你的位置： >
微信/电话：
email/邮箱：
官方网址：
从山寨到烂大街，联发科的症结在哪里？
大量手机品牌将搭载联发科八核处理器的手机卖到千元以下，并且竞相比拼谁的价格更低，被寄予厚望的联发科MT6592八核处理器因此成为“烂大街”的角色。相隔两年，联发科“山寨之父”的帽子还没摘掉，“烂大街”的标签又被帖，罪魁祸首就是联发科奇葩的市场机制。
仅就技术而言，联发科绝对是一家值得尊敬的企业。可在市场表现上，联发科却像是一个考试屡次不及格的差等生。先是被称为山寨之父，而后因搭载了真八核处理器的红米售价不足千元，被网友贴上了“烂大街”的标签。
在智能机时代，掉队的联发科一直尝试突围。从最早推出八核手机处理器，到明星芯片X30，联发科屡战屡败。对此，不少业内人备感疑惑：联发科的症结在哪里?
成于技术，败于贪婪
作为一个仅用数年时间便从一个DVD芯片生产商转型成为全球第二大手机芯片厂商，联发科创造了一段辉煌的历史，入行600多天，便在国内3G手机芯片市场拿到超六成的份额。更让人震惊的是，2011年国内出货1000万颗的联发科，2012年出货量1.1亿颗，销量年翻11倍。
联发科出货量取得了爆炸式增长，集成技术方案功不可没。当时，联发科将手机主板、处理器、GPS芯片、蓝牙和系统等打包卖给手机厂商，大大缩短了手机厂商的产品研发周期，降低了生产成本。凭借集成解决方案，联发科一炮走红，并在2012年创造了出货量爆炸式增长的骄人业绩。
就在销量爆炸式增长的同时，联发科也为自己埋下了巨大的隐患。由于联发科的集成方案对技术要求很低，一些小手工作坊都可以生产手机，深圳华强北一下诞生了数千个手机品牌，这就是大家熟知的山寨手机，而山寨手机也成为了联发科最大的客户。
随着监管政策的收紧，山寨机很快就成为了过眼云烟，联发科销量也开始暴躁。现在看来，联发科当年的辉煌，是靠先进的技术，而迅速的没落，则是因为有一群山寨机的队友。选择了错误的合作伙伴，让联发科的增长难以持续。电子回收网大量收购手机芯片，回收手机IC，手机主板回收，回收字库，收购三星字库，收购闪迪字库、收购SK海力士字库、收购金士顿字库、收购镁光字库，手机芯片回收，手机IC回收，手机字库回收
或许有人会说，联发科完全可以不与山寨机厂商合作。对于当时的联发科而言，技术研发需要大量的资本支撑，与山寨手机厂商合作更多的是情非得已。当然了，也可以说是，对资金渴求的贪婪，让联发科无奈的选择了山寨机这个猪一样的队友。最后，联发科被戴上了“山寨之父”的帽子。
突围失败，市场机制作梗
为了摘掉“山寨之父”的帽子，联发科尝试拉升品牌形象。2014年，联发科推出了MT6592系列八核处理器，试图借产品向外界传递其领先的技术实力。在联发科之前，三星也推出了八核处理器，只不过号称八核的 Exynos 5410 芯片实际上是由 A7 四核+ A15 四核组成的，并不能实现八个处理器同时开启工作。
客观地说，联发科MT6592系列八核处理器在业内是绝对领先的，要知道当时高通都没有八核处理器。与高通相比，联发科的八核处理器在技术和价格上拥有绝对的优势，诸如小米、OPPO、vivo等手机厂商纷纷向联发科抛出了橄榄枝。遗憾的是，联发科的品牌形象并没有因为八核处理器的领先优势得到改善。相反，小伙伴儿们发起的激烈价格战，让联发科借八核处理器提升品牌形象的计划落空。
在联发科八核处理器量产后，小米在2014年3月发布了红米Note，搭载了联发科MT6592系列八核处理器，售价只有799元。当时，同样是搭载了联发科MT6592八核处理器的OPPO和vivo手机，售价逼近3000元。在小米将搭载联发科八核处理器手机价位拉到千元以下后，中兴、联想、酷派、魅族，以及三四线的小厂商北斗、小辣椒、大可乐等纷纷加入到价格战的阵营，约八成的国产手机厂商都加入了真八核的竞争先烈，产品价格也齐刷刷的拉到了千元以下。
