|
在大数据/大计算生态系统中的每一层面我们都有投资，而这个领域仍有很多创新的余地。因为大数据计算已经不再局限于单一的政府机构和大公司了。即使早期的应用更倾向于出现在数据科学家工作的行业，机器学习作为所有应用的「属性」——尤其是和一个友好的用户界面相结合的时候——就能让大数据进入到各个不同领域，而在这基础之上有机会诞生出很多伟大的公司。 我相信每款应用都将重构来利用此趋势。同时感谢大数据和大计算的革新，让这一切成为可能。我们处在机器智能加速时期的起始阶段，这会对商业体系和社会产生无限益处。 定义 -大数据：收集大量的信息，无论是结构性的还是非结构性的。 -大计算：从大数据中提取价值所需的大规模（一般来说是平行的）处理能力。 -机器学习：计算机科学的一个分支，不用高级别的算法来解决明显的，命令式的逻辑问题，而是用低级别的算法来发现暗含在数据中的模式。（想想人类的大脑从生活经验中学习vs.从明确的指示中学习的区别）有越多的数据，学习就越有效，这也是机器学习和大数据会复杂地联系在一起的原因。 -预测性分析：用机器学习来预测未来的产出效果（外推法），或者从已知中推断未知数据点（内推法）。 4.全栈型创业公司 Q：什么是全栈创业公司？你曾经提到过，这是一个非常重要的新趋势，而且是近年来成功创业公司的很典型模式。 Chris Dixon: 传统的创业公司采取的方式是向企业兜售他们的新技术或者寻求授权。新的全栈创业公司则建造了一个完整的、点对点的产品或者服务从而绕开实体企业或者竞争者。 大公司中很好的对比就是苹果和微软。常年以来，微软只建造全栈当中的一小部分，如操作系统、应用程序。同时依靠合作伙伴生产半导体硬件、文案、组装、零售等等。苹果公司却全部一起做：他们设计自己的芯片、手机软件、操作系统、应用程序、包装、零售等等。苹果告诉世界：如果你可以同时把很多事情一起做好，那么你就有可能创造奇迹。 Q：举个例子？ Dixon：我觉得一个很好地例子就是共乘，例如Lyft和Uber。 在这些公司成立以前，很多创业者试图建立一个让出租车和私家车利用率更高的软件。然后他们出外寻找出租车公司并且向他们推销，使用他们的软件。 基于各种各样的原因，这并不奏效。出租车公司并不会把这些软件作为一个竞争优势。他们并没有一个合适的估价机制或者相关人员去评估这样的软件。 （责任编辑：职场达人） |
