京公网安备 11010802034615号
经营许可证编号:京B2-20210330
运营商刚挖到大数据宝库的皮毛
人来人往的展馆中究竟有多少人驻足展台?大数据可以告诉你。本届展会上,中国电信展出了大数据能力可视化系统,通过采集电信运营商及政府公共服务部门现有的各类数据,利用大数据分析手段,对人流密集程度进行动态监控,对可能出现的人流高密度聚集风险采取事前预警、事中处置和事后分析,并对特定区域人流情况提供专题分析报告。同时展出的个人征信评分产品,通过大数据分析,让一个电话、一纸通信账单都成为用户信用的参考依据。
“其实,电信运营商拥有非常优质的数据,但是这些数据的价值仍未被充分挖掘出来。”中国信通院技术与标准研究所移动与大数据研究部副主任魏凯对《人民邮电》报记者表示:“用户数据经过脱敏加工、合理使用,可以做到隐私不泄露,希望各界都能给电信运营商一个更为宽松的环境,让这些数据得以‘解冻’,而当这些数据得以很好地应用时,真正受益者将是用户。”
必须抓住大数据机遇
本次展会上,很多企业并没有把大数据作为展示重点,魏凯认为,一方面是因为大数据“躲”在很多应用的背后;另一方面,大数据类的产品和解决方案目前仍不是企业利润增长的重要来源,但是从长远来看,大数据大有可为。
今年以来,国内大数据政策的环境不断完善。1月初,国务院《关于促进云计算创新发展培育信息产业新业态的意见》提出要“开展公共数据开放利用改革试点”,重点在公共安全、疾病防治、灾害预防等领域开展应用示范。随着今年8月国家大数据政策颁布,大数据产业正式上升为国家战略发展地位,各部委也制定落实大数据在各层面的实施管理推动工作。
魏凯介绍,大型互联网企业引领大数据应用前沿,腾讯、阿里、百度等,不仅在社交、电商、广告、搜索等业务上越来越深入地使用大数据技术,还以大数据作为核心引擎发展金融、打车、医疗、教育等跨界应用,推进“互联网+”发展。
电信运营商也在积极推进自身数据整合,深化大数据在客户细分、经营分析、反欺诈、征信等方面的应用。中国电信展出的大数据能力可视化系统就能实现智能交通、舆情分析、电商精确营销、精准广告、金融评估、位置OTO等深层次应用服务。
魏凯表示,BAT等互联网企业在大数据领域的来势汹汹,也为电信运营商敲响警钟,电信运营商的数据活性很高,但同时也意味着变化很快,电信运营商必须抓住机遇。
政府可带头使用大数据
对于大数据产业发展的突破口,魏凯表示,政府的示范带动作用非常重要。他介绍说,英国、澳大利亚、日本等国政府都带头在公共服务领域率先使用大数据。“一方面,政府拥有非常丰富的数据资源;另一方面,政府需要运用大数据来提升治理效率。”
魏凯进一步解释说,具体而言,首先是重点面向提升政府治理能力、改善民生服务和城市治理等方面,通过政府向社会开放数据、加强与社会企业和组织的数据合作、向社会购买服务等方式,积极推动环保、医疗、教育、交通等关键领域的大数据整合与集成应用,进一步提高政务和公共服务效率。其次是在政府数据开放基础上,在跨行业大数据应用方面出台推动政策,打破行业壁垒,促进互联网、电信、金融、制造等数据资源丰富和信息化程度较高的行业企业与其他行业开展大数据融合与创新,带动全社会大数据应用不断深化。
除了政府带头使用大数据,魏凯认为还需大力发展自主可控的大数据技术体系。“要把大数据获取、海量数据存储管理、分布式实时计算、新型数据仓库、人工智能与机器学习和大数据安全等大数据关键技术,作为信息领域技术研发的重心。”对此,魏凯建议,机制上可重点依托百度、腾讯、阿里巴巴、华为等技术实力好、产业化能力强的龙头企业,突出应用带动技术创新的一体化组织形式,把自主创新与开源运动有机结合,着力打造自主可控的平台级大数据服务和软硬件产品,逐步实现大数据核心技术的自主可控。政策措施上要综合采取科研专项、政府采购、人才和税收政策优惠等措施,对企业开展前沿技术研究给予充分激励。
对于数据资源相关法律法规建设,魏凯建议,一是要围绕个人隐私、商业秘密、知识产权、国家安全等范畴,在数据采集、管理、流通、应用和安全等环节梳理研究现有法律法规的缺陷,提出制修订意见。二是要加快研究制定《数据跨境流动管理办法》,对跨境数据流动做出分级分类规定,保护数据主权。三是尽快启动数据资产管理相关制度的研究工作。四是引导行业组织制定数据流通规则,规范不同主体之间数据的交换共享活动。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12