京公网安备 11010802034615号
经营许可证编号:京B2-20210330
2016年大数据发展七大趋势
国家战略引领各地加快落实推进大数据行动
我国对大数据发展高度重视。2015年8月,《国务院关于印发促进大数据发展行动纲要的通知》(国发〔2015〕50号)发布,明确了发展大数据的指导思想、发展目标和发展任务,为未来我国大数据发展与应用指明了方向。10月,《中共中央关于制定国民经济和社会发展第十三个五年规划的建议》发布,提出要“实施国家大数据战略,推进数据资源开放共享。”在国家战略的引领下,相关部委正在组织开展相关工作,20多个省市已发布了促进大数据发展的政策文件。展望2016年,在大数据战略的引领下,依托纲要的贯彻实施,我国将在大数据产业规划编制、地方大数据试点、大数据关键产品研发和产业化、大数据基础设施建设、大数据标准体系建设等方面取得显著进展;同时将有更多地方加快推进大数据发展,并在政府政务、民生服务、医疗卫生、生态环保、食品药品、社会信用、交通物流、文化教育、财税金融、品牌宣传支持和培育出一批具有代表性的大数据应用。
需求导向将助力大数据加速“走下神坛”、贴近应用
虽然各方面已认识到大数据的重要性,但对大数据应用的思路、模式、方法多不清楚,影响了大数据的落地。其中的重要原因之一在于未能将大数据应用与工作生活实际需求结合起来。2015年,我国提出了“十三五”期间创新、协调、绿色、开放、共享五大发展理念,发布了“中国制造2025”和“互联网+”行动指导意见,在稳增长、调结构、促改革、惠民生等方面提出了许多具体的发展场景,为大数据走入工作、走入生活明确了指向目标。展望2016年,大数据将与我国政府管理方面预先响应经济社会指标变化,提高城市管理、安全管控、行政监管科学性和准确性等需求结合,与公共服务方面扩大交通、医疗、教育等公共服务等领域的服务范围,提升服务质量的需求结合,与行业应用方面准确分析消费需求、持续优化生产流程、精准定位市场营销对象的需求结合,加速由“梦想”变为“现实”。
工业大数据将推动智能制造和制造强国建设
加快建设制造强国,是构建产业新体系、增强我国综合国力的重要战略,实施智能制造工程,是构建新型制造体系、建设制造强国的重要内容。大数据作为新一代信息技术和产业发展的重要方向,对制造业研发设计、生产制造、经营管理、销售服务等全产业链具有重要影响,是实现智能制造的核心动力,为建设制造强国提供了难得机遇。“中国制造2025”中明确要求促进大数据在企业研发设计、生产制造、经营管理、销售服务等全流程和全产业链的综合集成应用。展望2016年,以“中国制造2025”实施为依托,将有越来越多的企业更加注重整合、分析制造设备数据、产品数据、订单数据以及生产过程中产生的数据,能够使生产控制更加及时准确,生产制造的协同度和柔性化水平显著增强,从而给制造业配备上“大脑”,使之能灵活应对各种业务场景,实现真正的智能。
公众参与将成为推动政务大数据发展应用的有效手段
由各级各类政府部门及公共机构掌握的政务数据,是现阶段我国数量最庞大、价值密度最高的一类数据资源,该金矿若能被挖掘利用,将有效提高我国社会信息化水平和全社会发展质量。《国务院办公厅关于运用大数据加强对市场主体服务和监管的若干意见》(国办发〔2015〕51号)已在此方面提出细致明确的工作内容。从实践看,政府部门自身的信息技术应用能力有限,要在短时间内实现政务大数据的充分应用将面临较高门槛。因此,发挥公众力量将是必然选项。2015年,上海市尝试开放涵盖政府部门、事业单位、公共服务企业等单位十大领域、总容量达上千GB的交通大数据,征求缓解拥堵、便利出行的大数据应用方案,率先进行了有益尝试。展望2016年,将有更多政府部门主动引入社会力量,通过合理有序开放政务数据资源及政府购买服务、协议约定、依法提供等方式,依靠公众智慧,推动政务大数据的发展与应用。
