
大数据应用获各路资本热捧 行业标准建立成发展关键
千亿产业机遇,让大数据产业成为全国各地布局抢占的下一个互联网+的风口。
大数据成布局抢占下一"风口"
去年6月,李克强总理主持召开国务院常务会议,就指出要运用大数据等现代信息技术促进政府职能转变,提升政府服务和监管效率,造福广大群众。
工信部近期表示,将抓紧研究制定大数据发展的指导性文件,推动应用和产业相互促进、良性发展,为我国大数据产业和大数据创新发展探索积累经验。
地方政府更是积极向上,不断出台相关政策,持续推动大数据的发展,大数据成为各地布局抢占的下一"风口"。据悉,上海近日正在筹建数据交易中心,已报请上海市政府等待批复。对此,上海市经信委副主任邵志清表示,希望借助数据交易中心,推进数据市场的有序流动。而继去年4月贵阳成立国内第一家大数据交易所后,去年7月,武汉集中揭牌了长江大数据交易所(筹)和东湖大数据交易中心,紧接着12月,江苏盐城上线了运营华东江苏大数据交易中心平台,徐州、北京、哈尔滨等地也不甘示弱在筹建数据交易市场,广东则专门成立了省大数据管理局,重庆则提出到2017年形成500亿元大数据产业交易规模,建成国内重要的大数据产业基地,等等。
根据IDC的报告,截至2015年,全球大数据市场规模已成长到390亿美元的空间,到2017年,市场规模将突破500亿美元。IDC统计数据同时显示,2011年全球数据总量就已达到1.8ZB(1ZB等于1万亿G B,1.8ZB也就相当于18亿个1T B移动硬盘的存储量),而预计到2020年全球将总共拥有35ZB的数据量,增长近20倍,全球大数据产业链有望迎来新的重大发展机遇。
大数据应用迎来投资良机
目前,大数据已被广泛应用到政府公共管理、零售业、医疗服务、制造业等各大领域,并催生了千亿元的产业。因此,大数据的特殊功用与诱人前景,让各大巨头垂涎欲滴,这导致近一两年来互联网企业的投资与并购时刻围绕着获取大数据展开。
去年11月21日,九次方大数据在北京召开发布会,宣布"完成两轮融资总计7亿元人民币,估值30亿"。此次融资,共有博信资本、建银财富等18家资本机构资参与,"大数据产业没有寒冬"的宣传令人印象深刻。而近年,百度祭出19亿美金高昂代价收购91助手;阿里巴巴斥巨资连续收购虾米、战略投资陌陌,并参股新浪微博,控股高德地图;腾讯除致力发展QQ,近年也大力发展微信营销,并购买、控股一些社交、通讯型创业公司;360则不惜血本依靠免费杀毒获取海量用户群,占据国内安全数据领域主平台。这些互联网巨头都明白,在未来掌握某生态圈便掌握这一领域的大数据,运用数据挖掘与分析便能演绎精彩成功的商业模式。
近两年是大数据市场主要培育期,而真正的业绩释放将是2016年,2016年将是中国大数据的产出年。预计在政策的不断推动下,大数据概念股有望获得提振,数据资源运营企业将受到资本市场的热捧。A股市场上,大数据概念股可分为五大类,第一类是与海量数据的存储和采集处理相关的公司;第二类是与数据中心建设与运营维护相关的公司;第三类是与视频化应用相关的公司;第四类是与智能化和人机交互概念相关的公司;第五类则是数据安全相关公司。
由于国内目前仍处于大数据时代逐渐爆发的前夜,综合考虑企业的受益确定性和潜在市场规模以及服务对象,可依主次先后关注:天玑科技、汉得信息、浪潮信息、远光软件、东方国信、美亚柏科、拓尔思等相关大数据上市公司。
行业标准建立成发展关键
目前我国大数据发展还存在五个方面的问题,包括信息孤岛普遍存在,跨部门、跨行业的数据共享仍不顺畅;一些地方误将数据中心建设视为大数据产业发展重点,盲目追逐硬件设施投资,未能主动推进大数据产业发展与应用需求间的对接;技术创新与支撑能力不足;数据资源建设和应用水平低;信息安全和数据管理体系尚未建立。
复旦大学数字与移动治理实验室在其2015年公布的《中国开放政府数据平台研究框架、现状与建议》中称,中国开放数据实践存在六个方面的主要问题:行业尚无共同标准、数据量少、价值低、可机读比例低,开放的多为静态数据,数据授权协议条款含糊,缺乏便捷的数据获取渠道,缺乏高质量的数据应用,缺乏便捷、及时、有效、公开的互动交流,让国内大数据一时很难做大做强。
据悉,目前国家正在从七个方面着手促进大数据的发展,包括完善组织实施机制、加快法规制度建设、健全市场发展机制、建立标准规范体系、加大财政金融支持、加快专业人才培养、促进国际交流合作。其中,建立标准规范体系是许多公共数据开放的重要条件,也是行业发展的关键。现阶段急需通过标准化的途径整合资源,形成统一的数据格式、接口、安全、开放等各类规范。
据悉,2014年底全国信息技术标准化技术委员会大数据标准工作组成立,开始统筹开展我国大数据标准化工作,正在研制的国家标准有10项,其中《信息技术大数据术语》和《信息技术大数据技术参考模型》等8项国家标准已经完成草案,即将公布实行。
距离真正的大数据时代还有很长的路要走,我们更需要冷静地思考,如何才能让技术更扎实而有效地落地,如何让标准统一规范,如何建立一个庞大开放的生态群,以能真正的挖掘到这座大数据金矿,做大做强我国大数据产业。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 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 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29