318.第316章 大数据和云计算
第316章 大数据和云计算
“老杨，你说几句吧。”
杨廷坤微笑点头后，深邃的目光快速从一张张审视的脸上扫过后。
“鸿蒙公司是世界顶尖的互联网科技公司，能够加入其中我深感荣幸。希望在以后的时间里能够跟大家友好相处，共同缔造鸿蒙的辉煌未来，谢谢。”
哗啦……。
徐良带头，众人纷纷给面子鼓掌。
让杨廷坤就坐后。
“大家应该都有些疑惑，我为什么要清空盘古的业务，进军数据库研发领域？我也相信一定会有人觉得，我是不是受了拉里·埃里森的刺激，要在数据库领域拆他的擂台？
坦率的说，一个快六十岁，土埋脖子的老家伙，不值得我重视。
但真正值得我重视的是，鸿蒙要拿到通往移动时代，人工智能时代的船票。”
感觉坐着说有些放不开的徐良，干脆站了起来。
“为什么这么说。
让我们从头捋一下。
在互联网发展的早期，那还是一个各路军阀混战，实战为王的时代，没有所谓正规军，搞定问题才是王道。
当然，那个时期也没有这么多问题，毕竟那个时期，互联网还是个新鲜的词汇，能被称作是‘网民’的人也都是稀有物种，上网多半是大户人家才玩的起的高端奢侈品。
从技术的角度来看，彼时还处在Web应用发展的初期，互联网技术架构还是最原始的单体架构，网民数量很少，一个服务器完全足够扛起用户访问的压力。
那个时期的关系型数据库得到了较为广泛的关注和应用，网站访问量谈不上什么高并发、更别说什么用户体验了，能玩得起就已经完胜大部分人。
但互联网发展到现在，上网成本越来越低，网民人口持续增长。
按照现在国内互联网发展速度而言，最多三四年的时间，华夏的网民人口就将超过一亿。
上亿人在网上搜索、购物、看电影，以及游戏和娱乐，将留下数以十亿级的数据。
我把这种天量的数据，称作‘大数据’。
单纯的依靠‘关系型数据库’，已经无法满足互联网公司的业务需求，我们需要一种‘非关系型数据库’，来处理数据量级极大，而且包含大量无规律的数据。”
众人作为子公司总裁，行业精英，对数据库也有一定了解。
所谓‘关系型数据库’，即存储的格式可以直观地反映实体间的关系。
关系型数据库和常见的表格比较相似，关系型数据库中表与表之间是有很多复杂的关联关系。
但他们并不了解‘非关系数据库’。
徐良也看到了众人眼神中的困惑，所以继续解释道。
“所谓非关系型数据库，其实是相对于关系型数据库而言的，我们都知道关系型数据库通常都是处理一些结构化的数据，这些数据通常都是有某些对应关系。
而非关系型数据库，通常用于存储那些类型不固定的，也没有什么规律的数据。
企业每天都产生大量的数据，非关系型数据库的应用非常广泛，应用场景也非常多，比如：缓存。”
顿了一下，留出时间给众人消化后徐良接着道。
“有了数据库来存储大数据，我们还需要处理大数据的方法。
因为我们的数据存储在各地的数据中心，想要计算这些数据，就需要一种能够统协各地数据的计算方法，这种方法叫做‘分布式计算’。
分布式计算通过互联网来实现，我们可以把它叫做‘云端’。
综合起来，这种处理大数据的方法，可以叫做‘云计算’。”
至于剩下的效用计算、负载均衡、并行计算、网络存储、热备份冗杂和虚拟化等理论和方法，徐良没多说。
先学会走，再考虑跑的事。
什么事都要一步步来。
“现在国外研究非关系型数据库的企业才刚刚起步，我们鸿蒙不能落在后面。
大数据和云计算，国外也只有些一鳞半爪研究项目，并没有成熟的业务模式，我们鸿蒙要赶在其它公司反应过来之前，尽快拿出成果，抢占市场。”
从徐良的话中，众人听出了他对大数据和云计算的重视。
“徐总，我有一点疑问。”吴希凡问道。
“你说。”
“大数据和云计算怎么盈利？”
徐良微微颔首，“我们先说大数据。
我自己总结，大概有四大盈利模式。
第一，解决方案。
大数据的解决方案主要模式为：我为你架构一套大数据系统，然后每年每月为伱维护、升级这套系统。
