
大数据时代创新创业的三个方向和四大挑战
大数据时代创新创业的三个方向和四大挑战【导语】从传统互联网的人机互联,人人互联,到工业互联网的物物互联,人机物三种端各自互联,才带来大数据的产生,利用云进行大数据的存储和计算,实现数据的融合和服务,数据从哪里来,到哪里去,数据如何关联,如何找到市场需求实现价值是关键。数据采集加工的跑马圈地已入中盘,数据分析与应用的商业模式才刚刚开盘,而这需要模式具备可持续性和可扩展性。如今时代变了,以前以企业为核心的理念转向以消费者、以用户为核心的理念,以前的设计在进行创意时以往主要靠拍脑袋决策,如今需要数据的支持和支撑来指导创意。基于大数据的创新创业面临的挑战,主要有四个方面:一是拿到可以利用的数据比较难,目前不少创业公司都是基于互联网上公开的数据在进行应用开发。二是大数据应用可能威胁到企业中传统的角色地位甚至生存,这就涉及到与传统利益的冲突,因此大数据应用推广需要一把手牵头推动。第三个瓶颈是人力资源,不管美国还是中国大数据人才非常紧缺,包括数据科学家和数据分析师,这些人才需要高校和企业一起合作来进行培养。
第四关于投资的难度加大,需要有更多大数据商业应用成功的项目和例子来引领投资的方向。
大数据时代创新创业的三个方向和四大挑战
——ADEC联手浙大、五叶草大数空间举办“大数据时代的创新创业实践与思考”研讨会
在大众创新、万众创业的热潮中,基于大数据的创业创新备受关注。12月17日,阿里数据经济研究中心(ADEC)、浙江大学管理学院、五叶草大数空间三者携手合作,邀请20余位浙大学者走入云栖小镇,在杭州这个创新创业的基地,聆听大数据创业创新实践者的感受,共同开展“大数据时代创业创新的实践和思考”的相关话题研讨。
三家大数据创新创业领域的企业数能科技、华院数据和洛可可公司的负责人给大家分享了他们的实践方向、面临挑战以及心得体会。在分享结束后,就大家关注的话题分组讨论的环节受到参会企业以及研究者们的欢迎。
三个方向和四大挑战
浙江大学管理学院教授刘渊老师在分享中提到,从传统互联网的人机互联,人人互联,到工业互联网的物物互联,人机物三种端各自互联,才带来大数据的产生,利用云进行大数据的存储和计算,实现数据的融合和服务,数据从哪里来,到哪里去,数据如何关联,如何找到市场需求实现价值是关键。
图为浙江大学管理学院教授刘渊
以浙江大学郭斌老师为组长的小组认为大数据创新创业的商业模式有三个方向(Analytics , Data, Services ,ADS)值得关注,其中A相当于为企业提供数据的计算分析能力;第二类D是提供数据为主,要做有效的决策背后所使用的数据可能来源于多个数据源,可以集聚数据成为运营的资源;第三类S相当于提供基于数据的服务,这种服务要嵌入到企业运营的业务流程。
以郑刚老师为代表的小组总结了基于大数据的创新创业面临的挑战,主要有以下四个方面:一是拿到可以利用的数据比较难,目前不少创业公司都是基于互联网上公开的数据在进行应用开发,二是大数据应用可能威胁到企业中传统的角色地位甚至生存,这就涉及到与传统利益的冲突,因此大数据应用推广需要一把手牵头推动;第三个瓶颈是人力资源,不管美国还是中国大数据人才非常紧缺,包括数据科学家和数据分析师,这些人才需要高校和企业一起合作来进行培养;第四关于投资的难度加大,需要有更多大数据商业应用成功的项目和例子来引领投资的方向。
大数据创新创业的三个实践
数能科技:数据分析老兵的创业之路
数能科技的总经理张晓明先生在国外有20多年的数据分析的经验,他在分享中谈到,美国的大数据指的是用常规方法无法处理的数据,比如音频、视频等数据,而中国的大数据实际上是大数据+小数据,以电影行业为例,通常都是数据采集后转化为小数据来进行统计分析和数据挖掘。
