16|决策:如何落地企业的数字中枢
灵犀

你好,我是灵犀。
我们在读历史书籍时,常常会被一些英雄人物的事迹所震撼,也不时会心生感慨:历史到底是被少数英雄人物所推动的,即“英雄造时势”,还是历史本身具有其内在的演进逻辑,英雄只是恰逢其时地站在了风口,即“时势造英雄”呢?
同样的逻辑其实也适用于技术领域。你是否曾思考过,是数据中台的出现催生了数字化时代的到来吗?大模型的诞生是偶然的,还是历史趋势下的必然产物呢?
技术演进的驱动力是什么?
我们可以用一个类比简单解答一下。技术发展的整体趋势,就像一条奔涌向前的大江大河,而那些不断涌现的新技术,则像是江河中跃动的浪花。它们绚丽多彩、夺人眼目。但是,真正决定江河走向的,还是地势、河床等深层力量,而非某一朵“浪花”。
在由计算机引发的信息化浪潮中,我们也能够清晰地看到一个发展趋势:从信息化到数字化,再到智能化,这一演进过程呈现出清晰的方向性和连续性。
而推动这一趋势的,也并非某一项技术的单独突破,而是源自一种更根本的驱动力——数据、算力与算法三者相融合,共同催生出日益增强的机器智能。
简而言之,这是一场数据处理能力不断突破的演进过程。因为,从数据的角度看,无论是关系型数据库中的表、列式数据库中的列、MapReduce 中的 Map 和 Reduce、Spark 中的 RDD、流式处理中的流,还是 AI 中的各种算法模型,本质上都是对数据的不同“组织和计算方式”,其核心目标都是提升特定场景下的数据处理能力。
公开
同步至部落
取消
完成
0/2000
笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结

1. 技术演进的驱动力是数据、算力与算法三者相融合,共同催生出日益增强的机器智能。 2. 信息化、数字化与智能化代表了企业在业务运行逻辑上的三次跃迁,逐步降低人在信息流转过程中的决策比例,增加机器决策的占比,让信息自动流转的效率更高。 3. 数据处理能力的不断提升是推动信息化、数字化与智能化不断向前发展的核心驱动力,主要体现在数据的组织方式、计算引擎、算法创新等层面上。 4. 信息化时代的数据分析分为描述性分析、诊断性分析、预测性分析和行动性分析,分别帮助业务了解当前业务的状态和趋势、挖掘原因、预测未来趋势以及提出具体的业务建议。 5. 信息化时代的数据处理模式以“批处理”为主,计算引擎通常采用MapReduce或Spark,与底层的HDFS存储层无缝对接,构成一个灵活可扩展的数据处理平台。 6. 数字化时代的业务运行逻辑发生了转变,数据不再只是业务的“副产品”,而逐渐演变为一种具有“主动驱动”能力的核心资源,实现了从“人当主角”到“数据成为主角”的转变。 7. 数据驱动可以实现更高程度的自动化,从而降本增效,数据驱动人和数据驱动流程是两种典型的“数据驱动”模式。 8. 传统的“批处理”方式已难以满足当前对实时性的要求,因此,“流处理”技术应运而生,围绕“事件”进行处理,逐渐成为数据驱动业务的核心引擎。 9. Lambda架构和Kappa架构是两种代表性的架构模式,分别采用双链路处理和“流批一体”的思路,以满足实时性需求和准确性需求。
仅可试看部分内容,如需阅读全部内容,请付费购买文章所属专栏
《智能原生架构实战》,新⼈⾸单¥59
《智能原生架构实战》,新⼈⾸单¥59
立即购买
© 版权归极客邦科技所有,未经许可不得传播售卖。 页面已增加防盗追踪,如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示,欢迎踊跃留言。
收起评论