大量手机品牌将搭载联发科八核处理器的手机卖到千元以下，并且竞相比拼谁的价格更低，被寄予厚望的联发科MT6592八核处理器因此成为“烂大街”的角色。相隔两年，联发科“山寨之父”的帽子还没摘掉，“烂大街”的标签又被帖，罪魁祸首就是联发科奇葩的市场机制。
在芯片领域，无论是英特尔，还是高通，都拥有大量的合作伙伴。电子回收网大量收购手机芯片，回收手机IC，手机主板回收，回收字库，收购三星字库，收购闪迪字库、收购SK海力士字库、收购金士顿字库、收购镁光字库，手机芯片回收，手机IC回收，手机字库回收，为了防止合作伙伴的低价倾销，英特尔和高通们都有一套惩罚机制。联发科小伙伴们在价格上纷纷失控，意味着联发科的市场机制存在严重漏洞。未来，如果联发科对合作伙伴没有足够的威严，没有完善的约束机制，再优秀的产品也会死于糟糕市场机制的利刃之下。
眼下，联发科进军高端芯片领域的王牌HelioX30出现问题，高通835强势来袭，联发科再次错过了翻身的机会。在技术层面，联发科的研发实力并不次于高通，但屡战屡败却依然没有撕掉山寨、烂大街这些标签，联发科的确需要深入反思一下了。如何打破这一僵局，重塑昔日的辉煌，联发科或许要动一次大手术了，尤其是市场机制方面。
上一篇： 下一篇：你当前的浏览器版本太低-云财经
请升级你的浏览器
你当前使用的浏览器无法正常使用云财经的服务,请升级你的浏览器或者使用云财经的客户端产品.
你可以通过点击下面按钮下载安装客户端或者浏览器继续使用云财经的服务:热门搜索：
　 　 　 　 　 　
当前位置： >
先是山寨后是烂大街 联发科的症结在哪？
发布时间： 09:20 | 浏览： 次
在技术层面，联发科的研发实力并不次于高通，但屡战屡败却依然没有撕掉山寨、烂大街这些标签，联发科的确需要深入反思一下了。
相关阅读：----你还等什么？?__这里绝对有你想【甄瀚网络科技有限公司一周年庆】 - 炫6网
甄瀚网络科技有限公司一周年庆
/ 作者：admin /
炫六网综合摘要：----你还等什么？?__这里绝对有你想；【甄瀚网络科技有限公司一周年庆】，上一篇： 下一篇： 。春风送暖，桃李花开。2016年我怀着憧憬和激情成立了甄瀚网络科技有限公司，回顾一周年来的历程，我们取得不错的成绩、也曾犯过错误、并逐步克服了成立初期遇到的各种困难。同时在管理团队深耕细作，提高我司在日趋激烈的竞争市场地位，给客户带来了诸多便利
关键词：甄瀚,网络,科技,有限公司,周年庆,春风,送暖,桃李,花开,
& & & & 春风送暖，桃李花开。2016年我怀着憧憬和激情成立了甄瀚有限公司，回顾一周年来的历程，我们取得不错的成绩、也曾犯过错误、并逐步克服了成立初期遇到的各种困难。同时在管理团队深耕细作，提高我司在日趋激烈的竞争地位，给客户带来了诸多便利。感谢各界人士对我们的支持和信任 ，我们默默耕耘战友们。 & & & & & & & & & & & & & & & & & & & & & & & && & & 在今后的日子，我们继续携手共进、一起成长，共创更广阔的空间：脚步达不到的地方，眼光可以达到，眼光达不到的地方，思想可以达到。让我们把每一件事做正确、做好、做得更好！ & & & & & & & & & & & & & & & &&击长按识别二维码关注----你还等什么？?__这里绝对有你想要的~↓温馨提示：&甄瀚网络主要为提供：手机移动领域、计算机技术咨询服务、APP软件研发、系统管理、推广（APP／／微信公共平台定制开发、托管运营，推广以及O2O方案策划）、等服务。合作机构:甄瀚网络/佛山电视台/九鼎/中投证券/广州证券/支付宝/微信支付/百度/京东/天翼/中兴飞贷/四大银行等TEL:50继续关注我，你的生意更精彩！！“分享人生智慧，共享互联网商机”
