|
大数据技术在几年之前就成为了热门技术，一直爱持续至今，而针对大数据应用和实践的分享会数不胜数，一方面大家希望通过相关的研讨会充分了解大数据的应用价值，另一方面也可以通过会议结实更多的大数据技术专家，进而为企业的发展提供技术支撑。项目管理者联盟
大数据顾名思义就是数据了非常巨大，以前形容数据大用的是海量数据，现在则是用大数据。数据对于任何的企业和行业都有非常重要的价值，但是数据价值的真正挖掘和探索也就是近几年开始爆发式的发展。特别是一些针对数据挖掘推出的新技术新应用，使得抽象的数据变成了形象的图表，让企业决策有据可依，让行业规律的呈现更加形象，甚至是已经通过数据分析，直接影响了我们消费者的日常生活。数据的意义不是数据本身，而是对数据的深度挖掘，呈现出可以参考的直观信息，这才是大数据的意义。项目管理者联盟
我们注意到，行业研讨会中将大数据应用和项目管理相结合的并不多见，本次IT项目经理沙龙第二期就将大数据和项目管理两个主题做了深入的结合，使得现场的参与者兴趣高涨。原Answer.com搜索部门架构师，目前任某视频公司数据平台架构师的马延辉做了《大数据的处理技术及案例解析》.的主题分享。另一位重量级嘉宾，IT项目管理研究会发起人韩春生做了主题为《基于大数据的量化项目管理》的精彩分享。training.mypm.net
大数据的价值体现在对数据的深入挖掘项目管理者联盟
很显然，数据正在不断的积累，处在一个量变的过程中。对于一般的互联网公司，不再是1GB 这个量词了。具有一定规模的公司，每天的数据量都有可能达到几个GB。一线和二线的互联网公司他们的数据量会是这个量级的几千倍，而移动和社交公司的数据量会更大，这个“大”体现在量级大。club.mypm.net
企业里经常用的软件通常包括：内容管理和企业资源管理，这两个软件应用了很多年并一直在用。随后几年，进入了Web 2.0时代,其涵盖了广告移动搜索GPS和Web日志等，使得Web 2.0时代的一些关键技术在很多行业里应用越来越广泛。从Web 2.0出现以后，整个互联网出现了N多种数据类型，数据量不断增加的同时，数据类型也越来越丰富，比如：博客、网页点击流，还有传感器和设备收集的数据，例如乘坐地铁和公交，ETC等这些数据，还有视频空间日志数据集市电子政务和气候等等，这种多样化的数据类型隐含了数据价值的多个层面，因为数据反映价值。转自项目管理者联盟
关于大数据特征的4个V项目管理者联盟
马延辉总结了大数据特征的4个V：第一个V是Volume:数据量大，这个量是体积大;第二个V是Variety,类型多;第三个V是Value,价值密度低;第四个V是Velocity,速度快时效高，这是大数据最核心的特征。前三个特征体现在数据本身，最后一个特征体现在数据技术层面。项目管理者联盟
云计算与大数据应用关系service.mypm.net
实际上，云计算地提及要比大数据早几年，但是在提及云计算的时候也提出了今天我们在谈大数据时类似的问题：数据量狂增，硬件越来越廉价。现在小机的市场萎缩非常严重，X86慢慢地变为主流。一方面体现了硬件价格一直在下滑，另一方面体现了目前大数据和云计算的处理技术没有必要使用昂贵的小机做底层的基础设施，从而导致了小机市场的萎缩。项目管理者联盟
对于云计算和大数据的应用关系，马延辉谈到：云计算更多的是引用底层的基础设施—基础云，使得云计算更接底层。大数据一定是分布式框架，分布式一定是多台机器去处理同一件事情，所以它的技术一定是有基础设施的。云应用主要集中在云存储和大家使用的云盘。云计算提供了三层的服务：第一层是IaaS网络级服务;第二层是PaaS平台级服务;第三层是SaaS软件级服务。一般来说，云要有底层的基础设施，它与网络是有一定关系的，还与虚拟化及云存储有关系，所云计算更偏向与IaaS层面。例如我们使用的云盘，它就是一个云存储，大家使用它的时候，直接通过一个Web端访问存储文件系统或分布式存储文件系统。但是，如果要在云盘上做秩序的话，会发展到PaaS层或更高的一层。项目管理论坛
大数据时代的量化管理本质项目管理者联盟
从项目管理的角度，如何体现大数据时代的量化管理本质，对此IT项目管理研究会发起人韩春生认为，首先，拓展人脑思维的局限性，发现更多数据间的关系。包括：数据关系挖掘，健康医疗领域，交通管理，货品配送等等。service.mypm.net
其次，变改依赖单一因果关系，确立系统化管理的方法论。比如，做绩效考核的KPI经数据分析持续优化，数据分析前不再删减、多维数据分析。项目管理者联盟
再次，管理决策的简化，混沌式管理成为方向。体现在，长周期战略结果无法预测，管理应关注当下以及组织管理更该关注整体系统的高效，而非某项具体制度。项目经理博客
谈到量化项目管理需要解决的问题时，韩春生认为，1、项目管理位于执行层面，最易于量化和数据分析。2、构建新型量化项目管理需要解决的几个问题，比如：项目数据的采集与分享;项目管理中，数据的维度;整理数据，分析数据;头脑风暴，创建决策的模型;成功经验分享，决策模型的推广和应用。PgMp.mypm.net
|
