DT(Digital Technology)一词,翻译过来即数据科技,可以说,这并不是一个新词,但它真正引起我注意的是阿里研究院最近写的一本书《互联网+:从IT到DT》,阿里作为国内IT技术的引领者,其技术定论不可轻视。

我们先撇开DT不说,我们先来看一看IT。

从1936年图灵机的发明,到1945年冯.诺依曼机的出现,这些都是计算机发展的基石,甚至于往后各种大型、小型计算机的诞生,严格意义上来说,这都不是IT。真正IT技术的开始应该是万维网的发明,这标志着信息进入了互联的时代。

国内互联网技术的发展比国外稍微的晚了那么几年,但其发展势头远非其他国家能比。1997年,中国只有60万网民,而现在已经超过了6亿,其增长速度可见一斑。可以说,如今互联网已经影响到了人们衣食住行的方方面面。

这是一个IT时代,对于这个定论,或许大部分人都不会反对。但是有一天,有人突然对你说:人类正在从IT时代步入到DT时代(数据科技时代),我们一只脚已经踏入了数据科技时代?

为何这么突然?

这并不突然,这一切的一切都是那么有预见性!

DT时代来临:变革在悄然发生

数据科学家一词,最早是在2009年被提出来的。当然,它的提出并不是一个轰动性的事件,甚至还有很多人并不赞成突然出现这一科学分支。

然而就在几个月前,有人在腾讯科技上发表了一篇文章《数据科学家可能成为2015年最热门职业》,我们暂且不去评论这篇文章的观点是否正确,但是它已经给出了一个信息:数据,已经引起了人们的“警惕”。

如今,在各大招聘网站,我们可以随意搜索一下“数据挖掘”,各大公司针对于这个岗位的需求如同雨后春笋般的出现。同样,通过各个招聘网站平台等,我们可以发现不断有新的职位名称被创新出来,如数据工程师、数据分析工程师、Hadoop工程师等等。

数据挖掘工程师这个岗位或许早就有了,那么大数据挖掘工程师呢?一字之差,蕴含的意义却相隔千里。或许有人会说,这些都是从程序猿、攻城狮的角度看到的,这并不能代表宇宙大众的意思。好吧,我们换个思路来思考这个问题。不过咱还是接着说招聘,我曾写过一篇关于大数据时代招聘模式的文章,分析了一下招聘网站到底“懂不懂”我们(求职者)需要什么。

其实答案是显而易见的,我们打开了一个招聘网站,呈现在我们面前的是一个个我们想要投递的职位;我们打开一个电影,侧栏显示的是一个个相关的电影,要么恰巧是同类型的,要么恰巧是同一个演员的电影;我们在网上购物,底栏显示的恰巧是你需要的东西。好吧,不止如此,我们看文章、搜索问题、网上预约旅行甚至是看新闻,总是会在一些不经意的角落里发现我们刚好需要的信息。好巧。

这并不是巧合,个性化定制已经体现在我们生活中的方方面面。我们暂且不去考虑这个个性到底有多个性,不可否认的是,与传统的信息展现来对比,它的确是起作用了。

是的,我们猛然发现:人,作为一个在互联网上主动寻求信息的主体,已经开始变得“被动”起来了。曾几何时,信息已经开始变得如此“主动”,但是,这一切让我们感到又是那么自然。究其所因,其背后的数据是“罪魁祸首”。是的,数据把我们“出卖”了。

我突然想到了前一段时间发生的一个事,出于某种原因,我需要一批小企业、小公司的联系方式。按照我们传统的做法,肯定是找相关领域的人,依赖其关系脉络,拿到这一批联系方式。但是我突然发现,我们在相关领域并没有熟识的朋友,或者说即使有,也不可能拿到足够的联系信息。

我以智联招聘为源头,使用爬虫、网页信息提取、数据分析挖掘等相关技术拿到了一批数据——近3000多个企业邮箱。风过留痕,雁过留声,如今是一个互联网“横行”的时代,只要是个行为实体,总是会在互联网上留下足迹的。

这次的事让我再一次感叹互联网信息量的浩瀚、伟大。信息技术“沧海桑田”般的快速变迁,十几年积累的底蕴,互联网上蕴含信息就如同一座巨大的金山。“卑微”如斯的人都能从中“窃取”一份小小的财富,那么浩瀚地球中的其他万千大众呢?数据竟然已经变得如此有用,数据的影响力竟然强大如斯!这一切的变化是那么的顺其自然,是那么的悄无声息。

或许,真如马云所言:人类正从IT时代走向DT时代!

