京公网安备 11010802034615号
经营许可证编号:京B2-20210330
云计算大数据潮起 运营商不进则退
2015年是云计算和大数据的“政策大年”。从年初开始,各种政策利好频频到来,发展云计算和大数据已经上升到国家战略层面。借助政策“春风”,云计算和大数据产业蓬勃发展,市场规模不断扩大,产业生态正在形成,越来越多的传统行业开始拥抱云计算和大数据,电信运营商面临新的机遇和挑战。
政策利好频出
鉴于云计算和大数据在新一轮产业革命中发挥的重要作用,越来越多的国家将发展云计算和大数据上升为国家战略。2015年上半年,我国相继发布了多个有关云计算和大数据的重磅政策,密度和力度之大前所未见。
1月,国务院印发了《关于促进云计算创新发展 培育信息产业新业态的意见》,明确提出了云计算发展的原则、目标、任务和措施。这被认为是一份影响我国云计算、信息产业乃至信息化长远发展的重要政策文件。根据规划,到2020年,云计算将成为我国信息化重要形态和建设网络强国的重要支撑,云计算应用基本普及,云计算服务能力达到国际先进水平,并掌握云计算关键技术,形成若干具有较强国际竞争力的云计算骨干企业。
3月5日,李克强总理在政府工作报告中首次提出“互联网+”行动计划,强调要推动移动互联网、云计算、大数据、物联网等与现代制造业结合,促进电子商务、工业互联网和互联网金融健康发展,引导互联网企业拓展国际市场。而不到4个月的时间,7月1日国务院发布了《关于积极推进“互联网+”行动的指导意见》,“云计算”和“大数据”成为重要内容,在文件中多次出现。
6月17日,国务院总理李克强主持召开国务院常务会议,部署加大重点领域有效投资,发挥稳增长调结构惠民生的多重作用。会议特别强调,运用大数据等现代信息技术是促进政府职能转变、简政放权、放管结合、优化服务的有效手段,在环保、食品药品安全等重点领域引入大数据监管,用政务“云”提升政府服务和监管效率、造福广大群众。
8月19日,国务院常务会议通过《关于促进大数据发展的行动纲要》,会议认为,开发应用好大数据这一基础性战略资源,有利于推动大众创业、万众创新,改造升级传统产业,培育经济发展新引擎和国际竞争新优势。会议强调,要推动政府信息系统和公共数据互联共享,消除信息孤岛;要顺应潮流,引导支持大数据产业发展,深化大数据在各行业的创新应用,催生新业态、新模式,形成与需求紧密结合的大数据产品体系,使开放的大数据成为促进创业创新的新动力;要强化信息安全保障,完善产业标准体系,依法依规打击数据滥用、侵犯隐私等行为。
今年以来,短短几个月间,重量级政策密集出台,让ICT产业乃至整个社会都看到了云计算和大数据的发展前景。在政策“东风”的推动下,我国的云计算产业蓬勃发展,市场规模不断扩大。据中国信息通信研究院统计显示,2014年,我国公共云服务市场规模达到70亿元左右,增速达到47.5%,高于全球同期18%的增速,预计2015年市场规模将突破100亿元;2014年中国专有云市场规模约为216.8亿元,年增长率达到28.6%,预计市场规模将达275亿元左右。与此同时,云计算产业的生态体系正在形成,核心技术能力显著增强,与发达国家的差距日渐缩小。尤为值得一提的是,越来越多的行业开始拥抱云计算和大数据,云计算和大数据正在推动整个社会的创新,助力更多行业实现转型升级。
运营商还需“深度拥抱”
云计算和大数据正在打破传统IT架构,给各行各业带来新的机遇。对于电信运营商、互联网企业、IT厂商以及初创企业而言,云计算和大数据都意味着机遇,甚至是决定企业未来的不二法宝。
在我国云计算市场,电信运营商是不容忽视的重要力量。这主要得益于运营商进入市场时间较早,且拥有一些天然的优势:一是广泛的网络覆盖,二是高速的宽带接入能力,三是多年积累的渠道资源,四是品牌影响力以及丰富的客户服务经验。相比较互联网企业,电信运营商更能为企业以及行业用户提供个性化且具备电信级服务质量的云计算解决方案。不过,鉴于云计算市场的战略意义,越来越多的公司开始加大云计算市场的投入力度,一些互联网公司甚至制造商已经开始建设自有数据中心,发展公有云,直接面对用户。这对运营商形成有力挑战,运营商还需要深度拥抱云计算,这不仅意味着在云计算市场占据优势地位,同时也是为自身的转型发展提供强力支撑。
相比云计算,电信运营商在大数据市场的优势就不够明显。 作为大数据的传送者、生产者和使用者,目前电信运营商对于大数据的挖掘、开发、利用还远远不够。虽然拥有海量的数据资源,但是缺乏统一规划,数据分散且不完整,未能得到有效整合。即使一些公司开始分析利用大数据也主要集中在自身的内部优化上,偶尔出现的外部合作也不成规模,尚未找到理想的变现之道。原信息产业部部长吴基传曾公开呼吁:“运营商明明坐拥一座金矿,却都被BAT挖走了,要转变思路,一些不适应时代的规章制度,该打破的就要打破。”
“大数据已经成为新时代最具价值的宝藏之一,在某种程度上说,谁拥有了大数据谁就拥有了未来。”国务院副总理马凯在贵阳国际大数据产业博览会上强调了大数据的重要性。云计算和大数据代表了先进生产力,无论是国家、企业、个人都不能错过时代赋予的难得机遇,坐拥网络和用户资源优势的电信运营商更是要抢抓机遇,乘势而上,掌握发展的主动权。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25