​4 bit时代或将来临: 手机也能跑大型神经网络了?_详细解读_最新资讯_热点事件

编者按:本文来自微信公众号“将门创投”(ID:thejiangmen),作者:让创新获得认可,36氪经授权发布。

From: Technology Review;编译: Shelly

在不久的将来,大规模的神经网络就能以更快的速度和更少的耗能在智能手机上进行训练了——“8位比特是一个字节,因此4位称为半字节(nibble)”,这是来自计算机工程师们独有的幽默。现在,IBM研究人员提出了一种可能,他们希望将表示数据所需的位数(即1和0)从目前的行业标准16位减少到只有4位。

深度学习是一种低效的耗能无底洞。它需要大量的数据和海量的计算资源支持,这导致电力消耗的爆炸式增长。在过去的几年里,整体的研究趋势使这个问题更加严重。深度学习会用几天的时间在数十亿数据点上训练,这种训练方式正在“文艺复兴”,并且短时间内不会改变。

一些研究者急于找到新的方向解决这一问题,比如,开发出能在更少数据上训练的算法,或是运行速度更快的硬件。不过,现在IBM的研究人员提出了另一种全新的想法!

他们的思路是,减少表示数据所需的比特数量,使其从目前行业标准的16位减少到4位。

这项工作已经在人工智能领域最大的年度研究会议NeurIPS上得到了展示,它可以提高深度学习训练的速度,并将所需的能源成本降低70%。在智能手机和其他小型设备上训练强大的人工智能也因此成为可能。同时,这项工作的实现也有助于个人将数据保存在本地设备上,改善隐私泄露问题,也将改变大型科技公司垄断数据这一行为。

字节是怎么工作的?

你以前可能听说过计算机用1和0来存储东西,这些基本单位被称为比特。当一个比特是“on”时,它对应的是1;当它是“off”时,它就对应0。换句话说,每个比特只能存储两条信息。

但一旦把它们串在一起,你可以编码的信息量就会呈指数增长。两个比特可以表示4条信息,因为有2^2的组合:00、01、10和11。4个比特可以代表2的4次方,也就是16条信息。8位可以表示2的8次方,也就是256等等。

正确的字节组合可以表示数据类型,如数字、字母和颜色;也可以表示操作类型,如加减和相似对比。现在的大多数笔记本电脑都是32位或64位,这不是说计算机只能编码2^32或2^64条信息(那将是一台非常弱的计算机!),而是指它可以使用这么高的复杂度来编码每一段数据或单个操作。

如果说频率的提升,是把一条4车道高速公路的限速从120公里提升到360公里的话,那么从32位到64位的提升,就是将这条提升了3倍时速限制的高速公路从4车道拓宽到了8车道。

4字节的深度学习

那么4字节的训练是什么意思呢?假设我们的计算机是4 bit的,那么它的复杂度就是4 bit。可以这样想:在训练过程中使用的每一个数字都必须是-8到7之间的16个整数中的一个(这是计算机唯一可以表示的数字)。这也适用于输入到神经网络中的数据点、用来代表神经网络的数字以及在训练过程中需要存储的中间数字。

当准备开始训练的时候,可以把训练数据想象成一堆黑白图像。第一步:把这些图像转换成数字,以便计算机理解它们。我们通过表示每个像素的灰度值来实现这一点,黑为0,白为1,之间的小数用灰阶表示。我们的图像现在是一个从0到1的数字列表。但在4 bit的环境中,我们需要它的范围是-8到7。这里的技巧是线性缩放数字列表,所以0变成-8,1变成7,小数映射到中间的整数。所以你可以将数字列表从0到1缩放到-8到7之间,然后将任何小数四舍五入为整数。

这个过程并不完美。如果你从0.3开始,缩放后的数为-3.5,但是因为4字节只能表示整数,所以又必须四舍五入到-4。你最终会在图像上失去一些灰色的阴影,或所谓的精度,即如图。

比特数越低,照片的细节就越少,即所谓的精度损失。

对于训练数据来说,这个技巧并不太差。但是当我们把它应用到神经网络本身时,事情就变得有些复杂了。

神经网络 A Neural Network

A neural network

我们经常看到神经网络被绘制成有节点和连接的东西,就像上面的图像。但是对电脑来说,这些最后会变成一系列数字。每个节点都有一个所谓的激活值,通常取值范围是0 ~ 1;每个连接都有一个权值,通常取值范围是-1 ~ 1。

我们可以用与像素相同的方式来缩放它们,但是激活和权重也会随着每一轮训练而改变,例如,有时激活范围是0.2到0.9,另一个回合的激活范围是0.1到0.7。因此,2018年IBM团队想出了一个新方法:重新定义范围缩放,每轮在-8到7之间(如下图所示),这有效地降低了精度损失。

IBM的研究人员在每一轮训练中都重新衡量神经网络的激活和权重,以避免失去太多的精度。

但是仍然还剩下一个问题:如何用4 bit表示训练过程中突然出现的中间值?

与我们曾经处理过的图像、权重和激活函数不同,真正的挑战在于其数值横跨多个数量级,可能是微小的0.001,也可能是巨大1000。 

如果要在-8和7之间建立线性尺度,将会损失微小尺度末端的所有梯度。正如你在这里看到的,任何小于100的数都会被缩放到-8或-7。精度损失直接影响AI模型的最终呈现。

经过两年的研究,研究人员终于解开了这个谜题。在借鉴前人想法的基础上,他们将这些中间数字按对数进行了缩放。为了理解这个概念,下面是一个对数刻度,所谓的“基数”为10,复杂度是4字节 (研究人员后来转而使用4为基数,因为反复试验表明,这种方法效果最好),你可以看到它是如何在字节限制内编码大/小数字的。

10为基数的对数刻度

以上各种问题的解决方案就位后,IBM的研究人员进行了几项实验,在计算机视觉、语音和自然语言处理方面模拟各种深度学习模型的4 bit训练。结果表明,与16 bit深度学习相比,模型的整体性能有一定的精度损失,但损失已经很小了。并且,这个训练过程比以前快七倍、节能高出七倍。

4 bit的前景

上文只是模拟了这种训练的结果,在4 bit深度学习真正落地实践前,还有几个步骤,比如,需要新的4 bit硬件设施。2019年,IBM研发中心启动了一个人工智能硬件中心,以加快开发和生产这类设备。负责监督这项工作的IBM研究员、高级经理Kailash Gopalakrishnan表示,他预计在三到四年内就会有适合训练深度学习的4 bit硬件诞生。

ref:

https://www.technologyreview.com/2020/12/11/1014102/ai-trains-on-4-bit-computers/

郑眼看盘:部分“抱团股”杀跌 有机构或在调仓|投资者

本周三,A股回落,沪综指跌0.27%至3598.65点,深主板、中小、创三综指分别跌1.08%、0.91%、1.51%,科创50指数小涨0.16%。盘后数据显示,北上资金净买入27.12亿元。

周二晚间公布的截至2020年12月末的货币供应量M2为同比增10.1%,不及预期的增10.7%;M1增8.6%,不如预期的增10.2%;M0增9.2%,同样不如预期的增10.3%。此外,稍晚公布的12月社融为1.72万亿元,不及预期的2.135亿元;12月新增人民币贷款1.26万亿元,略多于预期的1.25万亿元。

晚间公布数据不太常见,弄得关心经济指标的投资者很累。就金融市场投资者来说,经济数据可不是小事。

上述与资金供给相关的数据大多不及预期,加上近期央行逆回购量越来越小,这些因素均可能为股指带来些压力。除此之外,市场下跌可能也与短线拉得过猛相关。还有,年报在即,部分公司暴跌或闪崩也有可能进一步带坏情绪。

周三盘面特征主要是超涨及部分“抱团股”杀跌,而冷门的蓝筹品种却有比较明显的上涨迹象。市场情绪化较严重,当一些抱团的大蓝筹开始杀跌时,市场对牛市的预期也快速变冷,表现在前一天大涨的券商股返身猛跌,不过龙头品种东方财富仍小有上涨。中金公司刚指出不必过分担忧“抱团”解散影响,不料“抱团股”就走出这样的走势,可见市场十分无常。

在杀跌品种中,不乏诸如中国中免金龙鱼宁德时代迈瑞医疗等最近投资者耳熟能详的特大牛股,说明“抱团”的确有松动迹象。在冷门股上涨方面,典型的如中国中车等一部分“中”字头滞涨股大涨。

由这些盘面特征来看,一部分机构应该已在调仓,即调出2020年涨幅过大的品种,调入相对滞涨的品种。

机构调仓几乎年年发生。多数机构通常也只会调整其重仓股中的一部分,并不会完全抛弃2020年的重仓品种。机构调仓的依据主要是看“性价比”,当他们看到“性价比”更好的品种时,此时即使仍看好手中的重仓股,仍有可能调仓。