民生领域大数据应用加速,推动信息惠民向纵深发展
要构建以人为本、惠及全民的民生服务新体系,就必须依托大数据,发现民生需求,丰富服务种类,提高服务质量,在健康医疗、养老服务、劳动就业、文化教育、交通旅游、社区服务等方面不断满足人民群众日益增长的个性化、多样化需求,加快民生服务普惠化。《促进大数据发展行动纲要》中明确提出了医疗健康服务大数据、社会保障服务大数据、教育文化大数据、交通旅游服务大数据4项公共服务大数据工程,《国务院关于积极推进“互联网+”行动的指导意见》(国发〔2015〕40号)也要求用好大数据等手段,加快发展基于互联网的医疗、健康、养老、教育、旅游、社会保障等新兴服务。展望2016年,结合大数据战略和“互联网+”行动的实施,各个地方将加快大数据在民生领域的应用探索和普及推广,使大数据更加深入的走进百姓日常生活中,真正实现智慧生活、信息惠民。
大数据交易机制加快探索,交易中心模式走向成熟
大数据交易可以打破信息孤岛及行业信息壁垒,汇聚海量高价值数据,对接数据市场的多样化需求,完善产业生态环境,实现数据价值的最大化,对推进大数据产业创新发展方面具有深远意义。我国多地对大数据交易非常重视,已经建立或宣布建立了中关村数海大数据交易平台、贵阳大数据交易所、武汉东湖大数据交易中心、河北大数据交易中心等交易载体,京东等企业也开始为数据提供方和需求方提供数据交易的开放。客观来看,国内大数据交易还处于初级阶段,规范尚未统一,发展模式也处于摸索过程中。未来,伴随各行业数据交易需求的日渐强烈,大数据资产属性日益凸显,在数据隐私保护、数据交易规范等日臻完善情况下,将诞生一个万亿级的交易市场。展望2016年,依托各地已建、在建的交易载体,数据交易市场试点将快速推进,数据资源交易机制和定价机制将初步建立,数据交易行为将走向成熟。
基于大数据的人工智能市场化、产业化取得新进展
2105年已经成为人工智能技术标志性的一年。国外的IBM、谷歌、FACEBOOK、微软等巨头企业以自己的人工智能实验室为依托,在照片识别、机器翻译、决策助手等领域推出了一大批有显著创新性的技术和产品;一些创业公司的研发成果也被应用到大数据智能采集与分析,以及医学诊断、环境科学、无人驾驶、虚拟现实/增强现实等领域。国内的百度宣布,其“百度大脑”目前已达到3到4岁小孩的智力水平。这些成果的取得与大数据密不可分。《国务院关于积极推进“互联网+”行动的指导意见》中已明确将人工智能作为重点布局的11个领域之一。同时,IBM提出了认知计算的概念,要加快推动人工智能在医疗保健、零售、金融、饮食等垂直行业的市场化进程,使人工智能和实际应用实现了紧密联系。展望2016年,人工智能领域的发展必然会引发各大企业和各国家、地区的重视,市场化、产业化步伐有望进一步加快,而大数据将在此领域发挥更加重要作用。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18小陈是某电商平台的数据分析师。老板交给他一个任务:“我们平台的注册用户已经突破1000万了,想了解一下用户的平均月消费金额。 ...
2026-05-18【专访摘要】本次CDA持证专访邀请到拥有丰富物流供应链数据分析经验的赖尧,他结合自身在京东、华莱士、兰格赛等企业的从业经历 ...
2026-05-15在数字化时代,企业的每一次业务优化、每一项技术迭代,都需要回答一个核心问题:这个动作到底能带来多少价值?是提升了用户转化 ...
2026-05-15