京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据的概念从问世到现在已有5年历史,这个概念从诞生到发展在全球引起了一次又一次热潮,经久不衰。为什么会这样?
从历史和全局战略认识大数据
大数据的浪潮翻涌至今,我认为有两个重要因素在起推动作用。第一个是人类社会在发展过程中对信息的渴求。在人类社会发展的所有时间里,信息一直是人和人类社会发展的最重要的内容。但是为什么直到5年前才“突然”出现大数据的概念?就是第二个因素——以传感技术、互联网、移动智能终端为代表的一系列新的信息技术,使得信息的获取、利用、集聚在数量上发生了突飞猛进的变化。
从这样的角度去分析,由于技术和信息内在的联系,我们会看到这两支力量在未来大数据为代表的信息时代的重要性将会进一步凸现,这是历史的角度。
我们还需要从全局的角度再来看一下大数据。2011年大数据概念产生的时候,当年4月份英国《经济学人》刊登了一篇专题文章论述“第三次工业革命”,指出大数据在其中发挥着重要作用。
是这样吗?至少我们看到了一系列重大变化:产业互联网、工业4.0、先进制造业、智能制造、中国制造2025……从中国2008年开始持续推进两化融合到两化深度融合,从电子商务到3d打印,从远程治疗到智慧治疗,从远程教育到智能教育……一系列经济和社会发展的新概念都在发生变化,我们从这样的发展变革中看到所有这些变化背后都有大数据在其中发挥着极其重要的作用。
为什么我们要从这两个角度去看大数据?由于技术进步和社会发展的需求,人类社会发展进入新的历史阶段,新的基础性技术力量和新的资源概念正在诞生。这个新的技术力量使信息技术和工业技术融合在一起,使我们从产品服务、生活管理等方面有了一个迈上新台阶的生产力构建。这个生产力构成的背后是人类社会自工业革命以来,由物质和能源建设的进步推动的社会发展演变成由能源、信息、产业三种资源共同推动社会的发展。
因此,大数据的热潮有其必然性、深刻性和广泛性。因此我们要重视大数据,用好大数据,否则便不能跟上历史发展的潮流。
从问题和价值导向来推动大数据产业
大数据技术我们面临什么问题?价值在哪?制高点在哪?
从技术的角度来看,主要有两大问题:一是大数据以每隔几年提升一个数量级的角度看,如今的计算机处理体系——以芯片为基础的处理体系机构是不是适应大数据发展的需要?答案很清晰,不是。迄今为止,以x86为代表、以arm为代表、以存储芯片为代表的三个芯片架构从逻辑上来说都不符合大数据处理的需求,所以要从芯片开始重构适合大数据发展的处理需求。也即,要有新的芯片和新的处理结构,这是问题价值制高点。当真正满足大数据处理的芯片被设计出来,谁就站上了制高点。
从产业角度看,大数据产业大概可以分为两类:一类是“技术变成产业”,就像当年数据库管理系统变成了数据库公司,当真正的大数据处理芯片和计算架构形成时还将会形成新的产业;另一类是各个企业、机构甚至个人——以后我们很多“个人”都可以变成大数据的拥有者。
千万不要小看这点,我们对历史总是很容易健忘。20年前,很多机构包括中央部门,数据库量级是以g为代表的,而今个人都可以拥有t级的数据。这样的企业、机构、个人如何使数据管理应用成本更低、效率更高,这需要产业的支撑。因此谁能为这些“个体”的大数据应用提供便利,谁就会在发展过程中形成增值的发展基础。
然而从应用的角度看,大数据最重要的含义不在上述技术和产业,而是在于,所有企业、机构和个人如何将大数据变成我们提升能力、提升竞争力、提升生活质量的来源。那么在这个命题上,当前大数据应用的主要问题是什么?
我认为第一个问题是,数据有没有用、能不能用,能不能变成提高劳动生产力和提高市场占有率、提高创新能力、降低成本提升效率的源泉。这是社会进步的根本所在,也是大数据的本质所在。
所以,不管是企业还是机构,在讲大数据应用的时候,首先要解决的问题是“大数据能贡献什么价值”,然后通过这样的分析再去看大数据在哪,怎么才能得到。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09