
2018年中国大数据产业8大趋势前瞻
刚刚过去的2017年,大数据产业持续呈高速增长,各地方政府纷纷开启数字化转型之路,大数据被广泛应用于政府监管、社会治理、经济转型等诸多实践领域。2018年,在建设“数字中国”的大趋势下,作为数字经济转型排头兵的大数据产业将会有哪些新的发展趋势?
数字化生产力将显著提升
2017年年末,就产业创新发展、数字经济建设、国家创新治理、民生保障与改善、国家数据安全五大方面做了前瞻性布局,并强调要推动实施国家大数据战略,加快建设数字中国,更好地服务我国经济社会发展和人民生活改善。
五大前瞻性布局,为大数据产业未来发展指明方向,以数据为关键要素的数字经济,可以推动大数据产业持续稳健发展,实现创新突破,持续释放数字红利,将对“数字中国”建设产生深远影响。关于“数字中国”的重要指示,预示着2018年数字经济将进入黄金爆发期,各领域数字生产力将会有显著提升。
数据市场交易额持续攀升
2017年,大数据产业集中爆发,数据体量呈几何状增长。以贵阳大数据交易所为例,2017年,贵阳大数据交易所汇集了超过150PB的海量数据,包括全国所有政府部门的公开数据,以及225家数据源的优质数据,并将这些单个行业或领域呈链条状串起来的数据解构、交叉、融合,从而形成块数据。与此同时,贵阳大数据交易所与100多个地区,包括省、市,进行了数据流通交易合作,助力打通政府部门、企事业单位之间的数据壁垒,实现海量数据的合作开发和综合利用,有效促进各级政府数据治理能力的提升。
随着国家大数据战略实施,数字经济将在2018年蓬勃发展,数据体量将随之更加扩容,以贵阳大数据交易所数据交易体量为范本,预测未来一年数据市场交易额将会进一步攀升。
政府大数据应用迎来集中爆发期
我国实施国家大数据战略,加快完善数字基础设施,推进数据资源整合和开放共享,保障数据安全,加快建设数字中国。
2017年1月,工信部发布《大数据产业发展规划(2016-2020年)》;5月,水利部发布《关于推进水利大数据发展的指导意见》;6月,最高检发布《检察大数据行动指南(2017-2020)》。截至2017年6月底,国务院、国家发改委以及农业部、国土资源部、国家林业局、交通运输部、水利部等部委均发布了大数据战略文件。随着大数据产业政策继续加速出台,政府数据开放共享取得突破,大数据建设不断深入,创新体系不断完善。
紧跟政策与战略布局,九次方大数据联合60余城市启动“推进器”计划,扶持大数据技术应用公司共同开发政府数据应用。可以预见,到2018年,政府大数据应用将集体迎来集中爆发期。
数据资产运营将成为政府数据价值释放主要途径
当前,贵阳、广东、云南、甘肃、福建、内蒙古、新疆、青海、湖北、南昌、上海、苏州、南通、济宁、青岛、哈尔滨、秦皇岛、丽江、潍坊、重庆等60个地区,包括省、自治区、直辖市、地级市等以数据资产运营为途径,释放地方政府数据价值,赢得区域竞争先机。
数据资产运营是规范、控制、管理和提供数据及信息资产的一系列业务职能,包括开发、执行、指定和监督有关数据的计划、政策、方案、项目、流程、方法和程序,从而控制、保护、交付和提高数据资产的价值。数据资产运营面向全领域数据的全生命周期,其核心思路是将数据对象以资产的标准和要求进行运营与管理。
到2018年,政府及各行各业非结构化数据呈爆发式增长,对数据资产运营与管理的复杂度要求更高。大数据资产运营将有可能通过降低数据使用的成本,提高以数据智能分析、预警、预测、决策的效率,让数据资产运营与管理成为大数据时代中各行业竞争力的重要来源。
机器学习成为普遍工具
以数据科学为基础的机器学习是人工智能的核心,是计算机智能化的基础,其应用遍及人工智能的各个领域,如数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、战略游戏和机器人等领域。近年来,深度学习已经开始渗透到各个领域:客服机器人、垃圾邮件过滤、人脸识别、语音识别、个性化推荐……
随着大数据分析能力的不断提高,2018年机器学习将继续在智能分析方面发挥重要作用,从而扩展了机器学习。例如,帮助机器从现有的复杂数据中学习规律,以预测未来的行为结果和趋势。在某一行业智慧化应用中,用机器学习的方法对数据进行分析建模,最为关键。特别是在庞大的数据面前,如何将数据进行重组、整合、分析,进而转化为人工智能产品,是行业迈向进智能化的重要挑战。
到2018年,80%的数据科学家会将机器学习纳入其工具包中。到2019年,机器学习将成为实现需求,大数据与人工智能的结合,将克服人类在交通、环境、健康医疗等领域面临的一系列发展困境,从而开创经济社会发展的全新范式。
数据安全性将有质的提升
2017年,全球数据泄露事件层出不穷。6月份,美国爆发大规模选民信息泄露事件;7月份,美国最大无线通信公司Verizon遭遇大规模数据泄露事件;9月,美国三大信用局之一的Equifax数据库遭到黑客攻击并泄露,美国1.43亿用户的敏感数据受到安全威胁;9月下旬,全球四大会计师事务所之一的德勤公司曝出超过500万份内部邮件疑遭泄露。数据安全已成为全球性话题。
2018年,各国将加大数据安全保障。尤其在我国,数字经济以数据为关键要素,以安全为前提。为此,我国先后成立了中央国家安全委员会、中央网络安全和信息化领导小组、中央军民融合发展委员会等机构,2017年,《网络安全法》正式实施。可以看到,新时代国家网络安全的领导机制、制度设计和法律法规等顶层设计已经确立。到2018年,我国数据安全性将得到极大提高,有利于数字经济的加快推动与发展。
数据可视化迎来黄金发展期
2018年,数据可视化和数据发现将成为一股重要趋势席卷政府及企业。数据发现的范畴已经扩大,不仅包括对数据分析和关系的理解,还包括呈现数据的方式,以挖掘更深层次的商业洞见。其结果就是,作为一种把数据变成可用洞见的方法,可视化模型越来越受欢迎。日益改善和演变的可视化模型已经成为从大数据中获取洞见的必要组成部分。
人脑能高效地处理视觉图像。在这个过程中,大脑使用了潜意识,让决策者可以通过迅速扫描图像来处理信息。数据可视化将会得到越来越广泛的应用,因为它们可以帮助人们快速接受和消化最相关的信息。将图形和图表与功能强大且易于使用的业务分析相结合,意味着每个部门的用户不仅可以看到他们的组织如何实时执行,而且还可以采取必要的行动,防止小问题变成更大的问题,并挖掘新的机会。
行业应用将成大数据发展“重头戏”
当前,我国各产业都在深入挖掘大数据的价值,研究大数据的深度应用。大数据在各行业的全面深度渗透将有力地促进产业格局重构,驱动生产方式和管理模式变革,推动制造业向网络化、数字化和智能化方向发展,成为中国经济新一轮快速增长的新动力和拉动内需的新引擎。
目前,我国各行各业已积累的丰富数据资源,国内大数据创新创业企业积极研发各领域大数据应用平台,同时,从政府出发,整合宏观调控、税收监管、商事管理、信用体系建设、维稳、公共安全等数据资源,加快数据共享开放,提升政府综合治理能力,自上而下,由内到外,从政府到企业,打造全产业链平台,加快政府治理、行业转型。到2018年,将形成大数据全产业链生态应用系统的完善与建立
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