
大数据的发展必须要处理好三种关系
不识庐山真面目,只缘身在此山中’。应该说到今天为止,大数据还没有形成完整明确的定义,大数据的发展方向、作用意义、以及怎么来应对大数据带来的挑战,发挥大数据的作用,很多问题还在探索之中。”在日前举行的第十届国家信息化专家论坛上,工业和信息化部副部长杨学山开宗明义地说。他表示,研究大数据,必须要认清大数据的本质,把握两个关键的技术方向,处理好三种关系。
有效结构化可期
杨学山从信息的两个属性,即物理属性(可以看到的和处理的信息)和内容属性(惯有的意义)出发,申明大数据的本质是我们可以把握住的信息背后的内容,并对内容进行处理。
沿着信息的物理属性和内容属性,是两条关键的技术方向。一是关于物理属性的关键技术,二是关于内容属性的关键技术。
由于现有的主流芯片架构不适应处理大数据的需求,处理过程中对流量极其大、密度极其低、计算极其少的芯片缺乏相应的处理能力,因此,杨学山认为,在物理属性上,要在芯片、软件、整机、系统等技术上取得突破。
关于内容属性的关键技术,杨学山表示,从结构的角度看,大数据的类型多,因此,要让大数据能用,就要把它结构化,没有结构的大数据是不能用的。迄今为止,就如何实现大数据有效的结构化世界范围内还没有出现,未来二十年,相信一定会取得突破,而且会走向实用。
谨防拐点变断点
在大数据下一步的发展进程中,杨学山提出要处理好三种关系:
一是昨天、今天和明天的关系。“断点既是对过去的否认,也是对未来发展的重大损伤,今天在物联网、云计算里面的断点,实际上对未来的发展所带来的损伤是清晰可见的,所以在推进大数据的过程中,一定要认真地思考,从昨天走到今天又平滑地过渡到明天的过程中,哪怕出现颠覆性创新,也一定要重视它,是拐点而不是断点。”杨学山反复强调称,并不能把颠覆性创新看成是一个断点,而是要把它变成一个平滑的拐点,哪怕弯曲度很大。
二是处理好局部和全局的关系。大数据只是信息技术体系中的一个部分,所以大数据的发展必须要和信息技术体系的整体前进结合起来,统筹地考虑。
三是处理好求实和创新的关系。创新的立足点要放在求实上,求实际、求实效、求实用,否则创新就成了口号,反过来变成发展的阻力。
杨学山表示,从整体上来看,求实和创新是一致的,但二者分开来看又会有很多不一致。创新应该是全方位的。
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