导层缺乏决策支持、运营转型复杂性和专业技能短缺。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。