DT时代的骨骼:大数据处理平台的衍变

在数据处理需求急剧上升的今天,是什么在支撑着数据的变现?是的,正是数据处理平台,或者换种说法:一套完整的数据处理流程。

从数据的采集、清洗、流式实时计算、数据落地,在大多数时候,这一套完整的流程过后(或许会没有流式实时计算),这才真正进入数据的价值挖掘阶段,包括了数据的离线计算,通过一系列的建模挖掘其隐含的商业价值。

当然,在大数据遍地的今天,数据的收集也好、处理也好、挖掘也好,我们想必也要加一个“大”字了。那么,在DT时代来临的今天,能够支撑这一流程得以流通的正是数据平台,或者说是大数据处理平台,它将是支撑DT时代来临的骨骼!

当然,大数据处理平台也不是一开始存在的,它是在经历过一系列的衍变之后,才形成今天我们看到的,或这或那的数据平台形式。

就在不久前,我曾在storm-分布式-IT技术群中发起了一次近千人的话题讨论(当然,实际参与讨论的人远没有这么多,很大一部分人还是喜欢静静的围观的),其核心就是当前互联网公司中大数据平台发展的现状。

当时的讨论过程很剧烈,汇聚了各个企业公司的大牛小牛、程序猿、设计狮、产品狗,总之各种“动物”都有,众说纷纭,各有各的观点看法,但总体来说就目前几种大数据平台的形态,大家还是有比较一致的看法的。

1、大数据处理平台的终极形态:深度挖掘

数据已经完美流通,包括了完整的大规模数据采集系统、数据预处理清洗系统、数据流式实时计算系统、大规模数据存储系统、大规模离线计算系统;拥有全面的数据监控调度系统,能够方便地低成本地进行数据流程监控、调度,实时掌握数据的动态变化;拥有完善符合自身业务需求的机器学习算法库,数据挖掘层面,已经进入了数据深层挖掘阶段。

其中以BAT为代表。在国内,BAT一向是技术的引领者,因此他们在数据价值挖掘这一方面,也确实做到了领先地步。

2、其次是大数据平台完善,处于数据浅层挖掘状态

同样,这种形态的企业公司,数据平台的数据已经完全打通,他们已经在开始尝试挖掘数据的潜在价值,意图达成数据的变现。

当然,或许是由于技术积累的问题,或许是人力物力的原因,他们并没有能力做深一层的探索、挖掘,但是他们却一直在努力。他们缺少是一套完善的,适合自己的,又能够方便使用的数据挖掘库。

处于这种形态的公司也不少,诸如CSDN、去哪儿、艺龙等等,他们在个性化的道路上孜孜不倦地探索着。

3、数据流通,处于数据统计分析阶段

这种形态的数据中心,大规模数据处理平台已经基本搭建,数据已经能够流通,处于大规模数据的统计分析阶段。

这种类型的公司,他们更多倾向于对数据仓库的建立,对大批量数据进行存储、统计并且分析数据的走势以及变化。所以,就Hadoop生态来说,他们可能更倾向于使用Hive之类的技术或者工具。

处于这种形态的公司是占大多数的,典型如刚组建大数据部门的短短一年时间的360,当然还有很多很多类似的公司,数不胜数。他们希望摸清楚自己到底掌握了什么样的数据,这些数据到底是怎么变化的,通过对这些数据的了解以及掌控,他们才能更好做出更合理的商业决策。

