京公网安备 11010802034615号
经营许可证编号:京B2-20210330
2016十大数据观,揭秘大数据产业路向何方
2016年,是我国大数据产业市场规模明显增长、技术创新与应用创新特征凸显、地方政府结合需求推动顶层设计、行业应用成为新热点的一年。接踵而来的2017年,立足于上述发展基础,大数据产业将持续发力。基于对过去一年产业发展中政府数据公开共享、应用落地、大数据与信息化分野等问题的深度思考,九次方大数据创始人王叁寿提出了十个与众不同的数据观,从中不难窥探出未来大数据产业发展的走势。
一、政府数据将成为地方政府最重要的资产
政府手里最值钱是土地和数据,数据是可以反复利用的,政府数据一旦释放,所产生的价值要比土地高太多。在一个互联网和信息化程度不断加深的时代,开放数据不只是面子工程,还能有效反映各地投资环境、信息化程度、政府开放度等问题,数据开放势必会产生新的生产力,政府数据将成为地方政府最重要的资产。
二、“大数据四要素是预警、预测、决策、智能”
大数据不应该是静态存在的,而是与周边数据发生碰撞和聚合,是政府或企业洞察力与行动力的体现。大数据的四要素是预警、预测、决策、智能。预警,即通过数据采集、数据挖掘、数据分析,对已经存在的风险发出预报与警示;预测,是指立足于纵向时间轴,对相对长时间内某些问题的判断形成指导;决策,是指通过所有相关数据的联动,形成基于数据和分析之上的决策或结论;智能,即当我们基于对现实问题的分析与判断,通过技术手段实现智能化的行为。四点要素从功能的角度诠释了大数据的核心,而最终实现这些功能还需要回归到大数据应用,唯有通过应用才能让大数据真正“着陆”。
三、“大数据是传统信息化厂商的掘墓人”
2016年是中国信息化进程的一个重要转折点,它标记了大数据与传统信息化的显著分野。传统信息化基于数据更注重查询功能,而大数据则注重信息的互通互联,可以一站式实现企业、政府需要的数据采集和数据挖掘智能分析。通过大数据,企业可以更加贴近消费者、深刻理解需求、高效分析信息并作出预判;政府则可以预测把控经济脉搏、掌握行业宏观数据进而进行预判调控等。大数据脱胎于传统信息化产业,是信息化的催化剂和助燃物,必将最终颠覆行业业态,淘汰传统厂商。
四、“未来三年中国大数据70%的需求集中在政府和金融应用”
去年11月,提出要“建设全国一体化的国家大数据中心”。大数据治国势在必行。目前,国外一些政府先行者已经在运用大数据方法提升治理社会的能力,实现政府公共服务的技术创新、管理创新和服务模式创新。大数据在公共管理领域的应用,不仅使传统难题变得迎刃而解,更是新时期应对新挑战、解决新问题的必然选择。尤其在金融行业,大数据很早在银行反欺诈工作中就有诸多体现。金融业对大数据的应用,正快速伴随着互联网金融的步伐蔓延开来。未来三年大数据发展必将主要集中于政府大数据与金融大数据之间,发挥1+1>2效应,深入纵横,迎来经济社会突破性发展。
五、“政府数据的价值在于化学反应,而不是简单的物理聚合”
目前,国家及省市各级出台相关政策,都在积极推动引导政府数据开放共享,数据中心遍地开花。然而并非建数据中心就能激活政府数据。数据中心仅仅实现了政府基础数据资源的存储、分类、整理,使数据资源进入规模化,却并未能充分反映数据爆发时代下的政府大数据处理与应用需求的价值。数据的价值并非静止状态的数据聚合,数据碰撞与摩擦才能释放内在价值。政府价值的释放,应该是以大数据应用为基础,以“预警、预测、决策、智能”的大数据思维,从内部对散乱的、无序的数据进行有机关联,产生融合、裂变,以此演化出颠覆式的分析逻辑,从而对落后的社会公共治理和传统行业进行重塑。
六、“城市发展大数据产业应该打组合拳”
发展大数据产业,需要与传统产业深度融合,培植地方新经济增长点。但对于地方政府而言,大数据产业是新兴产业,又是包含硬件支撑层、技术层、交易层、应用层、衍生层在内的一整条庞大产业链。在此情形下,城市发展大数据产业应该打组合拳,做好统筹规划、总体设计,通过一些列配套措施、有序步骤,推动大数据产业与传统多产业融合。随着政府数据信号的释放,各城市应优先发展大数据基础设施,以与市场资深大数据公司合资的方式,成立大数据公司,建设大数据平台;进而结合当地经济特色,挖掘大数据与传统产业的结合点,全局统筹,有的放矢。
七、“只有数据源服务商才有资格构建大数据生态圈
大数据生态圈良性运转的重要根源,也可以说是大数据行业的起点,正是数据源。发展大数据产业,首要解决的是促成数据资源的极大丰富和开放使用,这决定了数据源服务商在产业链条上应该始终处于核心位置。数据源服务商通过对数据的处理挖掘,完成对整个生态圈发展基础的建构。这一基础的存在,驱动其他环节围绕数据源做高效运转,如服务器、硬件、软件厂商等。同时,数据源服务商掌握行业内重要的数据资源,在硬件、软件的支持下,可以针对行业设计出各类应用场景,服务于市场需求。大数据价值变现过程中,数据源始终占据重心位置,只有数据源服务商才有资格构建大数据生态圈。
八、“终究有一天,大数据智能会取代搜索引擎”
搜索引擎是人类生活中不可或缺的一部分,它使我们摆脱信息闭塞,更高效地帮助查询者将“人脑智能”匹配到合适的信息。而大数据,更胜一筹。大数据通过海量数据的相互碰撞,激发价值,开启“人工智能”,以远超人脑运转速度的服务器时速,自动在信息之间、数据之间建构关联,带来人类脑力尚难企及的理性分析结果,提供预测、预警,帮助人类在生产、生活中做出更明智的决策。和大数据相比,搜索引擎的本职是嫁接人脑智能和单类信息的桥梁工具,必然依赖人类手动的输入,必然受限于人脑的思维,总有一天会被大数据智能所取代。
九、“大数据产业现阶段仅仅是朵浪花”
当前有人认为大数据产业“过热”,事实上,大数据的潜力还远远没被释放出来。一个有热度的大数据产业,体现在大数据充分实现了对交通、医疗、教育、环保、农业等产业的升级改造,以及大数据应在社会生产、生活更广的范围内得到普及。但就目前的实际情况来讲,尽管目前大数据产业在硬件支承层的布局如火如荼,大数据中心也在纷纷建设之中,但是数据与数据的碰撞、数据价值的开发、数据价值的应用落地等等,仍然处于初期阶段。
十、“不性感的大数据公司都会死掉”
大数据行业天生就具备性感的基因——海量数据拥有无限再生能力,有一万种碰撞方式,就能摩擦出一万种火花;数据能够颠覆传统样本分析,无限接近于未来发展的必然结果;它既不像传统产业般需要深厚的时间积淀,也绝非“互联网”商业模式泡沫般的昙花一现。要想成为性感的大数据公司,需要以产品为导向,以技术为支撑,惊艳的产品、颠覆性创新的商业模式,以及改变世界的激情。不具备这些特质的大数据公司必将消亡。
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