
抓好三类大数据应用_数据分析师考试
“大数据是中国发展的一大机遇。”6月17日,中国工程院院士潘云鹤做客中央党校中央国家机关分校大讲堂时说。
人类正进入大数据时代,各国都在关注这一变化。中国也不例外。对此,潘云鹤指出,中国政府要抓好城市大数据、行业和企业大数据、科技大数据这三类重要大数据的应用,为民众、企业、政府做好服务。
与网上呈现的大数据信息相比,城市大数据则更重要、更富有应用价值,它涵盖了城市建设、环境、企业产业、教育、医疗卫生、食品、文化等多方面。
那么,谁有能力聚集和连接这些数据呢?是公司、公共机构,还是政府?潘云鹤认为,这要依靠权威机构、技术和市场的合作。
其中,政府应在城市大数据的管理与开放中起主导作用。这主要表现在:促进知识服务业发展,创造新的市场与技术;确保个人信息不受侵犯、公共信息安全与共享;提高城市管理能力与决策水平,更好为市民提供服务。
“中国工业化与城市化的环境和政府结构有利于发展城市大数据。如果做得好,中国可以用城市大数据来深化智能城市的发展。”潘云鹤说。
在潘云鹤看来,把行业和企业大数据应用好,对我国经济结构调整和经济转型升级极为有利。他举例说,我国物流业整体能力不强,尤其是占国内运输75%以上运量的公路物流,相比发达国家落后近20年。在欧美,物流成本占物价的10%~15%,中国为20%~40%;欧美的物流费用占GDP的10%,中国为18%。
“有货的找不到合适的司机,有车的找不到合适的货源。这就是大数据能够发挥作用的地方。”潘云鹤说。
传化公路港平台在这方面进行了有益的尝试:线上线下联动,以卡车司机为主要服务群体,以全网运力交易市场为核心模式,全力打造了全网络化服务产品,组成一个公路物流的信息化智能指挥体系,实现全网范围内的运力调度采购、实时监控。
潘云鹤介绍说,该平台利用大数据提升了物流效率,降低了物流成本,使配货时间从72小时降低到6~9小时,平均降低工业企业运输成本40%。同时,通过集约化管理,有效改善了公路物流“小、散、乱、差”的面貌。
“工业结构调整、产业升级,不是空喊口号。中国的经济管理部门应该去研究行业生态环境、城市生产生态环境,运用大数据具体分析什么是薄弱环节,进而将新型城镇化、深度信息化和工业化升级版深度融合。”潘云鹤强调。
关于科技大数据的应用,潘云鹤谈到,中国工程院从2012年开始建设中国工程科技知识中心,以连接多个数字图书馆、专业数据库和相关网站,使数据能够从不同的角度重新组织并获得新的认识。
“大数据在研究宏观、中观、微观经济和社会问题上都很重要。”潘云鹤说,“我国可以利用体制的优越性,政、产、学结合,果断地占领大数据战略的制高点,使其运行迅速智能化。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26