在不久的将来,在他们已经充分掌握了数据的规律,他们也必然会向数据潜在价值挖掘方向努力。

4、数据整合,平台搭建阶段

这种形态下,数据尚未流通,整个体系尚未搭建起来。

或者说,很多企业公司,在以往的情况下,各个部门产品,其数据都是分开维护的。需要维护多份数据,成本高;数据的利用率低,数据不连通。

他们意图将数据进行整合,有一套完整的收集、清洗以及落地的流程,因此,他们尤其缺少懂得数据收集、数据清晰以及数据大规模落地的人才。或者,换个更通俗的说法,他们缺少懂得Hadoop生态平台的人。

这种公司也不少,诸如金山的西山居,智能手机界的黑马小米等。

5、数据量不够,但然仍意图搭建一个大数据处理平台

这一部分公司大部分都是小公司,在数据量层面上,他们并没有很急切的需求,去搭建起一套完善的数据处理平台。

或许是受大数据潮流影响,但是,从长远的角度来看,随着数据量的增长,这也必然是一个趋势。所以,他们往往也会花费少量的人力物力,在这一方面上进行技术预研,或者搭建起一个简单的小规模数据处理平台。

其实,简单来看,这是大数据处理平台的五种不同形态,但这又何尝不是大数据处理平台的一个衍变过程呢?!在DT时代来临的今天,你是否清楚自己处于一个什么的位置,将来又会向何处发展变迁?

只有将骨骼搭建起来了,我们才能、才有资格去谈论如何挖掘数据的潜在价值。我们不止需要骨骼来支撑DT这一体系,更需要源源不断的血液来激发它的活力。

DT时代的血液:数据从何而来

如果说大数据处理平台是支撑DT的骨骼,那么数据就是DT的血液,如何造血就是大家需要关注的问题了。

1、企业的业务数据

数据最直接来源就是各个企业公司自己产生的业务数据,或许是某些公司拥有很强的预见性,多年前就已经开始收集自己的数据,也或许是他的无意之举,但不管怎么样,他把自己的历史数据给保留了下来。当然,有部分公司,本身产生数据的速度就足够快,数据量也足够多,他们就不必担心这个问题了。

2、互联网的隐藏数据

前不久,有一个朋友在群里问了一个比较复杂问题,是关于数据抓取解析方面的。可能是他问的问题太深奥,也可能是恰巧群里大牛都不在,总之就是没有人解决。

有人就问了:

哥们,你研究这个这么深干嘛?

他回答了一句:

抓取数据啊,难道你们研究处理的数据不是从网上抓取的吗?

这句话让我猛然惊醒:有人已经开始向互联网这座公共金山动手了。十几年的底蕴,隐藏了多少数据财富?在DT时代来临的今天,必定会越来越多的人去挖掘它的价值,只不过这需要一定的技术、一定手段而已。

3、移动互联网数据的暴涨

相对于互联网,移动互联网的发展历史并不长,但他的发展可谓是日新月异。如今,随着智能手机的普及,3G、4G网络的推广,移动互联网产生的数据正在处于爆炸似得增长,这是一座新的数据金山,需要我们去开采它。

4、传统以及线下数据的接入整合

随着总理的一句“互联网+”,传统行业开始纷纷与互联网结合,这带来的最直接影响是:线下数据的接入与整合。

或许有人会说:传统行业能有多少数据。可千万不能小看传统行业的数据,毕竟他们有着近乎数十年,远超于互联网的历史,其累计的数据量亦不可小看。

随着“互联网+”的进一步发展,线下接入的数据也将是DT时代的血液之一。

5、网连万物:万物都可以产生数据

说到物联网,其实很多年前就有人说它一定会火起来,但是之前却一直没有火起来。究其因,不在乎两个:一是移动网络成本过高;二是终端感应技术尚未发展到这个阶段。

但如今不一样了,随着3G、4G网络的普及,移动网络成本大幅度下降;智能终端感应技术的快速发展也让物联网这一技术方向不再是概念。我们可以看到,众多互联网公司已经开始纷纷布局智能领域了,包括智能家居、智能交通、智慧城市、智能办公等等。

在DT时代,感应终端也将是一个巨大的数据产生源,一个DT时代造血的源头。

在DT时代即将来临的今天,不止是数据处理以及数据获取这两个方面值得我们反思,还有其他的方方面面需要我们去思考。通过不断的反思,不断的改进,我们做好最充分的准备,迎接DT时代的到来!