投资者对机构调仓行为可适度提防,看看手中持仓是否有较大被调出的嫌疑,然后再决定增仓或减仓。一般来说,投资者不宜情绪化跟风,最好多看几天,看看抱团松动是偶尔还是频繁发生,如果“抱团股”反复杀跌,那么一般就更要谨慎了。在我看来,“抱团股”既被抱团,应该是有些亮点的,缺点当然就是个“贵”字了;补涨的蓝筹股之所以被人冷落了那么久,基本面大概率有软肋。

股价表现过度落后是一种优势,只是这种优势更适合防守而不是进攻。如果投资者指望滞涨蓝筹股价能录得较大涨幅,那么前提也只能是其基本面发生了比较大的改善。如果投资者心能放平,那么低吸滞涨蓝筹应属不错的选项。

操作方面,投资者可暂时忽略盘面短期波动,在2021年春节前仍可以布局为主。考虑到年报越来越近,故近期投资者应特别警惕持股的年报情况。

道达投资手记:看了一个数据 感觉白酒股有点不妙|指数基金

前天大盘发力过猛,指数突破3600点,昨天调整,也就不会让人感到意外,最终,沪指下跌9.69点,以3598.65点报收。如果不是中字头逆市爆发,可能指数还会跌得更多。

这些都不是重点,重点是一个信号的出现,可能意味着白酒股的爆发行情暂时告一段落了。

关于后市行情,达哥继续不作短线判断。值得注意的是,2020年12月的M2数据同比增长10.1%,低于预期。这说明之前流动性超常规的宽松可能会有变化。

重要信号

最近两天,有一件事的关注度比较高。

前天,招商中证白酒指数基金公布了一些最新数据,这些数据引起了达哥的注意。这只基金几乎可以说是目前专注投资白酒股的最大公募基金产品,因此它发布的数据很有市场参考意义。

达哥关注的是什么呢?

首先,截至1月8日,该基金份额总额高达371.86亿份,净值为1.5287元,那么总规模大概就是568亿元。其次,截至1月8日,目前持有人总数约为830万,平均每户持有4476份。

这两个数据说明一个问题,专注投资白酒的这只基金规模非常庞大,而且参与人数也是一个非常庞大的数据。这也说明,现在愿意投资白酒股的投资者群体非常庞大,这只基金甚至被业内称为“国民指数基金”。

当然,招商中证白酒指数基金的规模并不是自始至终都维持如此庞大的规模,它的急剧放大,正是这一波白酒股开始大涨的2020年四季度。数据显示,2020年上半年,其规模在200亿元以下,三季度末突破200亿元,到2021年1月8日增长到568亿元。

还有一个数据更加值得关注,截至1月8日,场外个人投资者持有份额高达369.8亿份,占基金总份额的99.45%,这个数据就有点惊人了。基金投资者实际上也分为两类,一类是机构投资者;一类是个人投资者。这个数据说明,总规模高达568亿元、持有人总数高达830万户的基金,几乎全部是个人投资者在购买,难怪人均持有不到4500份。

这些数据呈现在达哥眼前,个人的感觉是,散户对白酒股的热情达到极为亢奋的水平。我并不是想说散户买白酒股不对,只是想说,市场人声鼎沸的时候,对白酒股而言,可能是一波行情告一段落的信号。而事实上,到底什么样的情绪是极限,很难有比较明确的数据来衡量。

现在,招商中证白酒指数基金的散户参与占比高达99.45%,这个数据就能比较具体地体现散户的参与情绪。

接下来一段时间,白酒股可能会面临一个阶段性调整。虽然我依然中长期看好白酒行业,但是陷入整个板块的阶段性调整,我也不会感到意外。具体调整幅度能有多大,这个不好说,但要做好准备。

极限成交

我们不去过多猜测大盘的短期趋势,还是要时刻对市场现象进行细致观察。

昨天虽然指数在调整,但是成交量没有萎缩,沪市成交5500多亿元,深市成交近6800亿元,相比前天是放大的。

如此多的资金在向哪些个股聚集?

昨天,深市有6家公司成交额超过100亿元,比较罕见。这6家公司分别是东方财富京东方ATCL科技比亚迪宁德时代天齐锂业。其中,东方财富的成交额高达186亿元。

而这6家公司的总成交额竟然高达749.39亿元,占深市成交总额的11%。而整个深市的个股有2400多只。换句话说,0.25%的上市公司完成了深市11%的成交额。

这种现象自然让我们想到了美股的纳斯达克,也就是苹果、特斯拉等几家巨头实现了对纳斯达克的“统治”。我们是否也可以这样预期,未来的A股市场也会朝着这样的方向发展?

其实,这种变化已经开始,在未来的A股市场上,资金也必然会向龙头公司聚集。

(张道达)

根据国家有关部门的最新规定,本手记不涉及任何操作建议,入市风险自担。

36氪首发 | 数字地球PaaS平台「大地量子」完成A+轮融资,由顺为资本投资_详细解读_最新资讯_热点事件

36氪获悉,云原生的数字地球PaaS平台 「大地量子」近日获得A+轮融资,本轮融资由顺为资本投资。2020年11月,大地量子完成由兰馨亚洲领投,SIG海纳亚洲跟投的5000万元A轮融资。至此,大地量子在3个月内完成了两次融资。

成立于2017年的大地量子,是一家致力于AI+卫星遥感应用的专业大数据技术服务商,融合了遥感卫星、无人机、传感器数据,利用自研算法对数据进行网格化管理,满足不同空间大数据产品开发的需要。通过AI、大数据等技术,为农业保险、农产品期货、国土规划、环保、金融、电网、石油石化等行业用户提供高价值数据和准确、稳定、丰富的空间大数据云原生PaaS层服务。核心产品包括可直接使用,也可进行二次开发的面向应用的SDK,按服务空间尺度与服务时间长度进行计费。

当前大地量子的客户和服务模式主要分为两类。一类是IT服务商,客单价较低,主要通过模块嵌入和标准SDK服务,为输出行业解决方案的合作伙伴赋能,当前主要合作伙伴包括华为云等大型合作伙伴,也包括区域性的中小型IT合作伙伴;另一类是直接客户,客单价较高,在标品的基础上提供定制化数据服务,当前主要客户包括蚂蚁金服、人保财险等。大地量子将继续提供精准的数据产品,更多地与IT服务商合作,服务于终端客户。

图片来源:大地量子

AI+遥感

“AI+遥感”是解决行业痛点,高效处理遥感数据的必经之路。在“AI+遥感”的竞争中如何脱颖而出?大地量子CEO王驰给出以下三点答案:

一、云原生PaaS:在交付过程中,客户考察的标准非常多维,既包括数据准确、工程效率等技术指标,还包括性价比高、交互简便、设计美感等服务指标,大地量子通过深度学习技术实现多源数据融合,为IT服务商或终端客户提供页面清晰、接口简单、数据精准的应用层PaaS产品。客户只需要通过几行代码调用大地量子的SDK,即可以立即具有空间数据的服务能力,也可以基于大地量子的SDK进行自有的产品开发。

二、研发导向:研发团队独立与公司对研发高度投入是当前大地量子的基本发展策略。大地量子从成立之初就专注开发与完善时空数据的底层技术,三年时间内反复迭代底层空间数据库和数据处理链路,积累了32项核心知识产权,最终上线了天空量子时空数据池、TQ Arsenal算法库、TQ Engine数据引擎等底层技术框架,通过SDK的形式对外输出标准服务。

三、人才融合:传统的遥感学者、AI团队和工程团队由于学习路径不同,知识与技术背景有所差异,彼此理解有一定障碍,导致三者的结合存在障碍。大地量子统一团队的技术目标,聚焦于构建高效的数字地球孪生,致力于将数据融合与算法研发结合的工程问题,同时通过特有的团队价值观和文化,实现遥感科学家团队、AI算法团队和工程技术团队的彼此融合。

技术驱动,研发导向

大地量子当前选择技术驱动、研发导向的发展战略,以产品驱动业务,逐渐将成熟的产品技术商业化,例如农作物分类产品、水污染测量产品等。下一步,大地量子将继续投入底层技术算法研发,在遥感影像超分、大规模并行计算等底层技术上发力。团队当前总计约40人,75%左右为研发人员,团队还在持续扩张中。

当前大地量子已管理的各类数据超过10PB,为保障数据的存储与调用,大地量子硬件层面上也有相应投入,计划通过数千台高性能计算服务器搭建超算中心,并与华为云深度合作搭建计算与存储的混合云架构,并对外提供云原生PaaS服务。