甄瀚网络科技有限公司一周年庆
通过E-mail将您的想法和建议发给我们
我要投稿：
商务合作QQ：2016数博会-硅谷四巨头如何玩转大数据--百度百家
2016数博会-硅谷四巨头如何玩转大数据
分享到微信朋友圈
2016数博会-硅谷四巨头如何玩转大数据
2016数博会-硅谷四巨头如何玩转大数据
时间：日-14日 地点：北京·中国国际展览中心(老馆)
中华人民共和国工业和信息化部
中华人民共和国商务部
中国高科技产业化研究会
中国高科技产业化研究会信息化工作委员会
中国通信工业协会物联网应用分会
上海大数据产业技术创新战略联盟
中国国际展览中心
国际数据公司
中关村大数据产业联盟
中关村大数据交易联盟
北京百科汇国际展览服务有限公司
随着现代信息技术的不断发展，世界已跨入了互联网+大数据时代。大数据正深刻改变着人们的思维、生产和生活方式，即将宣起新一轮产业和技术革命。大数据与各个行业的深度融合，将产生出前所未有的社会和商业价值。再加上承德.中关村大数据产业合作项目已签约，抢抓京津冀协调发展的重大机遇，推动大数据产业快速发展，形成完整的大数据产业创新链条，促进大数据产业快速稳定增长起到至关的推动作用。随着互联网+技术的飞速发展使大数据云计算技术将会得到更为长足的发展，必将更为广泛地应用于各个领域为人类的生产生活带来全新的面貌。
为更好的交流展示国内外大数据技术应用和经验成果，推动我国大数据产业快速健康发展，由中国高科技产业化研究会主办，中国高科技产业化研究会信息化工作委员会协办，北京百科汇国际展览服务有限公司承办“2016中国(北京)国际大数据产业博览会暨高峰论坛”将于日-9月14日，在北京·中国国际展览中心举办。本届展览会将以“促进大数据时代变革、共赢新时代机遇和挑战”为主题，诚邀各单位、企业负责人及专业观众一起探讨大数据产业的未来和发展，共同展示大数据产业领域的最新成果、新技术，探讨行业动向、进行面对面的商业交流等。且此次会展将吸引世界各国的媒体前来报导。
为推动大数据行业健康发展，促进科技交流、合作发展及市场拓展。本次展会以产品质量为依托，以展示超越技术为导向汇聚顶尖技术，展示商家形象，立足于打造以大数据高端产品为主体的平台，结合中国北京的辐射力、中国市场容量、中国的市场需求，为业内企业及海内外同行搭建一个的高效交流平台。届时邀请各相关单位踊跃报名参展、参观！
【展出范围】
★国际品牌：
聚集世界级重量企业、综合展示全球大数据领域新技术、新成果、新产品、大数据产业园区、展示大数据未来科技趋势；
★大数据应用：
大数据信息平台、商用密码产品、智慧城市、智能交通、大数据金融、互联网投资理财、大数据医疗、大数据健康、大数据营销、大数据农业、人工智能、移动电子商务、移动互联网、车联网、地联网等
★智能制造及设备：
工业互联网及智能制造、数据存储及服务器、网络通信设备、数据中心设备、可穿戴及智能终端设备、自动识别及条码技术、软件与系统集成、智能家居设备、电信运营商、物联网技术与应用等
★大数据软件与服务：
大数据信息安全、数据处理与准备、大数据交易、云计算、大数据关联服务等
★电子商务：
移动电子商务、跨境电子商务及外贸出口、电子商务平台、现代物流等
★互联网创新应用
O2O应用与产品、企业数字化管理解决方案、移动互联网应用、动画及游戏技术与应用、智能机器人、创客团队等
【收费标准】
标 准 展 台
￥13800元/9m2
￥16800元/9m2
￥30000元/9m2
室内光地(36m2起租)
￥1300元/m2
￥1680元/m2
￥3000元/m2
1、标准展位配置：提供三面围板、洽谈桌一张、 椅子两把、中英文楣板,二盏射灯、220V/5A电源插座
一个、展位铺满地毯；）参展企业若选择双开口展位加收20%的展位费用；其他额外开支由展商承担。
