京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据是智慧城市的重要资产
城市大数据是智慧城市的重要资产。我们通过各种各样的数据库,包括人口库、法人库、地理库、经济库等,建立政务云、行业云、工业云,通过数据融合、挖掘数据、共享数据,支撑我们的智慧城市。感知城市、无线城市、数字城市、宽带城市,是智慧城市的必然要求。创新城市、人文城市、平安城市、幸福城市、海绵城市、宜居城市、健康城市、绿色城市,是智慧城市的题中应有之义。
大数据与政府公共服务。美国规定1/4的政府信息技术预算要用到云计算上面,就是说利用云来管理。我们有些地方政府不自建云,跟阿里等合作。有些政府把地方政府的数据都搬到阿里云上面,阿里帮它分析,也有很多政府没有把数据放到阿里云,而是让阿里帮其建一个云,把阿里的分析工具引进到政府的云里头,利用阿里的技术来帮着分析。腾讯把政府的微信公众号纳入到腾讯的微信城市服务里,一方面帮着政府来分析一些应用,另一方面也实现对政府的监督。当然,阿里、腾讯也希望借此获得政府的一些数据。
大数据与交通管理。例如,以色列特拉维夫有很多摄像头,通过这种摄像头可以看到不同时间、不同马路的交通状况:是交通拥堵,还是交通管制,还是交通事故。重要的是,通过大数据,把所有现象组合起来,实时发到每个驾驶员、行人那里。驾驶员和行人可以据此来选择迂回的路段。我在北京也看到不少交通显示屏,可是有时我看到显示屏的时候,实际上处于前进不得也后退不得的状况,这就说明我们的大数据应用还有待改进。
大数据与环保。在美国密西西比河,一个装置沉到水底取样,升到水面再取样,然后把污染检测的结果通过卫星回传到后台,后台通过云计算、数据中心、大数据挖掘,得出河流的污染状况,然后做一个数字化河流的模型,点击网上河流的某一点,就知道这个点的污染状况。我们国家很多地方,像上海就测试了全区的排放量、地表水质量、噪声。无锡在太湖上也放了很多的传感器,但它不是活动的,而是固定的,当然也能测出不同位置的污染状况。
大数据与社会治安。美国的毒品现在已经不敢露天种植了,因为卫星、无人机、飞机都可以监测到。一些人就在大城市里租或者买一个大房子,拿花盆来种大麻等毒品。没有阳光,就用LED灯来照明。这种情况靠飞机就查不着了。于是,美国把电力公司的大数据收集来。一般的人家用电灯,是晚上用得多,白天用得少,而这种地方是白天、晚上都用。所以,美国根据电力的消耗来判断某个建筑物内是否有问题。
大数据与城市发展。上海主办开发数据大赛,包括城市道路、地铁、一卡通、公交车、出租车等,面向全球征集怎么改善交通、便利市民以及怎么创新。广州鼓励所有骑自行车的人,若发现什么地方不好,就拍下来,然后上传到网上,政府通过这样的措施优化管理。
大数据在农业研究、金融市场、气象预报、新闻报道等方面已经应用得很广泛。比如,沃尔玛基于每个月网购的数量判断客户购买物品时的喜好,优化商品柜台的排列,销量猛增;印第安纳大学学者从成千上万的留言中把微博分成六种心情,从中算出的道琼斯指数,准确率高达87%;Target是美国排行第二的超市,女性顾客很多,孕妇最舍得买东西。Target列出最受孕妇欢迎的商品单,购买此单上商品的顾客很可能就是孕妇。
大数据、智能化、移动互联网、云计算,以及物联网结合的大智移云代表了信息技术发展新阶段的时代特征。大数据支撑了社会的精细化管理和智慧城市的建设,是提升管理和服务的重要抓手。
我国大数据还有很长的路要走,还面临很大的挑战。作为世界人口第一大国,我国产生的数据量极为庞大,但真正存储下来的数据仅仅是北美的7%、日本的60%,而且我国所存的数据应保护的有一半未保护。比如,我国在医疗健康、交通治理、环保等方面的研究还不足,还存在数据分散、监测的覆盖率较低等问题。另外,我国一些部门和机构拥有大数据,但是难以共享,导致信息不完整或重复投资,有数据的不挖掘、不应用,想挖掘、想应用的没数据。要解决这个问题,政府要更积极地作为
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14