布局数据应用

大地量子属于商业航天产业链的下游应用领域,因此需要有更多上游合作伙伴,补充各类遥感数据源。A+轮投资方顺为资本在商业航天上下游领域的布局,可以帮助大地量子扩充相应合作伙伴。顺为资本由雷军和许达来于2011年创立,并在2017年开始布局商业航天领域,投资了若干有高增长潜力的商业航天应用的公司,包括星际荣耀银河航天千乘探索等,投资领域涉及火箭发射服务、卫星通信、卫星数据应用。

图片来源:大地量子

相关阅读:

36氪首发 | 面向多行业提供空间大数据产品,「大地量子」完成数百万美金Pre-A轮融资

Update | 地空大数据引擎「大地量子」获腾讯联合创始人近千万投资

想成为空间数据的Bloomberg,「大地量子」提供AI+遥感跨行业解决方案 | 新基建创业2020

上海楼市,到了关键节点_详细解读_最新资讯_热点事件

编者按:本文来自微信公众号“魔都财观”(ID:moducaiguan),作者:魔都财观团队,36氪经授权发布。

属于上海楼市的2020年12月份各项数据,终于出炉了。

先卖个关子,无论是量还是价,数据都很漂亮,正文会跟大家一一解析。

但摸着良心讲,我看到这么漂亮的数据,内心却有点隐隐不安。

因为亲眼见证过上海楼市前几波的大牛市,也肉身感受过横盘3年的没落与不甘,还算敏锐的嗅觉总在提醒我——

上海楼市,可能到了一个关键节点。

拐点将至,今年四月,见分晓。

1

上海楼市,真的有点过于膨胀了。

来看一些数据上的关键性指标——量和价。

上海楼市最后一个月的成交量出炉了,继10月份无量拐点之后,成交量持续放大,到了12月份,二手成交数据已经夸张到3.89万套。

4年的成交峰值再次被刷新,我们团队内部也在苦笑调侃——超越上个月的,永远是下个月。

再来看库存。

截至到2020年12月底,上海现存二手房库存大约为4万套,按照最近3万套左右的去化速度,库存周期下降到35-40天。

这个去化速度大家可能无感,我们来感受下上海周边的两个强二线的库存去化周期。

我从克而瑞扒了一些库存去化数据——

苏州六大区的二手房库存平均去化周期,大约50个月。

杭州全市摊平的二手房库存平均去化周期,大约15个月。

再横向对比一线城市的二手房去化周期。

二手房去化周期北京13个月、广州40个月、深圳最少,为6-7个月。

所以大家再感受下,上海二手房库存仅够去化1个月的背后,沉甸甸的压力。

背后的原因就不占篇幅解读了,无非就是市场、情绪带来的买卖家心态变化。

和大家说个最近看到的有趣案例吧。

我在上海的本地论坛看到一个帖子,某业主因为挂牌价低于3k万,要被踢出业主群。高于3k万才会被认定为好邻居,还会有其他业主配合挂高价掩护出货。

惜售、抱团,三千万豪宅业主尚且如此,何况普罗大众。

再想想最近买家跑步入场的心态,这个魔幻世界真是“内卷”。

所以才有了我开头的那一句:

上海楼市,到了关键节点。

皮筋拉的有多长,未来吃到调控的反弹就会有多痛。

2

果成交量抬升和库存量告缺,还不足以支撑调控基础。那么价的变化呢?

平米研究院做了一个2020年上海楼市的小汇总,传送门在这里平米房产咨询

回顾整个去年的上海楼市,可以分成比较典型的三个阶段:

  • 2020年1-5月,价格平稳,情绪稳定;

  • 2020年6-11月,价格小涨,情绪微热;

  • 2020年12月,价格上涨,情绪火热。

在11月之前,金山奉贤嘉定普陀等行政区的反应还比较滞后,但迈过12月,又是崭新的局面。

上海楼市,真的要进入全面普涨了。

12月份的冰山指数,上海又以月涨幅3%的数据,位居全国首位。

这是上海近3年来,第一次冲顶榜首。

这给了我们很强的暗示,但重点还是要看1月份公布的70城房价指数。

1月份中下旬待公布的统计局70城房价指数,上海极有可能会触达到调控的临界点。

很多人可能会猜测,也都在观望今年上海楼市是否会出调控。

最后的敲定时刻,大概率会在今年的四五月份。

由此,上海楼市最近也开始受到了全国房产从业者的关注。

我最近去苏州踩盘,随口问了句案场销售:听说苏州最近的成交量上来了,原因是什么?

销售给了一个令我哭笑不得的回答:最近上海太热了,购买力开始外溢过来了。

说真的,苏州房产销售说这句话我并不诧异,但可笑的是,同样的话我在合肥踩盘也听到过。

另外,当北京房产大V、深圳房产大V不聊本地聊上海的时候,我的内心是有点不安的。

暴风雨总是容易出现在漩涡的中心。

3

我们再来对比上海和典型调控城市的月环比和年同比指数。

2020年7月15日,深圳楼市被按下了急刹车。6月公布的70城房价指数,深圳二手房月环比涨幅1.9%,年同比14.3%。

2020年8月23日,南京楼市出台了宁九条。7月公布的70城房价指数,南京二手房月环比0.4%,年同比5.2%。其实这个数据并不突出,南京真正的调控临界点是在4月,新房月环比涨幅1.8%,和唐山并列第一。

2020年9月5日,杭州楼市收紧,量身定做出台了限摇、限离婚、倾斜无房户。8月公布的70城房价指数,杭州二手房月环比涨幅0.7%,年同比5.4%。杭州数据也不突出,真正扎眼的是全国关注的“万人摇“现象。

……

更多调控城市案例不一一展开了,简单的总结就是——

月环比只要超过2个点,年同比只要超过7个点,基本都会吃到调控。

更危险的是,任何关于房子关于楼市的数据,永远都不要做正向的全国第一。

当第一是有风险的。

所以你说当前的上海楼市趋势和典型调控城市存不存在共性特征?

答案不用揭晓,在你我心中。

4

为什么我会在这个时候站出来说上海楼市到了关键节点?

因为大涨大跌的背后,对所有人都没有好处。

包括房产投资客,也不喜欢。

现在的楼市已经不再是过去的粗放型,政策的全面打压,高层的不断敲打,已经成为了趋势。

谁站的靠前,谁就先挨打。

只有稳定的微涨向上,才是最健康的状态。

良性市场需要供需平衡,也需要买家卖家的信心平衡。这不仅是我们愿意看到的,也是上面想要看到的。

所以我依旧坚持之前文章里的看法——如果,上海楼市开始调控

上海未来调控大概率会以什么形式出现?无非就是这几种——

限钱、限售、限离婚、限价、加供应。

简单理解就是限价控投机、限售给信号、限离婚封漏洞、限价保市场、加供应拉平衡,更详细的解读可以在文章链接里查阅。

这次我想展开聊聊一旦出台调控,上海楼市会出现什么变化?

第一,最直观的影响就是二手房东心态。

上一波的上海调控这些人都真实受过伤,持货观望的人一定会锐减。

因为现在没有谁有把握告诉你:如果一次调控效果不佳,政策会不会加码。深圳、杭州、南京,包括三线的东莞,都真实经历了多次调控加码。

除非长线捂着,一线城市的房产永远不卖,不要再有短期大涨的预期。

第二,核心上涨逻辑的房源变化不大。

现在典型上涨城市的逻辑都是一致的,城市的核心地段改善自住房源、未来规划的宇宙中心新贵房源,依旧会有小幅上涨行情。

大家可以对号入座,老牌IP和新贵核心都在哪里。随便举几个小例子,老牌IP新天地、南京西路等,新贵核心北外滩、徐滨、前滩等,依旧看好。

第三,学区房维稳,涨幅缩小。

一些已经涨幅扩大的一贯制和双学区,依旧会坚挺。

而一些溢价不突出的单学区比如明珠+东昌南、闸北实验+风华、新普陀+梅陇、海华+卢湾等,依旧会存在补涨行情。

因为学区比房子还要刚需,而学区这种牵一发动全身的政策更不会轻易变

包括调控后的杭州、南京、苏州等市场,这一波静淡市场最稳且依旧保持上涨的,还是优质学区房。

第四,涨幅靠后的房源,跌幅可能会靠前。

今年上海楼市加供应的方向,不会在核心区,因为土地限制太明显供应依旧会稀缺。

大量的供应会给到外围刚需,土拍和新房抬轿子,会对周边二手有一波小刺激。

但如果新房限价加码,这个刺激却是反向的。一旦新房比二手有性价比,郊外环板块的房东会依旧难受。

今年板块的涨跌幅榜单,还是会喜忧参半。

第五,不要赌调控,一切向需求看齐。

最近有不少朋友跑来问,今年小朋友要用学区,但又觉得学区估值过高,要不要等调控?

