 京公网安备 11010802034615号
			经营许可证编号:京B2-20210330
 京公网安备 11010802034615号
			经营许可证编号:京B2-20210330
		中国电信主导国际电联首个大数据标准获得批准_数据分析师考试
	
4日从中国电信获悉,由中国电信主导制定的基于云计算的大数据需求与能力标准获得国际电信联盟ITU-SG13会议批准,ITU建议Y.3600进入发布流程。
在当今的大数据时代,由于数据量大且复杂,使得传统的数据技术无法快速且准确的传输和分析数据。 TU Y.3600指出了大数据环境下的功能需求和能力需求,并且列举了云计算的使用案例,还详细介绍了基于云计算的大数据,它具有数据收集、数据存储、数据分析、数据可视化和数据管理等能力,广泛运用于各个领域。
ITU Y.3600标准首先明确给出了大数据的定义:在信息和通信技术快速发展的当代,巨大的数据量出现在我们的视野里,在传统数据处理方法和工具无法满足我们的要求时,新的解决技术应运而生,这就是大数据技术。大数据的出现带有它自己独特的特征:Volume、Variety、Velocity、Veracity、Value,分别代表着大数据的大量化、多样化、快速化、准确化、价值化,我们一般简称它们为“5V”特征,基于这五大特征,大数据可以解决许多新的挑战,创造更多新的机会。
同时该标准也描述了整个“大数据生态系统”,在该系统中包含数据供应商、大数据服务供应商和大数据服务客户这三个角色,并给出了每个角色在业务链上的各自的角色扮演、必要的工作以及他们之间的关系。
美国市场研究公司IDC周二发布报告称,全球大数据技术和服务市场将在未来几年保持31.7%的年复合增长率,2016年的总规模有望达到238亿美元。
照此计算,大数据市场的增速将达到同期整个信息和通信技术领域增速的7倍。
Y.3600标准是ITU-T在大数据系列标准中的第一个标准。该标准由中国电信牵头编制,基于电信、互联网、交通等行业大数据分析需求和技术发展提出的。该标准于2013年6月立项,历时25个月的时间编制完成并获得批准。
同时中国电信还在国际电信联盟ITU-T主导制定了云计算基础设施需求(Y.3510)、IaaS服务功能需求(Y.3513)等多项标准,同时正在制定大数据即服务参考架构、云间互联参考架构等相关国际标准,这也标志着中国在云计算、大数据研究领域已经处于领先地位,并将推进云计算、大数据等领域国际标准研究制定工作。
 
                  数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17