
大数据不在于“大”而在于“用”
近日,国家发改委公布《关于组织实施促进大数据发展重大工程的通知》,提到四个“重点支持”,即大数据示范应用、大数据共享开放、基础设施统筹发展、数据要素流通(数据分析师培训)。“开展创业创新大数据应用,实施大数据开放行动计划”“整合分散的政务数据中心,探索构建国家数据中心体系”等提法也引起社会关注。
“大数据”是一种规模大到在获取、数据存储、数据管理、数据分析方面,大大超出传统数据库软件工具能力范围的数据集合,具有海量的数据规模、快速的数据流转等特征。海量数据和奇思妙想加以链接,孕育着巨大价值。《2015年中国大数据发展调查报告》显示,2015年中国大数据市场规模达到115.9亿元,增速达38%。面对庞大的市场,不仅各地政府在积极“圈地”,各大数据企业亦纷纷从中寻求商机。
数据作为一种资源,在“沉睡”的时候是很难创造价值的,需要数据挖掘。有人把大数据比喻为蕴藏能量的煤矿。煤炭按照性质有焦煤、无烟煤、肥煤、贫煤等分类,而露天煤矿、深山煤矿的挖掘成本又不一样。与此类似,大数据并不在“大”,而在于“用”。
如何提升大数据价值?首先要实现数据公开。数据开放是大势所趋,信息使用的边际收益是递增的,信息流动和分享的范围越大,创造的价值就越高,而线上、线下数据化和数据开放正是信息大范围流动的两大前提。推动数据开放和流通在发达国家已成为共识。自从“互联网+”上升为国家战略后,中央不断加大力度推动数据开放,为大数据的公开奠定了坚实基础。实施大数据开放行动计划,建立统一的公共数据共享开放平台体系,其用意正是在开放共享。
其次是要进行数据评估。大数据产业的核心枢纽是数据交易,而数据资产评估、定价是交易的核心。不过,目前大多数政府、企业确实是拥有很多数据,但仅仅限于“数据大”,而不是大数据,也并不了解自身大数据资产的价值。当前,我国缺乏一个共识性的数据资产价值评估模型或参考模型,也没有关于数据资产价值的准确定义。此次发改委发布促进大数据发展重大工程的政策,有利于大数据评估体系的建立。
最后,是要培养大数据人才<数据分析师培训>。大数据是一种虚拟化的数字及其运算逻辑,不仅需要高端的计算机知识,更需要综合掌握数学、统计学、信息工程等相关学科知识。目前国内的大数据人才储备远不能满足发展需要,尤其是缺乏既熟悉行业业务需求,又掌握大数据技术与管理的综合型人才。
大数据已经成为国家重要的战略性资源和商业创新的源泉,充分挖掘并应用大数据这座巨大而未知的宝藏,将数据变成“慧说话”的活数据,将成为政府精准管理社会的法宝和企业转型升级的关键。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 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 ...
2025-09-04