2.2 国外IT企业
国外公司，如微软、IBM、Oracle、Google、Amazon等都争相拥抱大数据技术，在三个产业里都能找到他们的名字。
① 国际商业机器公司（IBM）是全球最大的计算机服务公司，在全球总共拥有超过40万名员工。IBM是传统的IT企业，为了在新形势下保持业务领先、实现持续增长，IBM引入了“新业务商机管理体系”（Emerging Business Opportunity, EBO）方法论。从组织要素、投入要素、执行要素多个方面，EBO都进行了系统创新和孵化。其中Watson就是以EBO为基础的一大发展方向。Waston是一个通过自然语言处理和机器学习，面向认知商业的平台。IBM投入10亿美元，推出Watson Foundation大数据与分析平台，并利用“API经济”打造基于Watson的应用平台，从而形成有竞争力的产业生态。IBM收购了近50家移动、安全、社交及云计算公司，以期构建出更加完整的产品生态。
② Oracle（甲骨文）大数据战略的核心思想是使企业能够通过改进其当前的企业数据架构来整合大数据和提供业务价值，从而利用Oracle系统无可置疑的可靠性、灵活性和高性能来满足大数据需求。
Oracle能够将应对大数据挑战所需的工具（包括软件和硬件）组合成一个集成设计的环境。Oracle大数据机是一个集成设计的系统，集成优化的硬件和最全面的软件体系，以Oracle开发的各种专用解决方案来提供一个全面、易于部署的解决方案，用于获取、组织大数据以及将其加载到Oracle Database 11g中。它旨在对所有数据类型提供强大的分析能力，同时提供企业级查询性能、高可用性、可支持性和安全性。通过Big Data Connectors，将该解决方案与Oracle数据库云服务器和Oracle数据库紧密集成，这样企业可以结合现有的传统数据和大数据进行分析，最终整合所有数据以供分析决策，增加系统可扩展性和实现超强的系统响应性能。
后面的章节里，我们将以Oracle的MoviePlex来展示在Oracle的王国里如何做大数据。
③ 亚马逊（Amazon）是全美国最大的一家网络电子商务公司，拥有大型云平台AWS。亚马逊在业内率先使用了大数据、人工智能和云技术进行仓储物流的管理，创新地推出预测性调拨、跨区域配送、跨国境配送等服务。亚马逊大力推行智能浏览推送、购物便捷下单、智能分仓和智能调拨、精准送达和CRM客服。可谓是第一个将大数据推广到电商物流平台运作的企业。大数据技术是需要云计算技术在数据存储管理与分析等方面的强力支撑的，而作为全球云计算服务的主要提供商，亚马逊也将大数据与云计算完美地融合在一起，使亚马逊AWS拥有最完整的大数据平台，利用自身技术帮助用户进行实时流式处理、批量处理各种结构的数据，以期帮助用户开展各种大数据项目。
一些成功的大数据应用，例如，Netflix规模最大的商用Hadoop集群及所有的应用都跑在亚马逊AWS上。
④ 谷歌（Google）作为全球搜索行业的巨头，其搜索服务本身就是一个典型的大数据应用，对于大数据技术的研究及普及化也有着得天独厚的优势。著名的MapReduce、GFS（Google File System）及BigTable最早也都是谷歌提出的。谷歌运用大数据技术的例子比比皆是，如节约能源的“天窗计划”、治理空气污染的项目等都是成功利用大数据的案例。除这些简单的大数据分析项目外，谷歌近几年的战略方向正逐渐向人工智能领域倾斜。2014年，除收购人工智能公司DeepMind外，还特意研发了专门为人工智能设计的TPU（张量处理器），取代了传统的大数据处理的CPU-GPU模式。随着在2015年击败棋手李世石，DeepMind所研发的围棋AI—AlphaGo步入了大众的视野。又经过了两年，于2017年，AlphaGo的升级版AlphaGo Master以3 : 0击败了世界冠军柯洁，可以说AlphaGo Master在围棋上的“造诣”已经完全超过了人类。更让人惊讶的是，当初击败李世石的AlphaGo Lee是由176个GPU和48个TPU在背后支持的，而AlphaGo Master却只是运行在4个TPU之上。然而谷歌并没有停下脚步，之后不久又推出了AlphaGo Zero，并能以超过80%的胜率战胜AlphaGo Master。AlphaGo Zero和AlphaGo Master相比，整体框架并没有什么不同，只不过AlphaGo Zero是完全依靠自我学习而不依赖于任何人工的输入。对于将来谷歌的人工智能又会有什么新的发展，还是很值得期待的。
各个企业对待大数据所采取的策略和侧重点都略有不同，IBM关注行业应用，Oracle提供非常好用的工具集，亚马逊提供方便的大数据云平台，谷歌在很多方面引领着人工智能。至于效果如何，能走多远，需要假以时日才能看出结果。战略是必需的，没有战略绝对不行。战略是一个大方向，要根据天时、地利、人和进行微调。方向选择正确很重要，更重要的却是执行和技术的不断创新。