IBM大数据分析帝国的崛起

本土与外部的结合

IBM能利用自己堆栈外面的开源技术、即使当它们与自己的一些产品竞争吗?当然。IBM与R（实际上是SPSS的竞争对手之一)合作；它与Cloudera(其Hadoop分布系统分布与IBM自己的系统存在竞争性，这也是开源)存在伙伴关系，并且可以使用在Hadoop上面运行的机器学习组件Mahout。当然还有IBM已经使用多年的Linux开源操作系统。

在分析领域，IBM也有大量自主开发的产品。InfoSphere Streams，其CEP(复杂事件处理)产品以及Hadoop发行版本InfoSphere BigInsights。有趣的是，BigInsights Hadoop集成IBM的DB2关系数据库管理系统。虽然关系数据可能不算是大数据，但是前面的成就为后来的成功建立了基础。知道在操作上如何处理数据来构建一个平台，然后分析它的能力。

大数据还关乎硬件。IBM几乎成了大型机的代名词，在大型机之上运行大规模后端办公系统，几十年来一直在收集数据。用这些工作负载来处理系统，很长时间以来，使得大数据成为IBM的一个具体的概念。

人才，不仅仅是产品

在数据分析的空间里有这样大的产品组合，就会很容易忘记人力开支。但是人才在IBM的大数据计划中扮演了重要的角色。首先，IBM有一个庞大的研究团队，就像是IBM自己的一个数学系。这显然为在预测分析创新上取得成果提供了重要的火力。

 然后回到想2002年，还有“IBM收购了普华永道咨询部门。甚至在此项交易之前，IBM就有实质性的全球服务部门，但是收购普华永道咨询部门让IBM从一个拥有服务组织的产品公司，转向成为一个利用一系列令人印象深刻的其母公司产品的服务组织。

Advani向我介绍的另一个IBM的分析计划叫做Analytical Decision Management，其重点是在业务应用程序中嵌入分析功能，而不是前端员工不得不利用专门的、孤立的分析应用来获得见解。例如，这个计划允许呼叫中心的工作人员了解什么适合提供给特定的呼叫者以及当提供时什么结果是很有可能的。这些应用的用户甚至感觉不到他们正在使用的分析技术，因为它是嵌入到操作工作流中去的。显然，IBM研究和服务交付结合的经验增强了其在这样的前端员工的交付能力。