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。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在问卷调查与社会科学数据分析中,卡方检验是最常用、最基础的非参数检验方法,广泛应用于市场调研、用户分析、行为统计、满意度 ...
2026-06-03【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-03 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-06-03逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26