我所能给到的回复就是一切都要向需求靠拢。今年就要用学区、今年就要结婚、今年家庭人口增加需要置换,就不要赌调控。

调控最大的影响,是投资市场,只有纯投资才需要谨慎。

我们都是普通人,随波逐流和一成不变是不可取的,最好的办法就是根据市场和政策不断调整买房卖房的方向。

5

最近我们也听到了一些质疑的声音:

魔都财观怎么和别的团队不一样,市场冷的时候提醒时机已到,市场正热的时候却逆势而行?

因为真话依旧有人要说,建议也一定要给到大家,不要踩坑不要盲目乱买,更不要成为别人的接盘侠。

没有一个城市可以一直单线上涨,深圳北京广州杭州南京苏州,都没有例外。

即使上海短期出现了调控回撤,但是这样才能奠定未来的长线价值逻辑。

希望上海楼市能够厚积薄发,而不是一口吃成胖子。

爬楼梯式的曲线向上,才是最健康的楼市。

以上为正文,来自楚门。

上海楼市,到了关键节点_详细解读_最新资讯_热点事件

编者按:本文来自微信公众号“魔都财观”(ID:moducaiguan),作者:魔都财观团队,36氪经授权发布。

属于上海楼市的2020年12月份各项数据,终于出炉了。

先卖个关子,无论是量还是价,数据都很漂亮,正文会跟大家一一解析。

但摸着良心讲,我看到这么漂亮的数据,内心却有点隐隐不安。

因为亲眼见证过上海楼市前几波的大牛市,也肉身感受过横盘3年的没落与不甘,还算敏锐的嗅觉总在提醒我——

上海楼市,可能到了一个关键节点。

拐点将至,今年四月,见分晓。

1

上海楼市,真的有点过于膨胀了。

来看一些数据上的关键性指标——量和价。

上海楼市最后一个月的成交量出炉了,继10月份无量拐点之后,成交量持续放大,到了12月份,二手成交数据已经夸张到3.89万套。

4年的成交峰值再次被刷新,我们团队内部也在苦笑调侃——超越上个月的,永远是下个月。

再来看库存。

截至到2020年12月底,上海现存二手房库存大约为4万套,按照最近3万套左右的去化速度,库存周期下降到35-40天。

这个去化速度大家可能无感,我们来感受下上海周边的两个强二线的库存去化周期。

我从克而瑞扒了一些库存去化数据——

苏州六大区的二手房库存平均去化周期,大约50个月。

杭州全市摊平的二手房库存平均去化周期,大约15个月。

再横向对比一线城市的二手房去化周期。

二手房去化周期北京13个月、广州40个月、深圳最少,为6-7个月。

所以大家再感受下,上海二手房库存仅够去化1个月的背后,沉甸甸的压力。

背后的原因就不占篇幅解读了,无非就是市场、情绪带来的买卖家心态变化。

和大家说个最近看到的有趣案例吧。

我在上海的本地论坛看到一个帖子,某业主因为挂牌价低于3k万,要被踢出业主群。高于3k万才会被认定为好邻居,还会有其他业主配合挂高价掩护出货。

惜售、抱团,三千万豪宅业主尚且如此,何况普罗大众。

再想想最近买家跑步入场的心态,这个魔幻世界真是“内卷”。

所以才有了我开头的那一句:

上海楼市,到了关键节点。

皮筋拉的有多长,未来吃到调控的反弹就会有多痛。

2

果成交量抬升和库存量告缺,还不足以支撑调控基础。那么价的变化呢?

平米研究院做了一个2020年上海楼市的小汇总,传送门在这里平米房产咨询

回顾整个去年的上海楼市,可以分成比较典型的三个阶段:

  • 2020年1-5月,价格平稳,情绪稳定;

  • 2020年6-11月,价格小涨,情绪微热;

  • 2020年12月,价格上涨,情绪火热。

在11月之前,金山奉贤嘉定普陀等行政区的反应还比较滞后,但迈过12月,又是崭新的局面。

上海楼市,真的要进入全面普涨了。

12月份的冰山指数,上海又以月涨幅3%的数据,位居全国首位。

这是上海近3年来,第一次冲顶榜首。

这给了我们很强的暗示,但重点还是要看1月份公布的70城房价指数。

1月份中下旬待公布的统计局70城房价指数,上海极有可能会触达到调控的临界点。

很多人可能会猜测,也都在观望今年上海楼市是否会出调控。

最后的敲定时刻,大概率会在今年的四五月份。

由此,上海楼市最近也开始受到了全国房产从业者的关注。

我最近去苏州踩盘,随口问了句案场销售:听说苏州最近的成交量上来了,原因是什么?

销售给了一个令我哭笑不得的回答:最近上海太热了,购买力开始外溢过来了。

说真的,苏州房产销售说这句话我并不诧异,但可笑的是,同样的话我在合肥踩盘也听到过。

另外,当北京房产大V、深圳房产大V不聊本地聊上海的时候,我的内心是有点不安的。

暴风雨总是容易出现在漩涡的中心。

3

我们再来对比上海和典型调控城市的月环比和年同比指数。

2020年7月15日,深圳楼市被按下了急刹车。6月公布的70城房价指数,深圳二手房月环比涨幅1.9%,年同比14.3%。

2020年8月23日,南京楼市出台了宁九条。7月公布的70城房价指数,南京二手房月环比0.4%,年同比5.2%。其实这个数据并不突出,南京真正的调控临界点是在4月,新房月环比涨幅1.8%,和唐山并列第一。

2020年9月5日,杭州楼市收紧,量身定做出台了限摇、限离婚、倾斜无房户。8月公布的70城房价指数,杭州二手房月环比涨幅0.7%,年同比5.4%。杭州数据也不突出,真正扎眼的是全国关注的“万人摇“现象。

……

更多调控城市案例不一一展开了,简单的总结就是——

月环比只要超过2个点,年同比只要超过7个点,基本都会吃到调控。

更危险的是,任何关于房子关于楼市的数据,永远都不要做正向的全国第一。

当第一是有风险的。

所以你说当前的上海楼市趋势和典型调控城市存不存在共性特征?

答案不用揭晓,在你我心中。

4

为什么我会在这个时候站出来说上海楼市到了关键节点?

因为大涨大跌的背后,对所有人都没有好处。

包括房产投资客,也不喜欢。

现在的楼市已经不再是过去的粗放型,政策的全面打压,高层的不断敲打,已经成为了趋势。

谁站的靠前,谁就先挨打。

只有稳定的微涨向上,才是最健康的状态。

良性市场需要供需平衡,也需要买家卖家的信心平衡。这不仅是我们愿意看到的,也是上面想要看到的。

所以我依旧坚持之前文章里的看法——如果,上海楼市开始调控

上海未来调控大概率会以什么形式出现?无非就是这几种——

限钱、限售、限离婚、限价、加供应。

简单理解就是限价控投机、限售给信号、限离婚封漏洞、限价保市场、加供应拉平衡,更详细的解读可以在文章链接里查阅。

这次我想展开聊聊一旦出台调控,上海楼市会出现什么变化?

第一,最直观的影响就是二手房东心态。

上一波的上海调控这些人都真实受过伤,持货观望的人一定会锐减。

因为现在没有谁有把握告诉你:如果一次调控效果不佳,政策会不会加码。深圳、杭州、南京,包括三线的东莞,都真实经历了多次调控加码。

除非长线捂着,一线城市的房产永远不卖,不要再有短期大涨的预期。

第二,核心上涨逻辑的房源变化不大。

现在典型上涨城市的逻辑都是一致的,城市的核心地段改善自住房源、未来规划的宇宙中心新贵房源,依旧会有小幅上涨行情。

大家可以对号入座,老牌IP和新贵核心都在哪里。随便举几个小例子,老牌IP新天地、南京西路等,新贵核心北外滩、徐滨、前滩等,依旧看好。

第三,学区房维稳,涨幅缩小。

一些已经涨幅扩大的一贯制和双学区,依旧会坚挺。

而一些溢价不突出的单学区比如明珠+东昌南、闸北实验+风华、新普陀+梅陇、海华+卢湾等,依旧会存在补涨行情。

因为学区比房子还要刚需,而学区这种牵一发动全身的政策更不会轻易变

包括调控后的杭州、南京、苏州等市场,这一波静淡市场最稳且依旧保持上涨的,还是优质学区房。

第四,涨幅靠后的房源,跌幅可能会靠前。

今年上海楼市加供应的方向,不会在核心区,因为土地限制太明显供应依旧会稀缺。

大量的供应会给到外围刚需,土拍和新房抬轿子,会对周边二手有一波小刺激。

但如果新房限价加码,这个刺激却是反向的。一旦新房比二手有性价比,郊外环板块的房东会依旧难受。

今年板块的涨跌幅榜单,还是会喜忧参半。

第五,不要赌调控,一切向需求看齐。

最近有不少朋友跑来问,今年小朋友要用学区,但又觉得学区估值过高,要不要等调控?

