
发展大数据最大瓶颈是人才
日前在京举办的“中国国际大数据大会”上,中科院院士、北京大学教授鄂维南表示,中国大数据的前景非常广阔,市场非常大。但如何把这个广阔的前景变成现实,现在还面临数据质量不高、数据流通不畅、数据分析存技术问题等诸多瓶颈,“但最严重的还是人才问题”。
鄂维南指出,我国理论上说有很多数据,但当前存在“数据孤岛”现象,不同部门数据存储于不同的地方,格式也不一样,整合比较难。“大数据最高的层次就是要用数据来形成智慧,使得社会各方面可以运转起来。因此,做数据分析先要整合数据。”
“数据的质量也是一个瓶颈”,鄂维南强调,但这并不是说我们要有很完美的数据才能做分析,完美的数据永远是等不来的,做数据分析的出发点是有多少数据可以做多少事。“此外,数据的拥有方,像电信、联通,和数据分析者中间有一个很大的鸿沟,双方存在沟通障碍。”
那么,怎样才能够让数据流通起来?鄂维南介绍,目前大家想到的是数据开放,现在政府也在呼吁开放,但数据开放面临严重的隐私问题。严格来说,想靠法律办法解决隐私问题并不可能,这是数据开放面临的现实问题。
另外,现在还存在这样一种情况:即数据拥有方习惯于自己建一个团队自己来做数据分析,但实际上数据分析是一个技术活。“现在我们的大数据分析公司风起云涌,什么人都可以做,没有什么技术含量,但是长远来说这条路走不通。我觉得数据行业服务最重要的是提高门槛。”鄂维南说。
“技术问题也是瓶颈。数据分析本身就是一个难题,另外中国的数据有它自身特色。”鄂维南说,从文本分析来看,我们用中文,美国用英文,两者的文本并不一样,不能完全套用国外模式。此外,我国的数据质量比较差,这个时候就需要对算法和模型进行改进。同时,数据服务作为一个业务模式,其商业模式还没有真正被认可,“数据通过什么方式赚钱,前景还不是那么清楚”。
“当然,最严重的问题是人才问题”,鄂维南指出,我国大数据发展最大的优势是市场大,最大的劣势是缺乏人才。由于大数据产业的火热,目前即使在国外,学术界跟企业界之间的人才竞争也非常激烈,在国内同样如此。并且我国目前没有非常好的培养大数据人才的机制。“本来我国教育界、科技界的人才就缺乏,而在大数据领域,统计、机械学习等相比而言更弱,所以这个问题需要引起重视。”鄂维南说。
“我个人的感觉是,我国大数据市场非常大,但要真正落到实处,要做的事情还非常多。
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