产品能力
根据平台
服务
部署方式
场景
BI
行业
客户总览
金融
零售制造
互联网
客户支持
培训
资源
下载
关于
合作伙伴
今天,小编与大家分享一篇来自美国知名科技企业风投机构 A16Z 的文章。这篇文章基于对美国市场中领先的技术公司 Databricks,Imply (Druid商业公司),Looker,Snowflake 等从业人士的调查,介绍了美国企业在数据平台发展的整体趋势。
中美企业在数据基建上的发展有很多相似之处,相信这篇文章对于中国的企业的数据基建也具有借鉴意义。今后我们也将不定期与大家分享海内外的行业洞察。
数据基建市场仍在蓬勃增长,根据Gartner报道,2019年数据基建方面的采购费用飙升到 660亿美元,占据基础架构类软件费用的24%。
头部的30家数据基建创业公司在过去5年已收获80亿的风险融资,根据Pitchbook报道。
招聘市场也反馈了这一热度,数据分析师,数据工程师和机器学习工程师成为2019年领英网站上增长最快的职位。60%的财富1000强招聘了首席数据官,而这个数字在2012年仅为12%。而这些企业在持续的超越其同僚的表现。
数据在逐渐为业务产出做贡献,这不仅发生在硅谷科技公司也出现在很多传统行业。
A16Z经过调查相关业内人士得出一个结论:一个统一的现代化的数据基建需要三类架构来实践三种不同的应用场景。
同时,A16Z总结出一套通用的技术架构服务以下三种场景。
1.现代化 BI 架构
这是对小型数据团队和预算有限的企业的默认选项,企业逐渐从传统数仓迁移到这个架构,利用云的灵活度和可扩展性。
2.多模式数据处理架构
这个架构通常用于大型企业和科技公司,用来满足复杂的数据需求场景。
3. 人工智能和机器学习架构
应用机器学习的公司已经在使用这套架构的一部分技术。深度使用机器学习的企业会部署整套架构,甚至自研新的工具。
场景:数据驱动的内外部应用程序,场景有实时的或批处理的。
优势:完全掌控整体的开发过程,将机器学习打造为企业核心且长期的能力。
缺陷:不适合尚在探索机器学习,只为小范围的内部应用场景。大规模应用机器学习仍是当前最大的数据挑战
接受调研的业内人士来自 Databricks,Druid,Looker,Snowflake 等美国知名数据软件公司和 Linkedin 等大型企业。
由Marc Andreessen and Ben Horowitz, Andreessen Horowitz 于2009创立,是美国知名的科技行业风投机构,主要对种子阶段和成长发展阶段的企业进行投资,是知名大数据初创企业 Databricks,Preset 的投资方。 感兴趣的小伙伴可以在这里阅读原文https://a16z.com/2020/10/15/the-emerging-architectures-for-modern-data-infrastructure/
本文将详细阐述为什么说数据建模已死,并分析当前数据建模存在的痛点和挑战,最后介绍数据建模 2.0 方案将如何帮助企业真正实现自助式数据分析,希望对大家有所启发。
企业如何利用 Kyligence Zen 以关键业务目标管理和追踪相关性指标,帮助组织对齐管理目标,实现云成本全方位可监测。
近日,Kyligence 合伙人兼副总裁李栋受邀出席 CSDN 云原生系列在线峰会。在第
Gluten 项目旨在为 Apache Spark 注入 Native Vectorized Execution 的能力,极大优化 Spark 的执行效率和成本。目前,Gluten 社区的主要参与方有 Intel、Kyligence 等。
Kyligence MDX 支持创建层级结构。层级结构是基于维度的级别集合,可以显著提升数据分析人员的分析能力。此外,Kyligence MDX 还支持对指定的层级指定权重,方便您自定义成员值的汇总方式。
400 8658 757
工作日:10:00 - 18:00
关注我们
已有账号? 点此登陆