2、空场地费用包括：展出场地、地毯、保安服务、展位清洁服务。
【会刊广告】
封 面：￥30000元
封 底：￥20000元
封 二：￥15000元
封 三：￥8000元
扉 页：￥8000元
彩整版：￥6000元
黑整版：￥3000元
文字整版：￥2000元
会刊除在大会期间广泛免费发放给主管部门及相关协会、专业参观商、采购商外，还将通过主办单位途径发往国内外的业主单位及相关经销单位等；
【大会活动】
主办方将组织多场论坛、研讨会、展商技术交流会，产品及新闻发布会，与参会领导、企业、观众零距离接触。欢迎广大参展商申请举办，主题自定。组委会将积极协助组织听众，全力缔造商机。
1、中国大数据领域发展论坛，内容涵盖国家大数据政策、制定大数据规划与大数据保障问题、大数据国际合作与交流、全面开创中国大数据事业发展新局面领域；
2、大数据技术装备应用与创新发展论坛，致力于推动现代大数据技术装备的应用，提升我国大数据科技水平。
【展会宣传与推广】
目标观众云基地、数据中心投资方及运营商、通信运营商、大型网络公司、电信、能源、金融、证券、广电、电商、电子、医疗、国防、教育、海关、航空航天、集成商、工程商、代理商到会参观采购。
通过发放十万封参观邀请函、三十万张参观券直接邀请国内外邻近国家和地区的重要买家、大型用户前来参观、洽谈、订货。
在CCTV、北京电视台、BTV、百度推广、新华社、科技日报、中国教育报、腾讯、网易、新浪、搜狐、等发布展会信息及广告内容。
【参展程序】
参展手续：参展单位请认真填写《参展报名表》并传真或快递至大会组委会，并于一周内将参展费用汇至组委会指定帐号，且将银行付款底单传真至组委会，以便确认参展资格。
展位安排：组委会将依据“先报名、先付款、先安排”的原则。为保证展览会的整体形象，组委会有权对少量展位予以调整。
会务安排：组委会会前30天将《参展手册》（有关日程安排、展品运输、酒店接待、展台搭建等事项）寄送至各参展商。
有关参展、参会、刊登广告和发表论文等事宜,请垂询大会组委会
地 址：北京市通州区京贸国际城4-1-30层
电 话：010- 传 真：010-
联系人：张 涛
在硅谷观察之大数据篇的【上】篇中，我把硅谷地区大数据生长状况基本梳理了一个相对完整的形状出来。下篇要介绍一些公司的大数据部门情况，有人点名加个 Google 尤其是 Google Maps，因为特别想知道这个世界上最大的搜索引擎以及每天必不可少的出行神器是怎么当一个挖掘机的。
于是，上周我又去了 Google 采访。本篇将一共呈现硅谷四大不同类型的公司如何玩转大数据，其中包括了著名 FLAG 中的三家(Apple 在大数据这块来说表现并不突出)。
本篇内容来自对 Evernote AI 负责人 Zeesha Currimbhoy、LinkedIn 大数据部门资深总监 Simon Zhang、前 Facebook 基础架构工程师 Ashish Thusoo 和 Google 大数据部门一线工程师及 Google Maps 相关负责人的专访。Enjoy~~
Evernote：今年新建 AI 部门剑指深度学习
Evernote 的全球大会上，CEO Phil Libin 提到，Evernote 的一个重要方向就是 “让 Evernote 变成一个强大的大脑”。要实现这个目标，就不得不提他们刚刚整合改组的 Augmented Intelligence 团队(以下简称 AI team)。我在斯坦福约到 AI team 的 manager Zeesha Currimbhoy，在此分析一下从她那里得到的一手资料。
今年早些时候，这个 2 岁的数据处理团队改组为由 Zeesha 带领的 Augmented Intelligence team，总共十人不到，很低调，平日几乎听不到声响。他们究竟在做什么?
