京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据产业遭遇垄断和孤岛:拿数据的多贡献数据的少
在技术的推动下,大数据已不仅仅是一种应用工具,而是撬动经济增长的“生产力”,催生了体量巨大的新兴产业。业内专家指出,大数据已成为支撑社会有效运行的战略资源。目前我国亟须在数据融合、立法、安全方面完善顶层设计,为大数据产业的健康发展奠定基础。
大数据催生新兴业态
近年来中国大数据产业不断向纵深发展。一方面,产业初具规模。据易观国际统计,2015年我国大数据市场规模达102亿元,2017年有望达到170亿元。另一方面,大数据孕育了诸多新兴业态,激发了不同行业的活力。券商申万宏源的报告分析称,10年后大数据产业可撬动万亿元级的GDP发展。目前,大数据推动下势头强劲的当属三大领域:人工智能、大数据交易、智慧城市建设。
香港科技大学计算机科学及工程学系主任杨强表示,人工智能概念冷寂多年,近年来异军突起,是由于移动互联网的发展产生了大量数据,为人工智能发展的算法训练提供了条件。
目前,各类数据尚未充分融合,因此诞生了大数据交易的业态以满足这一市场需求。北京、贵州、武汉、西安等地相继建立了大数据交易平台。目前,规模较大的是北京和贵阳的交易平台。
2008年,IBM提出“智慧地球”理念,引发了中国智慧城市建设的热潮。大数据带动的智慧城市市场涵盖交通、旅游、医疗、教育等领域。在交通方面,打车软件使用量、使用频率远远超过此前出租车预约服务平台,其运作原理就是供需大数据的优化分配。在旅游景区管理方面,全国多个景点已经采用了电信运营商数据监控人流分布,避免人流密集导致的危险事件。
“前瞻产业研究院”估计,“十三五”期间,在移动互联网发展、大数据产业支持的情况下,智慧城市市场规模有望达4万亿元。
三重力量推动经济增长
如今,大数据不仅是经济“富矿”,更是战略资源。国务院去年印发的《促进大数据发展行动纲要》明确指出,数据已成为国家基础性战略资源。“十三五”规划纲要更是利用一章专门阐述了实施国家大数据战略的思路。
中国社会科学院信息化研究中心秘书长姜奇平表示,应从战略高度理解大数据对于经济增长的意义。
首先,大数据为创业创新提供了机遇。据业内估算,全国的大数据公司已超过了500家,分布在北京的最多,贵阳、武汉等推动大数据产业的城市也是创业重镇。根据大数据研究机构“数据猿”统计,2016年上半年,全球大数据行业共计发生157起投融资事件,中国发生了97起,超过总量的一半。
大数据分析服务公司神策数据创始人兼CEO桑文锋告诉记者,大数据创业之所以火热,一方面是由于技术条件成熟,另一方面是在经济转型升级的情况下,企业增长压力陡升,希望借助数据精准营销、高效生产。
其次,大数据为欠发达地区创造了赶超契机。以贵州为例,经济并不发达,却是首个获批建设国家级大数据综合试验区的地区。今年贵州省政府工作报告明确提出“把大数据作为全省‘弯道取直’、后发赶超的战略引擎。”
贵州省政府提供的数据显示,贵州省如今共有大数据电子信息产业企业1849家,今年上半年新增664家,同比增长60.92%。今年上半年,大数据核心业态、关联业态、衍生业态共实现产值868.89亿元。河北张家口也大力支持大数据产业,打造了京北云谷大数据管理基地、张北云联数据中心等大数据基地。
第三,大数据助力政府治理能力的提高,客观上为经济增长减少了阻力、提供了“润滑剂”。如天津建成运用大数据的智慧型“审计监督一张网”管理系统,实现对财政资金和公共资金等的实时监督;咸阳市政府和亚信数据公司合作,建立了识别诈骗获取医保行为的模型,2015年为咸阳政府节省了3000万元的财政开支。
产业健康发展需完善顶层设计
大数据虽然对经济发展而言意义重大,然而产业刚刚起步,仍有诸多挑战。
首先,企业“垄断”数据现象突出。BAT三大巨头凭借其固有的互联网优势,掌握了大量的数据。根据易观国际数据显示,阿里和腾讯的第三方支付服务占据了中国市场的九成。但BAT体系并不开放,如高德地图被阿里巴巴收购之后,不再向外界公开开放地图数据。国家工商总局也曾表示,个别互联网巨头不愿配合监管分享数据。
其次,数据非法交易猖獗。山东出现两起针对高校新生的电信诈骗案,便涉及数据非法交易利用。除了传统的非法数据兜售外,借助技术手段盗取信息的现象日益增多。记者发现,不少网站都出售“移动终端信息采集仪”,利用无线技术快速提取手机电话簿、通信记录、短消息等数据。
第三,数据“孤岛”林立、融合困难。政府与企业都面临这一难题。“拿走数据的多,贡献数据的少。”贵阳大数据交易所执行总裁王叁寿表示,不少企业以保护商业机密或节省数据整理成本等为理由,不愿意交易自身数据。部分政府部门也缺乏数据公开的动力,有的是因“懒政”而让数据沉睡,有的则是利用数据已经开展商业化应用,因此不愿共享。北京市经信委自2013年起推动建设北京市政务数据资源网,至今仍有多家政府部门不配合提供数据。
第四,相关法律体系尚不健全。对于个人数据隐私保护、数据权属、政府数据公开等问题,尚无明确规定,基本处于监管缺失的状态。中国政法大学传播法中心研究员朱巍介绍,目前对个人数据的保护,大多依照2012年通过的“关于加强网络信息保护的决定”,远不能应对实际需求。王叁寿表示,数据交易平台在运行中也有数据权属不明的困惑,期待法律明确交易规则和红线,让企业有法可依。
第五,大数据产业对外技术依赖现象严重,安全堪忧。中国工程院院士邬贺铨表示,发达国家,尤其是美国,大数据产业链非常完整,软硬件能力均领先全球。而中国在芯片、硬件、云计算等方面则较为薄弱,芯片尤其依赖进口,或成为未来产业掣肘。
业内人士建议,我国应加强顶层设计,完善立法,规范数据交易行为,鼓励数据互联互通,将数据公开共享纳入政府部门考核,同时加大力度攻坚克难,在芯片、云计算等大数据的关键领域取得突破,建成健康、安全的大数据产业环境。
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Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20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