京公网安备 11010802034615号
经营许可证编号:京B2-20210330
深挖大数据金矿
大数据的本质特征就是“大”。究竟“多大”才算“大”?“大”不是一个简单的数量,而是一个多维的无限的变量。概括起来说,“大”是一个五“V”空间:第一个维度是数量(Vol-ume),主要表现为数据量的快速增大;第二个维度是速度(Veiocity),主要表现为数据增长的速度在加快;第三维度是数据的多样性(Variety),主要表现为新的数据来源和新的数据种类的增加;第四个维度是数据的价值(Value),主要表现为对这些数据的使用和挖掘产生的价值;第五个维度,也是最重要的一个“V”,就是“数聚”(Variable),它使前面四个“V”的数据发生几何级数的变化,从而让数据实现从量变到质变的飞跃。
正如一位美国记者在一篇文章中写到的,大数据是什么并不重要,重要的是大数据正在改变人对世界的看法。在大数据时代,人获取信息的方式、交往或交友的方式、生活方式、生产方式、思维方式、社会组织管理方式都将被跨界、跨代颠覆式改变。
大数据是新的科技革命与新的产业革命交叉融合的引爆器,大数据让发达地区与欠发达地区站在同一个起跑线上。贵州发展大数据,是倒逼政府改革,推进产业转型的有益探索,是坚守发展和生态“两条底线”,发挥后发优势,实现后发赶超和绿色崛起的创新战略,也是新常态下东部与西部、沿海与内地、发达地区与欠发达地区经济的再平衡。这种再平衡将引发中国经济结构的深度调整,重塑中国经济版图。
全球化开放平台 引领“中国数谷”贵阳崛起
贵州商报:贵阳为何提出建立大数据战略重点实验室,实验室的建立有何实际意义。
连玉明:大数据战略重点实验室是根据贵州省委省政府、贵阳市委市政府发展大数据战略部署设计,在贵州省科技厅支持下,由贵阳市人民政府与北京市科学技术委员会共建的跨学科、专业性、国际化、开放型的跨区域研究平台,它依托贵州大学贵阳创新驱动发展战略研究院组建和运行。这是继建立中关村贵阳科技园、北京贵阳大数据应用展示中心之后京筑创新驱动区域合作又一重大成果,是国家实验室管理机制的一次创新实践,是贵州、贵阳发展大数据的重要里程碑。
大数据战略重点实验室是一个全球化的开放平台。实验室聚集国内外大数据相关专业研究者、管理者和决策者,搭建跨区域协作创新平台、专业化决策咨询平台、网络化成果转化平台和国际化合作交流平台,有助于创新资源和创新人才在贵阳聚合,引领“中国数谷”在贵阳崛起。
大数据战略重点实验室立足全球大数据发展趋势和中国大数据发展实践,以大数据发展的重大理论和现实问题为主攻方向,加强大数据发展全局性、战略性、前瞻性研究和咨询,建设具有较大影响力和国际知名度的大数据高端战略智库,奋力打造中国大数据发展思想和战略策源地。
跨界 跨代 跨区域 五大研究策源中国大数据发展战略
贵州商报:大数据战略重点实验室在做什么样的研究,怎么来服务和助推贵阳大数据产业的发展?实验室研究成果如何落地。
连玉明:大数据战略重点实验室的建立是从理论创新为突破口的。《块数据— 大数据时代真正到来的标志》《DT时代—从“互联网+”到“大数据×”》《创新驱动力— 中国数谷的崛起》三个专著的出版,标志着大数据战略重点实验室在贵州率先启航。基于此,大数据战略重点实验室以五大着力点开展研究及其成果转化:
一是着眼全球大数据发展趋势和中国大数据发展实践,建立全球大数据理论信息中心,建设中国大数据发展规划数据库,出版《全球大数据发展报告》。
二是构建块数据分析理论模型和应用模型,为贵州、贵阳乃至全国发展大数据提供理论支撑和方法支持。
三是研究、编制和发布“大数据指数”,包括大数据发展指数、大数据创新指数、大数据城市指数、大数据社区指数、大数据生活指数和大数据品牌指数。出版年度《大数据蓝皮书》。
四是建立DT空间,搭建众联、众创、众包、众筹创客平台,加快产学研联动,加速成果转化应用,建立国际创客空间。
五是建立“中国DT产业50人论坛”,搭建对外交流平台,打造中国大数据发展的思想和战略策源地。
这五项研究,无论是对贵阳发展大数据,还是中国发展大数据都是一种创新性的、极具前瞻性的研究和探索。必须说明的是,大数据战略重点实验室虽然建在贵州贵阳,但它并不是一个封闭的空间。它更多的是借助北京科技创新中心和国家创新平台的资源,成为一个跨界、跨代、跨区域的开放空间。这个开放空间是全球性的。我们完全超越传统的实验室运行和管理模式,发挥共建优势,整合社会力量,创新市场机制。我们秉承“不求所有、不求所在,但求所用”的原则,可以在北京、上海、杭州、武汉、广州等地建立研究基地,也可以与阿里、腾讯、百度等企业开展联合研究。对贵州、贵阳而言,我们引进的是新思想,转化的是新成果,真正成为助推贵州、贵阳乃至中国大数据发展的战略策源地、人才孵化器、创新试验场、政策先行区。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在实验检测、质量控制、科研验证等场景中,“方法验证”是确保检测/分析结果可靠、可复用的核心环节——无论是新开发的检测方法 ...