与我们常说的 AI(artificial Intelligence)不同，Evernote 的团队名叫做 Augmented Intelligence，通常情况下简称为 IA。
Zeesha 显然是这个团队里元老级的人物：“我是在 2012年 加入 Evernote 的，直接加入到了当时刚刚建立的数据处理团队，这也就是现在 AI team 的雏形。我们最开始的项目都是简单易行的小项目，比如按照你的个人打字方式来优化用户的输入体验。”
传统意义上的 AI 指的是通过大量数据和算法让机器学会分析并作出决定。而这里讲到 IA 则是让电脑进行一定量的运算，而终极目的是以之武装人脑，让人来更好的做决定。这两个概念在具体实施中自然有不少相通之处，但是其出发点却是完全不同的。
这个区别也是 Evernote AI team 的亮点所在。作为一个笔记记录工具，Evernote 与 Google 之类的搜索引擎相比，最大的区别就是它非常的个人化。用户所储存的笔记、网站链接、照片、视频等都是他思维方式和关注点的体现。
Zeesha 小组的初衷便是，通过分析用户储存的笔记来学习其思维方式，然后以相同的模式从第三方数据库(也就是互联网上的各种开源信息)抽取信息推送给用户，从而达到帮助用户思考的过程。从这个意义上讲，Zeesha 版的未来 Evernote 更像是一个大脑的超级外挂，为人脑提供各种强大的可理解的数据支持。
目前整个团队的切入点是很小而专注的。
“我们不仅仅是帮助用户做搜索，更重要的是在正确的时间给用户推送正确的信息。”
实现这个目标的第一步就是给用户自己的笔记分类，找到关联点。今年早些时候，Evernote 已经在 Mac 的英文版上实行了一项叫做 “Deive Search” 的功能。用户可以直接描述想要搜索的条目，Evernote 就会自动返回所有相关信息。
例如，用户可以直接搜索 “2012 后在布拉格的所有图片”，或者 “所有素食菜单”。不管用户的笔记是怎样分类的，Decriptive Search 都可以搜索到相关的信息并且避免返回过大范围的数据。而这还仅仅是 AI team 长期目标的开始，这个团队将在此基础上开发一系列智能化的产品。
不用说，这样一个新创团队自然也面临这诸多方面的挑战。当下一个比较重要的技术难点就是 Evernote 用户的数据量。虽然 Evernote 的用户量已经达到了一亿，但是由于整个团队的关注点在个人化分析，外加隐私保护等诸多原因，AI team 并没有做跨用户的数据分析。
这样做的结果就是团队需要分析一亿组各不相同的小数据组。比如，假设我只在 Evernote 上面存了 10 个笔记，那 Evernote 也应该能够通过这些少量的数据来分析出有效结果。当然，这些技术的直接结果是用户用 Evernote 越多，得到的个性化用户体验就越好。长期来讲，也是一个可以增加用户黏性的特点。
不过 Zeesha 也坦言：“的确，我们都知道没有大数据就没有所谓的智能分析。但是我们现在所做的正是在这样的前提下来找到新的合适的算法。” 她并没有深入去讲目前团队所用的是什么思路，但是考虑到这个领域一时还没有很成功的先例，我们有理由期待在 Zeesha 带领下的 Evernote AI team 在近期做出一些有意思的成果。
Facebook：大数据主要用于外部广告精准投放和内部交流
Facebook 有一个超过 30 人的团队花了近 4年 的时间才建立了 Facebook 的数据处理平台。如今，Facebook 仍需要超过 100 名工程师来支持这个平台的日常运行。可想而知，光是大数据分析的基础设施就已经是一个耗时耗力的项目了。
Facebook 的一大价值就在于其超过 13.5 亿活跃用户每天发布的数据。而其大数据部门经过七八年的摸索，才在 2013年 把部门的 key foundation 定位成广告的精准投放，开始建了一整套自己的数据处理系统和团队。并进行了一系列配套的收购活动，比如买下世界第二大广告平台 Atlas。
据前 Facebook Data Infrastructure Manager Ashish Thusoo 介绍，Facebook 的数据处理平台是一个 self-service, self-managing 的平台，管理着超过 1 Exabyte 的数据。公司内部的各个部门可以直接看到处理过的实时数据，并根据需求进一步分析。
目前公司超过 30%的团队，包括工程师、Product Managers、Business Analysts 等多个职位人群每个月都一定会使用这项服务。这个数据处理平台的建立让各个不同部门之间可以通过数据容易地交流，明显改变了公司的运行方式。
