
大数据融合彰显价值 跨界链接产业变革
12月7日电 5日,由国家发改委牵头组织的“中国数据创新行”主要活动——2017中国国际大数据挖掘大赛复赛在北京举行。复赛现场,来自江苏的“心脏康复大数据平台”项目正在台上为专家评委们带来精彩的路演,并博得阵阵掌声。
作为全国首个数据挖掘的国际性赛事,从今年3月赛事启动至今,已经吸引了全球19个国家和地区的万余支项目团队报名参赛。经过评委专家精心筛选,有200支项目入围复赛。据了解,大数据挖掘大赛在结束北京的复赛单元后,将在贵阳举行总决赛暨颁奖礼。
赛事评委、清华大学数据科学研究院执行副院长韩亦舜在纵览复赛项目后表示,大数据技术的渗透融合,催生了新的行业与领域,也给更多的传统行业带来了新生机。“数聚华夏 创享未来”,通过技术引领、深度融合提高实体经济发展质量,是新时期的重要探索方向,同样是本次复赛的重要主题。
数据融合 深挖“跨界”富矿
据“心脏康复大数据平台”项目负责人高锐介绍,项目通过案例大数据智能管理(Big Case)、数字心肺步行试验(DCW)、康复训练和检测设备(CTIM)等核心技术为患者提供心脏康复评估、处方、训练监测等心脏康复全流程解决方案,实现三期心脏康复的无缝对接。“我们以临床案例为基础,首创案例大数据智能管理系统,根据病人数据、健康数据自动进行分析,来提出处方建议、知识推送、服务组织,能极大程度降低失误率。”
来自深圳的“城市交通大数据在线检测与动态仿真系统”项目同样也是数据融合与挖掘利用的典型案例。项目主讲人周勇告诉记者,他们正致力于打造一个面向精细化管控和全方式智慧出行的实时在线仿真系统。系统基于移动车辆GPS、手机信令、地磁流量、视频图像等动态大数据和静态数据的多源融合,通过现实交通系统与虚拟交通系统的互动学习,以动态OD估计、中微观交通流仿真为核心,结合无人机航拍与图像识别技术对驾驶行为参数的标定,实现车道级的动态仿真与高精度的实时在线推演。目前,项目已经在深圳市福田区、新洲路和深南大道等案例中实现了深度应用。
“如何融合多元数据资源,跨越产业转型升级壁垒?这些项目给出了亮眼的答案。项目通过挖掘潜在于多种产业中的多类型数据,让大数据技术与产业发展得到深层的融合。”赛事评委、赛仕软件研究开发(北京)有限公司总经理刘政认为,多个参赛项目的出现正是我国大数据与全产业深入融合发展的具体体现。
比赛现场,各项目选手紧扣大赛主题“唤醒沉睡的数据”,从平台搭建、技术创新、数据有效利用、应用实现等多个方面,全面展现了数据融合的新前景和大数据发展的新进程。
数据挖掘是数据应用的核心,是发现新应用、创造新价值的关键,是数字经济最核心的动力,而融合则是全面激发大数据价值的最佳途径。赛事评委、TCL股权投资有限公司董事总经理游浩认为,“互联网+是大数据应用的幼年期,从技术、数据、人才、资金等资源匹配程度来看,目前大数据已经进入全面融合的新阶段探索。”
数据渗透 成为“转型”支点
多位参赛选手表示,吸引他们参赛的,是组委会提供的一系列政府开放的数据源,这其中包括14个政府开放数据平台的11600多个数据集,1600多个数据接口。“数据就是生产资源。我们的项目涉足领域广泛,得到更多领域数据的支持,才能够进一步加速应用与多领域的融合开发和完善。”
“共享开放是大数据应用的重要基础,共享的同时数据的价值也可以无限放大,通过多种形式的开发得到全方位渗透,这是数据开放的重要目的,甚至是大数据发展的重要落脚点。” 云上贵州大数据产业发展有限公司首席技术官秦晓东曾在大赛启动仪式上表示。
赛事评委、清华大学数据科学研究院执行副院长韩亦舜在分析大数据与全产业融合趋势时表示,党的十九大报告提出加快发展先进制造业,推动互联网、大数据、人工智能和实体经济深度融合,为传统行业与大数据全面融合指明了方向。本次大赛的项目从整体看,比往届赛事项目更为成熟,在数据的挖掘、分析等技术层面更为先进,尤其重视通过数据融合与渗透,在多行业多领域找到痛点解决方案或行业转型升级策略。
以此为视角,从大赛初选中脱颖而出的复赛项目不乏新颖之处。
号称“24h无人便利店”的“X空间”项目以其新颖的商业模式和便捷的购物体验吸引着各界的关注。项目负责人刘霏介绍,除了无人的特点之外,“X空间”作为线下物联网终端,将收集用户基本信息及消费数据,依靠大数据挖掘结果实现精准营销及供应链精细化管理。据了解,该项目已落地北京、长沙、青岛、汕头,并获得了市场的认可。
赛事组委会负责人告诉记者,通过赛事,引导大数据的纵向探索与全面融合,以比拼和选拔的方式,为优秀项目提供展示平台和融资机会,真真切切地为大数据行业发展做实事,是赛事的重要责任和使命。
据悉,本月晚些时候将举行2017中国国际大数据挖掘大赛总决赛及颁奖礼,这也将是“中国数据创新行”活动的收官之战。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16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