2026-03-04在数据分析、科研实验、办公统计等场景中,我们常常需要对比两组数据的整体差异——比如两种营销策略的销售额差异、两种实验方案 ...
2026-03-04在数字化转型进入深水区的今天,企业对数据的依赖程度日益加深,而数据治理体系则是企业实现数据规范化、高质量化、价值化的核心 ...
2026-03-04在深度学习,尤其是卷积神经网络(CNN)的实操中,转置卷积(Transposed Convolution)是一个高频应用的操作——它核心用于实现 ...
2026-03-03在日常办公、数据分析、金融理财、科研统计等场景中,我们经常需要计算“平均值”来概括一组数据的整体水平——比如计算月度平均 ...
2026-03-03在数字化转型的浪潮中,数据已成为企业最核心的战略资产,而数据治理则是激活这份资产价值的前提——没有规范、高质量的数据治理 ...
2026-03-03在Excel办公中,数据透视表是汇总、分析繁杂数据的核心工具,我们常常通过它快速得到销售额汇总、人员统计、业绩分析等关键结果 ...
2026-03-02在日常办公和数据分析中,我们常常需要探究两个或多个数据之间的关联关系——比如销售额与广告投入是否正相关、员工出勤率与绩效 ...
2026-03-02在数字化运营中,时间序列数据是CDA(Certified Data Analyst)数据分析师最常接触的数据类型之一——每日的营收、每小时的用户 ...
2026-03-02在日常办公中,数据透视表是Excel、WPS等表格工具中最常用的数据分析利器——它能快速汇总繁杂数据、挖掘数据关联、生成直观报表 ...
2026-02-28有限元法(Finite Element Method, FEM)作为工程数值模拟的核心工具,已广泛应用于机械制造、航空航天、土木工程、生物医学等多 ...
2026-02-28在数字化时代,“以用户为中心”已成为企业运营的核心逻辑,而用户画像则是企业读懂用户、精准服务用户的关键载体。CDA(Certifi ...
2026-02-28在Python面向对象编程(OOP)中,类方法是构建模块化、可复用代码的核心载体,也是实现封装、继承、多态特性的关键工具。无论是 ...
2026-02-27在MySQL数据库优化中,索引是提升查询效率的核心手段—— 面对千万级、亿级数据量,合理创建索引能将查询时间从秒级压缩到毫秒级 ...
2026-02-27在数字化时代,企业积累的海量数据如同散落的珍珠,若缺乏有效的梳理与分类,终将难以发挥实际价值。CDA(Certified Data Analys ...
2026-02-27在问卷调研中,我们常遇到这样的场景:针对同一批调查对象,在不同时间点(如干预前、干预后、随访期)发放相同或相似的问卷,收 ...
2026-02-26在销售管理的实操场景中,“销售机会”是核心抓手—— 从潜在客户接触到最终成交,每一个环节都藏着业绩增长的关键,也暗藏着客 ...
2026-02-26在CDA数据分析师的日常工作中,数据提取、整理、加工是所有分析工作的起点,而“创建表”与“创建视图”,则是数据库操作中最基 ...
2026-02-26在机器学习分析、数据决策的全流程中,“数据质量决定分析价值”早已成为行业共识—— 正如我们此前在运用机器学习进行分析时强 ...
2026-02-25在数字化时代,数据已成为企业决策、行业升级的核心资产,但海量杂乱的原始数据本身不具备价值—— 只有通过科学的分析方法,挖 ...
2026-02-25