追溯历史，Facebook 最早有大数据的雏形是在 2005年，当时是小扎克亲自做的。方法很简单：用 Memcache 和 MySQL 进行数据存储和管理。
很快 bug 就显现了，用户量带来数据的急速增大，使用 Memcache 和 MySQL 对 Facebook 的快速开发生命周期(改变-修复-发布)带来了阻碍，系统同步不一致的情况经常发生。基于这个问题的解决方案是每秒 100 万读操作和几百万写操作的 TAO (“The Associations and Objects”) 分布式数据库，主要解决特定资源过量访问时服务器挂掉的 bug。
小扎克在 2013年 第一季度战略时提到的最重点就是公司的大数据方向，还特别提出不对盈利做过多需求，而是要求基于大数据来做好以下三个功能：
发布新的广告产品。比如类似好友，管理特定好友和可以提升广告商精确投放的功能。
除与 Datalogix, Epsilon,Acxiom 和 BlueKai 合作外，以加强广告商定向投放广告的能力。
通过收购 Atlas Advertising Suite，加强广告商判断数字媒体广告投资回报率(ROI)。
LinkedIn：大数据如何直接支持销售和变现赚钱
LinkedIn 大数据部门的一个重要功用是分析挖掘网站上巨大的用户和雇主信息，并直接用来支持销售并变现。其最核心团队商业分析团队的总监 Simon Zhang 说，现在国内大家都在讨论云，讨论云计算，讨论大数据，讨论大数据平台，但很少有人讲：我如何用数据产生更多价值，通俗点讲，直接赚到钱。
但这个问题很重要，因为关系到直接收入。四年半前 LinkedIn 内所有用户的简历里抽取出来大概有 300 万公司信息，作为销售人员不可能给每个公司都打电话，所以问题来了：哪家公司应该打?打了后会是个有用的 call?
销售们去问 Simon，他说只有通过数据分析。而这个问题的答案在没有大数据部门之前这些决策都是拍脑袋想象的。
Simon 和当时部门仅有的另外三个同事写出了一个模型后发现：真正买 LinkedIn 服务的人，在决定的那个环节上，其实是一线的产品经理，和用 LinkedIn 在上面猎聘的那些人。但他们做决策后是上面的老板签字，这是一个迷惑项。数据分析结果出来后，他们销售人员改变投放策略，把目标群体放在这些中层的管理人身上，销售转化率瞬间增加了三倍。
那时 LinkedIn 才 500 个人，Simon 一个人支持 200 名销售人员。他当时预测谷歌要花 10 个 Million 美金在猎聘这一块上，销售人员说，Simon，这是不可能的事。
“但是数据就是这么显示的，只有可能多不会少。我意识到，一定要流程化这个步骤。”
今天 LinkedIn 的 “猎头” 这块业务占据了总收入的 60%。是怎么在四年里发展起来的，他透露当时建造这个模型有以下这么几个步骤：
分析每个公司它有多少员工。
分析这个公司它招了多少人。
分析人的位置功能职位级别一切参数，这些都是我们模型里面的各种功能。然后去分析，他们内部有多少 HR 员工，有多少负责猎头的人，他们猎头的流失率，他们每天在 Linkedin 的活动时间是多少。
这是 LinkedIn 大数据部门最早做的事情。
Simon 提到，公司内部从大数据分析这一个基本项上，可以不断迭代出新产品线 LinkedIn 的三大商业模型是人才解决方案、市场营销解决方案和付费订阅，也是我们传统的三大收入支柱。事实上我们还有一个，也就是第四个商业模型，叫 “销售解决方案”，已经在今年7 月底上线。
这是卖给企业级用户的。回到刚才销售例子，LinkedIn 大数据系统是一个牛逼的模型，只需要改动里面一下关键字，或者一个参数，就可以变成另一个产品。“我们希望能帮到企业级用户，让他们在最快的速度里知道谁会想买你的东西。”
虽然这第四个商业模式目前看来对收入的贡献还不多，只占 1%，但 anyway 有着无限的想象空间，公司内部对这个产品期待很高。“我还不能告诉你它的增长率，但这方向代表的是趋势，Linkedin 的 B2B 是一个不用怀疑的大的趋势。” Simon 说。
Google：一个闭环的大数据生态圈
作为世界上最大的搜索引擎，Google 和大数据的关系又是怎样的呢?感谢微博上留言的朋友，这可确实是一个很有意思的议题。