我所能给到的回复就是一切都要向需求靠拢。今年就要用学区、今年就要结婚、今年家庭人口增加需要置换,就不要赌调控。

调控最大的影响,是投资市场,只有纯投资才需要谨慎。

我们都是普通人,随波逐流和一成不变是不可取的,最好的办法就是根据市场和政策不断调整买房卖房的方向。

5

最近我们也听到了一些质疑的声音:

魔都财观怎么和别的团队不一样,市场冷的时候提醒时机已到,市场正热的时候却逆势而行?

因为真话依旧有人要说,建议也一定要给到大家,不要踩坑不要盲目乱买,更不要成为别人的接盘侠。

没有一个城市可以一直单线上涨,深圳北京广州杭州南京苏州,都没有例外。

即使上海短期出现了调控回撤,但是这样才能奠定未来的长线价值逻辑。

希望上海楼市能够厚积薄发,而不是一口吃成胖子。

爬楼梯式的曲线向上,才是最健康的楼市。

以上为正文,来自楚门。

Splunk:2021鉴往知来 — 洞察数据时代的生存策略

2020年是独一无二的一年,我们共同经历了前所未有的大变革。在新冠肺炎疫情的影响下,数据和数据驱动下的未来变得更具挑战性。当我们开始意识到,数据不仅仅是离散地应用于单个过程,而是逐渐成为商业、生活乃至社会的一部分,数据时代已悄然而至。

在这个充满未知和不确定性的时代,无处不在的数据和数据技术带来了更广阔的互联互通性,并支持和丰富每一个艰难的决策。在这个变化巨大的格局中,2020年最重要的事件之一是,支持和围绕它的技术和数据已经成为一项重要的服务,全球IT和技术专业人员正孜孜不倦地维护、调整和扩展关键的在线基础设施。

数据技术,让我们的技术英雄能够完成不可能的事情。在波诡云谲的数据时代,我们必须朝着一个目标前进,并不断评估目标和实现目标的过程。尽管种种特征早已颠覆了我们的期待,但基于数据和数据技术的预测将指引我们在星辰大海的征途中洞察最优生存策略。

后疫情时代的组织变革将寻求强有力的技术支持

新冠肺炎疫情犹如催化剂般,大大加速了企业的数字化进程。对于IT 领导者而言,战略远景已被大幅压缩,预计在5年或10年内实现的计划,已被压缩到数月或数周的水平。

动荡期充满机遇,防御姿态必不可少。在不确定的经济环境中,公司和公共部门组织自然会寻求削减支出,但从长远来看,眼前的地堡心态不会有回报。过去的多项研究发现,在加强核心市场地位的计划中增加投资的公司,比在牛市中采取这种措施的公司获得更显著和持久的收益。

现在比过去任何时候都需要围绕客户需求来规划未来。无论是B2C还是 B2B,为客户提供更好体验的技术,帮助他们向最终用户成功交付IT服务,将成为后疫情时代组织变革的利器。随着数字化项目的快速实施,为远程办公人员部署SaaS服务已成为刚需,现在可能是向云进行重大转变的时候了,虽然在短期内会增加支出,但可以换取未来降低成本的好处。

尽管在疫情时期,远程工作对大多数组织而言只是一种变通方式,但领导者依然希望能够全盘把握组织的脉搏,询问关键指标,将信息综合在一起,为团队提供一致的信号和方向。面对疫情带来的挑战,为了保持组织向前发展,领导者必须特别关注团队的情感健康。通过对于健康、疫情带来的压力以及工作量的调查,这些数据将有助于领导者确定需求,并通过创建解决方案来提升战略变革中的组织生产力。

虚拟优先,人才战略将是数据时代的制胜法则

全球越来越多的国家和地区将在2021年从新冠肺炎疫情中复苏,我们将看到一种更具同理心的管理风格的出现,这种管理风格寻求拥抱新常态,并赋予员工更清晰的工作与生活平衡,这一转变也将推动该地区生产率的提高。

展望未来,新的组织口号将是“虚拟优先”。虚拟优先意味着需要以不同的方式理解工作流、角色和管理策略,除了确定合适的视频会议和即时消息平台之外,还需要做很多事情。比如,当我们中的许多人可以再次出现在办公室时,这意味着不要为面对面的工作设计一切,而是使用视频会议来整合远程团队。

早期的外包浪潮侧重于降低成本,但经历了疫情的考验,提高人才门槛才更有价值。越来越多的公司将抓住这个机会提供更好的工具来支持虚拟和异步劳动力,工具、流程和实践将更加重要,尤其是在一个混合的世界里,有才华的远程员工才不会因为他们在工作场所缺乏紧密的联系而被边缘化。如果我们能够为虚拟优先设计一切,我们就可以更具包容性,从而确保每个人都能被倾听,能够接触到领导和资源,消除距离的障碍,让每个人都能做出自己最大的贡献。

高度活跃的数字化转型不会放缓

随着我们向深度网络化、高度互联的数据时代发展,数字技术已经融入我们的业务、家庭和个人生活。在疫情的催化作用下,数字化转型只会加速,不会减缓。我们发现,拥有强大的数字战略是在疫情肆虐的环境中生存的关键,那些拥有敏捷的、以增长为导向的企业文化的人,他们可以在受到打击的那一刻进行调整。

强大的数字化转型战略必须由数据驱动,转型计划面临的另一个挑战是,组织中有很高比例的数据是黑暗的——未知、孤立、未使用、可能不安全或不合规。在今年9月Splunk的一项研究中表明,全球平均66%的组织数据是暗数据,比上一年增长了10%。新的数字计划将不得不考虑已经靠边站的数据,并确保不会建立更多的孤岛。

成功的数字化转型还将取决于能够适应现实挑战的企业架构,领导者必须了解IT系统是如何实施的,并能够以企业理解的语言与企业沟通,以影响和推动变革。显然,这不是传统的IT 技能。

与此同时,数字化转型对劳动力需求造成了一定的影响。在数据时代,自动化和机器学习消除了很多工作,技能也许很快就会过时,对人才的考量将更倾向于以成长心态、参与度和文化契合度为标准。

创新IT服务成为数据时代IT运营的新使命

虽然开发运维并不是每一个IT组织的必然目标,但对于大多数组织来说,开发运维将与传统的IT运营共存,这将是一个不可逾越的学习过程。这个时代,IT领导者必须最终兑现十年来的承诺,从维护基本设施发展成为提供创新IT服务的战略合作伙伴。

对于IT而言,灵活、可扩展的云服务所支持的敏捷开发运维方法,鼓励实现渐进的胜利和进行大胆的实验。对云服务的采用日益增加,将会促成并激发出一种更具创新性的实验性思维方式。尽管云服务将会给许多组织带来超出他们预期的成本,但在日益数字化的现实中,尤其是AI/MR 和云的结合,并依托现成的ML工具,预计会有更多的公司将实现客户体验的现代化。同时,云的复杂性也将推动人们奔向更好、更集成的监控工具,无论底层基础设施如何,IT部门都需要能够在复杂的混合多数据流环境中工作的集成工具。

在一个高度自动化的世界里,创新也是一门人类学科。如果首席信息官没有为快速转型和改变组织结构做好规划,也没有努力推动以服务为导向的思维模式,那么他将失去工作。

数据安全将聚焦终端安全和零信任模式

受疫情影响,我们不得不关闭工作场所,我们对这一举措的快速反应包括仓促地奔向数字环境。在保护数据的同时,也必须为员工和商业伙伴提供同等级别的安全保护。

技术的变化伴随着攻击面的变化迎面袭来:供应链攻击意味着坏人不会只攻击你的组织,他们还会攻击你的东西;攻击者将利用新冠肺炎和居家办公来定制更有效的网络钓鱼电子邮件和其他骗局;利用疫情,攻击者将在新采用的技术和不完善的M&A中找到更多的机会……

2020年,每个人都在远程访问一切。“远程”是我们的现状,这推动了多重身份验证的增长,包括电话应用程序、硬件令牌和生物识别技术。IT安全的底线是网络安全,但坚固、可防御的堡垒的想法已经被瓦解。

只有不依赖网络保护来保证数据安全的零信任策略,才是破局之道。零信任策略采用正确的端点策略使安全性独立于网络之外,并降低数据被泄漏到未经授权、安全性不足的设备上的风险。

