
全面解读大数据是否过热
9月7日,据媒体报道称,从工信部获悉,《大数据产业“十三五”发展规划》有望在年内发布。王叁寿认为,未来最有价值的资源就是大数据,这将推动制造业、服务业等全产业链的革新,大数据产业“十三五”规划将激活相关行业的万亿元产值。
近年来大数据产业“持续升温”,各行业都在纷纷谈论大数据。2015年,阿里巴巴集团董事局主席马云在演讲中表示,未来的时代将不是IT时代,而是DT(Data Technology数据科技)的时代。
但面对热潮,也有不少人冷静指出目前大数据行业存在过热嫌疑。大数据产业是否为一场虚热?该话题在业内亦有争议。中科院院士梅宏就曾在一次演讲中表示“大数据被炒得过热,其实很多领域只是穿上大数据的马甲而已。”
为此,“财经”V课特别策划了“大数据的商业应用”专题课程,并邀请九次方大数据创始人、贵阳大数据交易所执行总裁王叁寿分析目前大数据产业的发展现状,全面解读大数据的应用领域,亦回应这一产业是否过热的问题。
在王叁寿看来,在信息为王的经济发展时期,数据将会触发经济全产业链的创新与变革,谁利用“大数据”,谁将占据发展的制高点,赢得主动与先机。
中国大数据的产业发展几乎与美国同步
王叁寿认为,虽然中国的互联网行业起步比美国晚了30年,但在大数据产业的发展上,中国与美国几乎处于同一起跑线。在几乎所有的新兴产业中,大数据是中国可以“弯道超车”美国的绝佳机会之一。
而在此背景下,中国政府也大力推进大数据战略。2015年11月,国家出台十三五规划,把发展大数据列为国家战略之一。与之同时,2015年国家出台了多项与大数据有关的国家政策,比如《促进大数据发展行动纲要》、《关于运用大数据加强对市场主体服务和监管的若干意见》等。
数据将成为政府和互联网企业最宝贵的资产
对于企业,尤其是互联网企业而言,数据将变得越来越重要。王叁寿判断,在未来三到五年,全球的互联网公司都将拥有另一种身份,变成大数据公司。因为不管是互联网还是物联网,未来都将产生大量的数据,而这些数据会产生新的价值。
而对于政府而言,数据的重要性也日益显现。王叁寿认为,政府现在拥有的两项核心资产,一是土地,二是数据。土地资产的价值已经被激活了二三十年,下一步将轮到数据发挥价值了。“大数据所创造的价值迟早会超过土地创造的价值,”王叁寿说,只要激活这些资产,这也将成为非常好的供给侧改革方式。
而对于公众普遍不了解政府大数据的情况,王叁寿解释称因为现在政府的数据像是“地下水”,尚未被充分激活,大量的数据并没有被采集、清洗、脱敏、建模,进而变成商业上可用和公众可感知的“自来水”。而目前的行业发展中,国内已经有一批公司专门从事帮助政府激活手中数据资产价值的业务,把政府手里的“地下水”采集上来变成“自来水”,这一现象引人关注。
大数据产业还没有真正“过热”
目前,大数据产业是否过热,这一问题在业内仍有争议。在王叁寿看来,当下的大数据产业仅是“浪花”阶段,还没有形成一种“浪潮”,变成一种势不可挡的力量。
“当这个产业还处于一个浪花的阶段,就说这个产业过热,这种说法是不恰当的。”王叁寿举例称,2010年时中国几乎没有做大数据的公司,到2013年时相关企业不到一百家,但截至目前中国大数据公司已经突破5000家。从数量上看,2013年到2016年三年半的时间,中国的大数据企业增长约60倍。
应用产业在大数据行业中最为活跃
在中国众多大数据公司中,最活跃的一个群体是大数据应用产业。比如说交通大数据、能源大数据、政府大数据、金融大数据、医疗大数据等。这类群体在几千家大数据公司中大概占60%左右。这些公司中,又有60%是集中在政府大数据和金融大数据的应用。
公众普遍担忧大数据会泄露个人隐私
在9月7日的节目互动中,“财经”V课的用户最关注的问题还是大数据对个人隐私的侵犯以及由此可能产生的安全隐患。有用户认为,如果不注重数据信息的安全防范就可能造成信息泄漏、篡改或盗用,将严重损害用户的利益。
大数据时代如何保障个人信息安全不被泄漏,大数据产业的激活还需要跟进多少配套工程,这些都是待需解决的问题,亦是公众关注的焦点。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29