Google 在大数据方面的基础产品最早是 2003年 发布的第一个大规模商用分布式文件系统 GFS(Google File System)，主要由 MapReduce 和 Big Table 这两部分组成。前者是用于大数据并行计算的软件架构，后者则被认为是现代 NOSQL 数据库的鼻祖。
GFS 为大数据的计算实现提供了可能，现在涌现出的各种文件系统和 NOSQL 数据库不可否认的都受到 Google 这些早期项目的影响。
随后 2004 和 2006年 分别发布的 Map Reduce 和 BigTable，奠定了 Google 三大大数据产品基石。这三个产品的发布都是创始人谢尔盖-布林和拉里-佩奇主导的，这两人都是斯坦福大学的博士，科研的力量渗透到工业界，总是一件很美妙的事。
2011年，Google 推出了基于 Google 基础架构为客户提供大数据的查询服务和存储服务的 BigQuery，有点类似于 Amazon 的 AWS，虽然目前从市场占有率上看与 AWS 还不在一个数量级，但价格体系更有优势。Google 通过这个迎上了互联网公司拼服务的风潮，让多家第三方服务中集成了 BigQuery 可视化查询工具。抢占了大数据存储和分析的市场。
BigQuery 和 GAE(Google App Engine)等 Google 自有业务服务器构建了一个大数据生态圈，程序创建，数据收集，数据处理和数据分析等形成了闭环。
再来看 Google 的产品线，搜索，广告，地图，图像，音乐，视频这些，都是要靠大数据来支撑，根据不同种类数据建立模型进行优化来提升用户体验提升市场占有率的。
单独说一下 Google maps，这个全球在移动地图市场拥有超过 40%的市场占有率的产品，也是美国这边的出行神器。它几乎标示了全球有互联网覆盖的每个角落，对建筑物的 3D 视觉处理也早在去年就完成，这个数据处理的工作量可能是目前最大的了，但这也仅限于数据集中的层面。真正的数据分析和挖掘体现在：输入一个地点时，最近被最多用户采用的路径会被最先推荐给用户。
Google 还把 Google+，Panoramio 和其他 Google 云平台的图片进行了标记和处理，将图片内容和地理位置信息地结合在一起，图像识别和社交系统评分处理后，Google 能够把质量比较高的的图片推送给用户，优化了用户看地图时的视觉感受。
大数据为 Google 带来了丰厚的利润，比如在美国你一旦上网就能感觉到时无处不在的 Google 广告(AdSense)。当然，它是一把双刃剑，给站长们带来收入的同时，但如何平衡用户隐私的问题，是大数据处理需要克服的又一个技术难关，或许还需要互联网秩序的进一步完善去支持。
像在【上】中所说，除 Facebook 等几个很领先的公司外，大部分公司要么还没有自行处理数据的能力。最后附上两个例子，想说这边的大公司没有独立大数据部门也是正常的，采取外包合作是普遍现象：
Pinterest：
Pinterest 曾尝试自行通过 Amazon EMR 建立数据处理平台，但是因为其稳定性无法控制和数据量增长过快的原因，最终决定改为使用 Qubole 提供的服务。在 Qubole 这个第三方平台上，Pinterest 有能力处理其 0.7 亿用户每天所产生的海量数据，并且能够完成包括 ETL、搜索、ad hoc query 等不同种类的数据处理方式。尽管 Pinterest 也是一个技术性公司，也有足够优秀的工程师来建立数据处理团队，他们依然选择了 Qubole 这样的专业团队来完成数据处理服务。
不仅仅硅谷的互联网公司，众多传统企业也逐渐开始使用大数据相关技术。一个典型的例子就是 Nike。Nike 从 2012年 起与 API 服务公司 Apigee 合作，一方面，他们通过 Apigee 的 API 完善公司内部的数据管理系统，让各个部门的数据进行整合，使得公司内部运行更加顺畅、有效率。另一方面，他们也通过 API 开发 Nike Fuel Band 相关的移动产品。更是在 2014年 开启了 Nike+ FuelLab 项目，开放了相关 API，使得众多的开放者可以利用 Nike 所收集的大量数据开发数据分析产品，成功地连接了 Nike 传统的零售业务，新的科技开发，和大数据价值。
分享到微信朋友圈
在手机阅读、分享本文
还可以输入250个字
推荐文章RECOMMEND
阅读：12万
阅读：11万
热门文章HOT NEWS
今年3月末，商品房待售面积68810万平方米，比2月末减少17...
辩手李慕阳
百度新闻客户端
百度新闻客户端
百度新闻客户端
扫描二维码下载
订阅 "百家" 频道
观看更多百家精彩新闻