新兴技术将重新定义数据时代的曙光

当疫情发生时,AI/ML 技术已经开始被采用,组织已经显著加快提升机器学习算法的整合能力。传统 ML 模式的问题在于,人们花费大量时间来构建和部署模型,但这种模式却无法扩展。或许,AI/ML 将被它自己的局限性所阻碍——直到它可以自己学习。但近期的一项重大突破显示,AI/ML可以通过自动化自学习算法处理非结构化数据。这意味着,阻碍即将被化解。展望未来,对 AI/ML功能的真正理解将有助于提升组织的核心竞争力。

5G在2020年大放异彩,但在 2021 年也许不会广受欢迎。预计至少到 2022年,硬件挑战将阻碍其推广。当你等待的时候,不妨看看 WiFi 6。从 5G 中获得的许多好处将首先通过WiFi 6来实现,这是一种可用但尚未普及的技术。

AR/VR改善了协作和获取知识的途径,其突破性应用将是沉浸式协作通信,比如视频会议的下一个迭代将结合 AR 和 VR 技术。随着越来越多的零售活动和商业交流转移到网上,将会产生更多的沉浸式体验需求。

2010年至2020年间,话题从“区块链是什么?”转变成“我如何有效地利用它?”虽然区块链联盟是一个领先的模式,但他们将受到协调和可见性挑战的阻碍。基于区块链,现在正在开发或试点的应用领域包括安全投票、跟踪政治捐款、跟踪疾病爆发和保护医疗供应链。也许三年后,将大为不同。

生物识别技术在疫情爆发之前就已经开始,并在世界范围内得到发展,比如双重身份验证,将在数据时代急剧增加。生物识别验证的一个关键发展是不再将数据存储在设备上,而是进入云端。

新兴技术的真正力量不是其中的任何一项,而是它们的组合,并将出现在日益强大的边缘计算部署中。在边缘计算中,分析和自动化会进行所有的“思考”, 并在网络外围采取行动,它仿佛为我们一直在讨论的每一种新兴技术提供了一个完美的舞台。

我们诚心所向,祝祷在2021年能够看到,正常和稳定的表象在全球展现。旧的模式会回归,但一定会有所改变。尽管我们迫不及待地想得知接下来会发生什么,所有正确的答案只是需要完成的工作的开始。拥抱未来,在崭新的数据时代,人人都将获得最优生存策略。(作者:Splunk亚太区副总裁  Simon Davies)

如需了解Splunk 2021 年数据技术预测报告的更多内容,欢迎访问:Splunk官网。

Splunk:2021鉴往知来 — 洞察数据时代的生存策略

2020年是独一无二的一年,我们共同经历了前所未有的大变革。在新冠肺炎疫情的影响下,数据和数据驱动下的未来变得更具挑战性。当我们开始意识到,数据不仅仅是离散地应用于单个过程,而是逐渐成为商业、生活乃至社会的一部分,数据时代已悄然而至。

在这个充满未知和不确定性的时代,无处不在的数据和数据技术带来了更广阔的互联互通性,并支持和丰富每一个艰难的决策。在这个变化巨大的格局中,2020年最重要的事件之一是,支持和围绕它的技术和数据已经成为一项重要的服务,全球IT和技术专业人员正孜孜不倦地维护、调整和扩展关键的在线基础设施。

数据技术,让我们的技术英雄能够完成不可能的事情。在波诡云谲的数据时代,我们必须朝着一个目标前进,并不断评估目标和实现目标的过程。尽管种种特征早已颠覆了我们的期待,但基于数据和数据技术的预测将指引我们在星辰大海的征途中洞察最优生存策略。

后疫情时代的组织变革将寻求强有力的技术支持

新冠肺炎疫情犹如催化剂般,大大加速了企业的数字化进程。对于IT 领导者而言,战略远景已被大幅压缩,预计在5年或10年内实现的计划,已被压缩到数月或数周的水平。

动荡期充满机遇,防御姿态必不可少。在不确定的经济环境中,公司和公共部门组织自然会寻求削减支出,但从长远来看,眼前的地堡心态不会有回报。过去的多项研究发现,在加强核心市场地位的计划中增加投资的公司,比在牛市中采取这种措施的公司获得更显著和持久的收益。

现在比过去任何时候都需要围绕客户需求来规划未来。无论是B2C还是 B2B,为客户提供更好体验的技术,帮助他们向最终用户成功交付IT服务,将成为后疫情时代组织变革的利器。随着数字化项目的快速实施,为远程办公人员部署SaaS服务已成为刚需,现在可能是向云进行重大转变的时候了,虽然在短期内会增加支出,但可以换取未来降低成本的好处。

尽管在疫情时期,远程工作对大多数组织而言只是一种变通方式,但领导者依然希望能够全盘把握组织的脉搏,询问关键指标,将信息综合在一起,为团队提供一致的信号和方向。面对疫情带来的挑战,为了保持组织向前发展,领导者必须特别关注团队的情感健康。通过对于健康、疫情带来的压力以及工作量的调查,这些数据将有助于领导者确定需求,并通过创建解决方案来提升战略变革中的组织生产力。

虚拟优先,人才战略将是数据时代的制胜法则

全球越来越多的国家和地区将在2021年从新冠肺炎疫情中复苏,我们将看到一种更具同理心的管理风格的出现,这种管理风格寻求拥抱新常态,并赋予员工更清晰的工作与生活平衡,这一转变也将推动该地区生产率的提高。

展望未来,新的组织口号将是“虚拟优先”。虚拟优先意味着需要以不同的方式理解工作流、角色和管理策略,除了确定合适的视频会议和即时消息平台之外,还需要做很多事情。比如,当我们中的许多人可以再次出现在办公室时,这意味着不要为面对面的工作设计一切,而是使用视频会议来整合远程团队。

早期的外包浪潮侧重于降低成本,但经历了疫情的考验,提高人才门槛才更有价值。越来越多的公司将抓住这个机会提供更好的工具来支持虚拟和异步劳动力,工具、流程和实践将更加重要,尤其是在一个混合的世界里,有才华的远程员工才不会因为他们在工作场所缺乏紧密的联系而被边缘化。如果我们能够为虚拟优先设计一切,我们就可以更具包容性,从而确保每个人都能被倾听,能够接触到领导和资源,消除距离的障碍,让每个人都能做出自己最大的贡献。

高度活跃的数字化转型不会放缓

随着我们向深度网络化、高度互联的数据时代发展,数字技术已经融入我们的业务、家庭和个人生活。在疫情的催化作用下,数字化转型只会加速,不会减缓。我们发现,拥有强大的数字战略是在疫情肆虐的环境中生存的关键,那些拥有敏捷的、以增长为导向的企业文化的人,他们可以在受到打击的那一刻进行调整。

强大的数字化转型战略必须由数据驱动,转型计划面临的另一个挑战是,组织中有很高比例的数据是黑暗的——未知、孤立、未使用、可能不安全或不合规。在今年9月Splunk的一项研究中表明,全球平均66%的组织数据是暗数据,比上一年增长了10%。新的数字计划将不得不考虑已经靠边站的数据,并确保不会建立更多的孤岛。

成功的数字化转型还将取决于能够适应现实挑战的企业架构,领导者必须了解IT系统是如何实施的,并能够以企业理解的语言与企业沟通,以影响和推动变革。显然,这不是传统的IT 技能。

与此同时,数字化转型对劳动力需求造成了一定的影响。在数据时代,自动化和机器学习消除了很多工作,技能也许很快就会过时,对人才的考量将更倾向于以成长心态、参与度和文化契合度为标准。

创新IT服务成为数据时代IT运营的新使命

虽然开发运维并不是每一个IT组织的必然目标,但对于大多数组织来说,开发运维将与传统的IT运营共存,这将是一个不可逾越的学习过程。这个时代,IT领导者必须最终兑现十年来的承诺,从维护基本设施发展成为提供创新IT服务的战略合作伙伴。

对于IT而言,灵活、可扩展的云服务所支持的敏捷开发运维方法,鼓励实现渐进的胜利和进行大胆的实验。对云服务的采用日益增加,将会促成并激发出一种更具创新性的实验性思维方式。尽管云服务将会给许多组织带来超出他们预期的成本,但在日益数字化的现实中,尤其是AI/MR 和云的结合,并依托现成的ML工具,预计会有更多的公司将实现客户体验的现代化。同时,云的复杂性也将推动人们奔向更好、更集成的监控工具,无论底层基础设施如何,IT部门都需要能够在复杂的混合多数据流环境中工作的集成工具。