图为数能科技的总经理张晓明
张总认为,中国发展大数据面临三大挑战:一是数据孤岛现象严重,二是行业知识缺乏,在业务、技术和行政人员三方面沟通比较困难,跨学科的沟通以前比较缺乏,使得整个行业发展在应用层面的发展不快,三是过去中国的发展是粗旷式的,哪有机会往哪跑,现在是精细化管理,进行资源的优化配置,而政府官员对这种需求的优先级不高。
在大数据的商业模式方面,张总认为,数据采集加工的跑马圈地已入中盘,数据分析与应用的商业模式才刚刚开盘,而这需要模式具备可持续性和可扩展性,其中人才也是发展的一个瓶颈,尤其欠缺具备硬实力和软实力的数据分析师,尤其是软实力方面对于理工科学生来说更难,软实力主要指的是沟通、好奇心和业务理解力。
数能科技开发的“电影票房预测”应用和“电影排片宝”应用都是典型的基于数据的新应用,电影票房预测每天早晨9点半会发布当天的票房预测结果,希望成为全国以及各个城市电影票房的预测风向标,为发行人进行精准营销提供依据,“电影排片宝”应用通过收集来自媒体、影院的历史数据、网上售票的预售数据等信息为各大影院排片提供建议。这种应用场景还可以衍生到客流预测与资源优化管理,比如在旅游景点、大型超市等。
华院数据:数据分析人才基地的孵化新模式
国内专业的数据分析挖掘人才有很多都来自于华院数据,来自华院数据的执行总裁麦星在分享“华院数据——产业大数据生态的深度孵化器”的主题时谈到,华院数据目前聚焦是以大数据行业解决方案为核心,基于自己多年的技术积累,提供数据互联、人工智能引擎等核心能力和产品,融入于垂直行业,在各行业孵化出独立、专注、聚焦的大数据子公司。
图为华院数据的执行总裁麦星
目前已经孵化了数云、数创、数尊、华院分析等多家大数据+电商、零售、O2O、运营商的创业公司,这些创业公司形成产业大数据的生态,比如数云科技是电商数据应用的创业公司,为阿里巴巴平台上的商家提供CRM解决方案,连续三年都是金牌淘拍档。
洛可可:传统工业设计公司的大数据创新转向消费者为中心
洛可可作为一家工业设计公司,它所推出的一款55度杯子一上市就备受欢迎,杭州分公司负责人夏治朋在分享时提到,如今时代变了,以前以企业为核心的理念转向以消费者、以用户为核心的理念,以前的设计在进行创意时以往主要靠拍脑袋决策,如今需要数据的支持和支撑来指导创意,而且数据不仅是B端的需求,更重要的需要最终消费者的需求,让创意和设计更加精准。
图为洛可可杭州分公司总经理夏治朋
以前的产品只有功能,现在的产品还要有服务、有情感,产品具备智能的基础需要有大数据,现在的产品大都是软硬件结合的,同时还有app,从而了解用户的行为和习惯,通过App端数据的抓取来获知用户的行为和习惯,从而改变创意和设计,使得用户感知到产品是为之定制的。
大数据的创新创业刚刚开始
在信息经济发展迅猛的今天,随着数据扮演生产要素的角色,云计算发挥公共计算基础设施的作用,数据的开放、共享与流动成为可能,数据的融合激发新的生产力。与以往任何一个时代相比,大数据时代的创业创新将拥有更多的机会、更大的空间。虽然现阶段我国数据相关的法规政策尚不完善,基于数据的创业创新实践尚在探索阶段,业务和服务模式还不成熟,不确定性正意味着更多机会,因此我国不断涌现出企业进行基于大数据的新模式的尝试和探索。阿里数据经济研究中心(ADEC)期待与更多学界研究者进行深入合作,共同推动中国数据经济的良性快速发展。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02