
今年大数据创业的机会在哪里?
伴随着大数据概念的火热,围绕着大数据的创业潮也一浪高过一浪。中关村大数据产业联盟副秘书长陈新河6日在上海表示,近年各地大数据创新创业公司大量涌现,其中80%集中在北京中关村。
IDC调查数据显示,2015年中国大数据解决方案超过6亿美元,预计今年将超过8亿美元。具体来看,其中72%左右为IT基础设施,其余则为软件和服务领域,大概分别占14%和16%。另外,据IDC测算,目前中国整个大数据的市场空间大概为4656亿美元。
事实上,大数据尽管是一个新兴的领域,但是在某些方面已经出现了明显的浪费和过剩现象。继贵阳之后,成都、安徽等各地掀起一股建设大数据交易中心的热潮,陈新河表示,这其实是个误区。目前大数据可分为两大部分,一是通过建模提供大数据工具等交易平台的基础大数据领域;二是产业大数据。前者的市场空间非常小。
大数据的主要市场空间在于同产业的结合。2015年被称为“大数据应用”的元年。显然,长远来看大数据在能源、金融、电信、汽车、消费等几乎所有的行业都有用武之地,将来的机会无疑是巨大的。但是对于创业者而言,当前进行大数据创业最大的机会在哪里呢?
华院数据技术有限公司是一家孵化大数据创业企业的公司,运营十余年,该公司董事长、创始人宣晓华告诉证券时报记者,大数据机会在于同其结合紧密、市场大的一些产业,今年最看好的几个领域是消费、互联网金融以及围绕智慧城市建设的一些领域,比如智慧旅游等,医疗健康教育这些领域将来空间也很大,但目前还没有清晰的方向。此外,工业大数据也值得关注。
宣晓华表示,之所以看好这些行业,是因为首先它们都与“人”有关,行业本身市场体量规模大,其次,它们同数据的关系更大,结合更紧密。此外,这些领域也是目前国家在大数据战略上支持的主要方向,并且受到投资者的关注。
不过,尽管机会不少,大数据创业也并非易事。宣晓华认为,大数据创业比互联网创业难度更大,严重缺乏经验和人才。那些未选择孵化合作的创业企业成功率低于30%。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13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