在一个高度自动化的世界里,创新也是一门人类学科。如果首席信息官没有为快速转型和改变组织结构做好规划,也没有努力推动以服务为导向的思维模式,那么他将失去工作。

数据安全将聚焦终端安全和零信任模式

受疫情影响,我们不得不关闭工作场所,我们对这一举措的快速反应包括仓促地奔向数字环境。在保护数据的同时,也必须为员工和商业伙伴提供同等级别的安全保护。

技术的变化伴随着攻击面的变化迎面袭来:供应链攻击意味着坏人不会只攻击你的组织,他们还会攻击你的东西;攻击者将利用新冠肺炎和居家办公来定制更有效的网络钓鱼电子邮件和其他骗局;利用疫情,攻击者将在新采用的技术和不完善的M&A中找到更多的机会……

2020年,每个人都在远程访问一切。“远程”是我们的现状,这推动了多重身份验证的增长,包括电话应用程序、硬件令牌和生物识别技术。IT安全的底线是网络安全,但坚固、可防御的堡垒的想法已经被瓦解。

只有不依赖网络保护来保证数据安全的零信任策略,才是破局之道。零信任策略采用正确的端点策略使安全性独立于网络之外,并降低数据被泄漏到未经授权、安全性不足的设备上的风险。

新兴技术将重新定义数据时代的曙光

当疫情发生时,AI/ML 技术已经开始被采用,组织已经显著加快提升机器学习算法的整合能力。传统 ML 模式的问题在于,人们花费大量时间来构建和部署模型,但这种模式却无法扩展。或许,AI/ML 将被它自己的局限性所阻碍——直到它可以自己学习。但近期的一项重大突破显示,AI/ML可以通过自动化自学习算法处理非结构化数据。这意味着,阻碍即将被化解。展望未来,对 AI/ML功能的真正理解将有助于提升组织的核心竞争力。

5G在2020年大放异彩,但在 2021 年也许不会广受欢迎。预计至少到 2022年,硬件挑战将阻碍其推广。当你等待的时候,不妨看看 WiFi 6。从 5G 中获得的许多好处将首先通过WiFi 6来实现,这是一种可用但尚未普及的技术。

AR/VR改善了协作和获取知识的途径,其突破性应用将是沉浸式协作通信,比如视频会议的下一个迭代将结合 AR 和 VR 技术。随着越来越多的零售活动和商业交流转移到网上,将会产生更多的沉浸式体验需求。

2010年至2020年间,话题从“区块链是什么?”转变成“我如何有效地利用它?”虽然区块链联盟是一个领先的模式,但他们将受到协调和可见性挑战的阻碍。基于区块链,现在正在开发或试点的应用领域包括安全投票、跟踪政治捐款、跟踪疾病爆发和保护医疗供应链。也许三年后,将大为不同。

生物识别技术在疫情爆发之前就已经开始,并在世界范围内得到发展,比如双重身份验证,将在数据时代急剧增加。生物识别验证的一个关键发展是不再将数据存储在设备上,而是进入云端。

新兴技术的真正力量不是其中的任何一项,而是它们的组合,并将出现在日益强大的边缘计算部署中。在边缘计算中,分析和自动化会进行所有的“思考”, 并在网络外围采取行动,它仿佛为我们一直在讨论的每一种新兴技术提供了一个完美的舞台。

我们诚心所向,祝祷在2021年能够看到,正常和稳定的表象在全球展现。旧的模式会回归,但一定会有所改变。尽管我们迫不及待地想得知接下来会发生什么,所有正确的答案只是需要完成的工作的开始。拥抱未来,在崭新的数据时代,人人都将获得最优生存策略。(作者:Splunk亚太区副总裁  Simon Davies)

如需了解Splunk 2021 年数据技术预测报告的更多内容,欢迎访问:Splunk官网。

解构隐私信息泄漏难题,数安行提出数据运营安全新理念

近年来,随着全球信息化和数字化程度的不断加深,人类的生产生活方式正在发生深刻的变革,全球各行业都在加速数字化转型的进程。而作为时代高速发展的核心动力,“数据”的价值得以凸显,爆发式增长,海量聚集的数据一面成为各行业的核心竞争力,一边也正在带来日益突出的数据安全风险。

数据篡改、伪造、泄露、滥用,与针对企业数据的攻击、窃取、倒卖和劫持等安全事件层出不穷,如何保护数据安全已经成为当下各行业企业最为严峻的安全考验。

以金融行业举例来看,金融行业在国民经济发展中占据着十分重要的地位,而作为数据密集型和科技驱动型行业,金融行业自身业务价值高,涉及资金、个人信息、征信信息等十分重要的数据,这些价值极高的个人金融信息数据正在成为不法分子紧盯的重点对象。

根据中国互联网协会发布的《中国网民权益保护调查报告》,有78.2%的网民个人身份信息,63.4%的网民网络金融交易记录都曾被泄露过。近年来,每年发生的金融隐私泄露事件大约以35%的速度增长,据统计,2016年公开报道的金融隐私泄露事件1093起,2017年1511起,2018年1967起,2019年2300余起,2020年这个数字还在急剧增长。

为什么我国金融行业用户隐私保护屡屡失利?

中国银行保险报在近日发布《金融行业网络安全白皮书》中指出,金融行业数据保护主要存在数据安全相关法律法规体系不健全、金融行业业务场景复杂,以及5G、AI等新兴技术带来新的安全风险等多重挑战。

首先,在法律法规层面上看,相比国际,我国数据安全和隐私保护相关立法起步较晚,尽管今年国家已经就《中华人民共和国数据安全阀(草案)》和《中华人民共和国个人信息保护法(草案)》开始公开征求意见,行业监管机构也陆续发布了个人金融信息相关的安全标准,但总体来看,我国尚未形成严谨的金融隐私保护法律体系,针对各机构和平台主要以行政处罚为主。相较其他各国动辄开出数亿美元的天价罚单而言,难以对企业形成有效震慑,推动企业对数据安全保护引起重视。

其次,在技术层面来看, 5G等新技术的快速应用给金融隐私保护带来了更多的风险挑战。截至2019年12月,微信公众号“APP个人信息举报”上共收到了网民举报信息12125条信息,涉及2300余款app;其中移动金融app是违规手机使用个人信息的重灾区;云计算和大数据为大数据分析提供便利的同时,也汇集了大量高价值数据,成为黑客攻击的重点目标。

最后,金融行业复杂多样化的业务场景也是导致数据保护困难重重的重要原因,随着业务的不断发展,金融机构的业务系统每每多达几百上千个,应用场景繁多,其中承载着大量的客户基础信息,业务交易数据、业务产品数据、企业经营数据、机构数据、认证信息、生物特征信息、企业员工信息等大量业务和系统数据。由于这些数据需要在各个系统之间不同的流转,在数据流转的每一个环节都存在着被篡改、泄露的风险。

主要金融机构数据安全领域控制实施情况

据调查显示,当前金融行业主要采取的数据安全防护手段仍然是传统的针对数据本身的保护,而在数据流通的过程中针对数据共享的安全防护手段,仍然处于缺失的状态,只有少量头部金融机构在进行相关的试点和应用尝试。

但事实上,数据的最大特征就是流动,只有流动中的数据才能创造价值。以传统防火墙或是基于终端与边界的防护产品无法对流动中的企业数据起到防护作用。

如何根据企业的业务情况来构建一套动态的体系化的长效安全运营机制,来实现针对企业数据全生命周期的安全管理策略落地,国内许多安全厂商都在围绕这一思路展开探索。

数据运营安全——对数据业务全流程映射管理与安全防护

不久前,国内新一代数据安全技术创新厂商数安行从数据运营的角度重新理解数据安全问题,在国内首先提出数据运营安全(DataSecOps)的防护理念,为数据运营内嵌数据安全属性,通过数据运营安全平台构建全流程的数据自适应访问控制和防护规则体系。

数据运营安全旨在以不影响数据业务流程正常运行的情况下更有效的保护政企组织内的敏感数据资产,对敏感数据的扩散及滥用风险进行快速响应,将数据安全防护策略传递至参与数据运营的所有人员。安全防护与数据业务独立运行互不影响,让数据安全高效的创造价值。

数据运营安全的解决思路,要求以数据运营为中心,对数据存储及业务全流程进行无改造映射,安全防护与数据业务独立运行互不影响,实现真正的安全防护为数据运营服务,促进数据安全有效流转,及时感知敏感数据扩散风险,杜绝各种违规滥用行为,对各种恶意泄密及攻击窃取等危险事件进行快速响应。

零信任数据运营安全平台原理图

数安行认为,数据安全风险产生于数据运营中的各个环节,安全防护措施不应该一味盯着系统和网络的安全,而是应该回归到问题的本质,以数据为核心,围绕数据运营的全流程来建设安全防护体系。