费用的收取方式为：构建和部署大数据系统的费用+每年的维护/升级服务费用。
那么哪些企业需要大数据行业的解决方案呢？
一是政府企事业单位。
比如税wu局、公an系统、卫sheng系统、防kong系统，公共交通系统等。
二是传统行业。
衣、食、住、行、医疗、教育、零售、通信，航空、工业、制造业、体育、娱乐、彩票、影视、餐饮、旅游、房地产等。
这些行业都有三个重要的特点。
一，他们没有大数据技术能力。
二，他们没有大数据人才。
三，他们期望通过大数据来实现互联网+，通过大数据来改造行业目前的情况。
可以预见这也是未来大数据行业油水最多，差事最“肥”的地方，也是将来大数据企业竞争最激烈的地方。
第二，基础设施。
我把数据库、数据源、数据清洗、数据处理工具、大数据引擎、大数据软件硬件结合一体机等，都归纳到基础设施里面。
基础设施的主要盈利模式为：我帮你解决大数据部署中间的部分问题。
这个模式有点像台式机的“攒机”模式，CPU用这家的，内存用别家的，键盘鼠标自己搭配等等。
这种模式是要求企业有大数据能力和人才。
你可以自由组合大数据的基础设施，从而构架出更适合自己业务的大数据系统。
费用收取方式：按照设施的不同进行收费，你可以买断，或者按需、按月、按年、按量来进行付费，比较方便灵活。
第三，数据工具/产品化服务。
典型的模式如情报挖掘、舆情分析、销售追踪、精准营销、个性化推荐、可视化、网站/APP分析工具等。
费用的收取方式：按需购买，部分功能服务免费，部分功能服务收费。
第四、行业应用。
这一模块可能和解决方案会有冲突，但是这里说的行业应用主要说的是传统行业加上大数据后产生的新的效应。
大数据可以应用到医疗、教育、零售、通信，航空、工业、制造业等传统行业。
当大数据与这些行业碰撞，就会产生新的商业。
主要模式：利用大数据获得行业洞察，实现更多的收益。
比如大数据+医疗就是智慧医疗系统，大数据+制造业就等于工业4.0，大数据+电影就等于票房预测等。
费用收取模式：没有直接的变现，而是通过大数据产生了更大的价值，节约了成本，优化了原有行业，衍生出新的商业模式。
行业应用比较典型的例子有：票房预测、商圈选址、高考预测、智慧城市、无人机、机器人、无人驾驶汽车等。”
徐良越说越兴奋，这段时间因为写书的关系，他一直在回忆上辈子的记忆，总结大数据和云计算。
作为一个创业成功的人。
他接触到的行业信息远超普通人。
尤其教育大模型出来后，智能黑板，智能教学已经成为行业大趋势，他也了解了不少。
这会正好用上了。
“在此，我特别把金融大数据单独拎了出来，因为金融大数据的前景是最可观的，也是可持续发展的。
金融行业会不断的产生数据，而且数据可以反复使用。
大数据在金融方面的应用主要体现在征信、小额信贷、P2P、电子信用卡、量化投资、反欺诈、互联网金融等方面。
银行、保险、证券等行业目前都依赖着大数据的洞察能力。
金融行业是最需要数据、最能让大数据实现变现的。”
“以上就是我总结出来的大数据变现的四大模式。”
滔滔不绝的徐良停下来，砸吧了一下嘴，感觉自己总结的还算全面。
刚要继续说云计算，突然察觉到了会议室里诡异的气氛。
下意识的打眼一看。
但见众人，除了杨廷坤神色激动，俞军和谢文若有所思，参加视频会议的孙明珍俏脸上满是崇拜外，其他无不拧紧眉头，做苦苦思索状。
徐良瞬间明白过来。
自己说的太多太超前了。
现在连大数据的准确概念都没有，自己已经把盈利模式说的明明白白。
还没学会走，都已经开始飞了。
作为第一次听这种新概念的人，当然是云里雾里。
本来还打算讲一讲‘云计算’，突然也没了兴趣。
说多了他们也不明白，纯属浪费口水。
还是先做研发吧，顺着研发进度，一点点普及，比现在干巴巴的讲更容易让人接受。