数据运营安全与零信任架构的有机整合

据数安行CEO王文宇介绍,数安行基于零信任架构理论,打造了数据运营安全平台,将数据运营安全的思维产品化,以人工智能为核心驱动,通过对数据业务全流程进行无改造映射,在不改变网络架构、不改造业务的情况下,从数据本体防护角度出发,提升数据运营过程中数据自身的安全性,保证数据运营过程中数据的安全。

数安行在对重要业务的访问保护以及重要数据的隔离防护上都使用了零信任的安全架构,实现敏感数据的主客体准确识别及风险动态评估,以及对各种风险的及时响应处置。零信任的本质是“持续验证,永不信任”,对身份的验证和对环境以及用户的风险评估是零信任的基础,也是数据运营安全的基础之一,两者具备有机整合的底层逻辑基础。

数安行数据运营安全平台会对敏感数据内容及使用环境进行持续的检测分析,对于使用数据的主体用户也会进行身份角色验证和持续的风险评估,让平台拥有了对用户身份及授权设备进行管理和双重验证的能力。

有了对敏感数据和用户身份及风险的检测识别能力,就可以准确地识别内部的扩散风险和违规滥用风险。默认所有的人和环境都是不可信的,而且信任状态也是持续变化的,基于这种持续的、动态的风险评估,才能真正实现自适应的安全防护。

平台能够为企业提供自动化的数据价值发现及数据安全服务,实现隐私数据保护、商业秘密保护和数据业务的有效平衡,帮助用户管理跟踪多种类型、各种来源的个人隐私数据及商业数据,促进各类数据角色的跨职能协作,满足数据使用的法律合规要求,自动感知数据扩散及违规滥用风险。

“数安行的价值在于,我们正在建设一个能够真正实现数据运营安全的生态体系,为客户提供全场景的数据运营安全防护解决方案,让数据安全地创造价值” 王文宇表示。

解构隐私信息泄漏难题,数安行提出数据运营安全新理念

近年来,随着全球信息化和数字化程度的不断加深,人类的生产生活方式正在发生深刻的变革,全球各行业都在加速数字化转型的进程。而作为时代高速发展的核心动力,“数据”的价值得以凸显,爆发式增长,海量聚集的数据一面成为各行业的核心竞争力,一边也正在带来日益突出的数据安全风险。

数据篡改、伪造、泄露、滥用,与针对企业数据的攻击、窃取、倒卖和劫持等安全事件层出不穷,如何保护数据安全已经成为当下各行业企业最为严峻的安全考验。

以金融行业举例来看,金融行业在国民经济发展中占据着十分重要的地位,而作为数据密集型和科技驱动型行业,金融行业自身业务价值高,涉及资金、个人信息、征信信息等十分重要的数据,这些价值极高的个人金融信息数据正在成为不法分子紧盯的重点对象。

根据中国互联网协会发布的《中国网民权益保护调查报告》,有78.2%的网民个人身份信息,63.4%的网民网络金融交易记录都曾被泄露过。近年来,每年发生的金融隐私泄露事件大约以35%的速度增长,据统计,2016年公开报道的金融隐私泄露事件1093起,2017年1511起,2018年1967起,2019年2300余起,2020年这个数字还在急剧增长。

为什么我国金融行业用户隐私保护屡屡失利?

中国银行保险报在近日发布《金融行业网络安全白皮书》中指出,金融行业数据保护主要存在数据安全相关法律法规体系不健全、金融行业业务场景复杂,以及5G、AI等新兴技术带来新的安全风险等多重挑战。

首先,在法律法规层面上看,相比国际,我国数据安全和隐私保护相关立法起步较晚,尽管今年国家已经就《中华人民共和国数据安全阀(草案)》和《中华人民共和国个人信息保护法(草案)》开始公开征求意见,行业监管机构也陆续发布了个人金融信息相关的安全标准,但总体来看,我国尚未形成严谨的金融隐私保护法律体系,针对各机构和平台主要以行政处罚为主。相较其他各国动辄开出数亿美元的天价罚单而言,难以对企业形成有效震慑,推动企业对数据安全保护引起重视。

其次,在技术层面来看, 5G等新技术的快速应用给金融隐私保护带来了更多的风险挑战。截至2019年12月,微信公众号“APP个人信息举报”上共收到了网民举报信息12125条信息,涉及2300余款app;其中移动金融app是违规手机使用个人信息的重灾区;云计算和大数据为大数据分析提供便利的同时,也汇集了大量高价值数据,成为黑客攻击的重点目标。

最后,金融行业复杂多样化的业务场景也是导致数据保护困难重重的重要原因,随着业务的不断发展,金融机构的业务系统每每多达几百上千个,应用场景繁多,其中承载着大量的客户基础信息,业务交易数据、业务产品数据、企业经营数据、机构数据、认证信息、生物特征信息、企业员工信息等大量业务和系统数据。由于这些数据需要在各个系统之间不同的流转,在数据流转的每一个环节都存在着被篡改、泄露的风险。

主要金融机构数据安全领域控制实施情况

据调查显示,当前金融行业主要采取的数据安全防护手段仍然是传统的针对数据本身的保护,而在数据流通的过程中针对数据共享的安全防护手段,仍然处于缺失的状态,只有少量头部金融机构在进行相关的试点和应用尝试。

但事实上,数据的最大特征就是流动,只有流动中的数据才能创造价值。以传统防火墙或是基于终端与边界的防护产品无法对流动中的企业数据起到防护作用。

如何根据企业的业务情况来构建一套动态的体系化的长效安全运营机制,来实现针对企业数据全生命周期的安全管理策略落地,国内许多安全厂商都在围绕这一思路展开探索。

数据运营安全——对数据业务全流程映射管理与安全防护

不久前,国内新一代数据安全技术创新厂商数安行从数据运营的角度重新理解数据安全问题,在国内首先提出数据运营安全(DataSecOps)的防护理念,为数据运营内嵌数据安全属性,通过数据运营安全平台构建全流程的数据自适应访问控制和防护规则体系。

数据运营安全旨在以不影响数据业务流程正常运行的情况下更有效的保护政企组织内的敏感数据资产,对敏感数据的扩散及滥用风险进行快速响应,将数据安全防护策略传递至参与数据运营的所有人员。安全防护与数据业务独立运行互不影响,让数据安全高效的创造价值。

数据运营安全的解决思路,要求以数据运营为中心,对数据存储及业务全流程进行无改造映射,安全防护与数据业务独立运行互不影响,实现真正的安全防护为数据运营服务,促进数据安全有效流转,及时感知敏感数据扩散风险,杜绝各种违规滥用行为,对各种恶意泄密及攻击窃取等危险事件进行快速响应。

零信任数据运营安全平台原理图

数安行认为,数据安全风险产生于数据运营中的各个环节,安全防护措施不应该一味盯着系统和网络的安全,而是应该回归到问题的本质,以数据为核心,围绕数据运营的全流程来建设安全防护体系。

数据运营安全与零信任架构的有机整合

据数安行CEO王文宇介绍,数安行基于零信任架构理论,打造了数据运营安全平台,将数据运营安全的思维产品化,以人工智能为核心驱动,通过对数据业务全流程进行无改造映射,在不改变网络架构、不改造业务的情况下,从数据本体防护角度出发,提升数据运营过程中数据自身的安全性,保证数据运营过程中数据的安全。

数安行在对重要业务的访问保护以及重要数据的隔离防护上都使用了零信任的安全架构,实现敏感数据的主客体准确识别及风险动态评估,以及对各种风险的及时响应处置。零信任的本质是“持续验证,永不信任”,对身份的验证和对环境以及用户的风险评估是零信任的基础,也是数据运营安全的基础之一,两者具备有机整合的底层逻辑基础。

数安行数据运营安全平台会对敏感数据内容及使用环境进行持续的检测分析,对于使用数据的主体用户也会进行身份角色验证和持续的风险评估,让平台拥有了对用户身份及授权设备进行管理和双重验证的能力。

有了对敏感数据和用户身份及风险的检测识别能力,就可以准确地识别内部的扩散风险和违规滥用风险。默认所有的人和环境都是不可信的,而且信任状态也是持续变化的,基于这种持续的、动态的风险评估,才能真正实现自适应的安全防护。

平台能够为企业提供自动化的数据价值发现及数据安全服务,实现隐私数据保护、商业秘密保护和数据业务的有效平衡,帮助用户管理跟踪多种类型、各种来源的个人隐私数据及商业数据,促进各类数据角色的跨职能协作,满足数据使用的法律合规要求,自动感知数据扩散及违规滥用风险。

“数安行的价值在于,我们正在建设一个能够真正实现数据运营安全的生态体系,为客户提供全场景的数据运营安全防护解决方案,让数据安全地创造价值” 王文宇表示。