京公网安备 11010802034615号
经营许可证编号:京B2-20210330
云计算大数据潮起运营商不进则退
2015年是云计算和大数据的“政策大年”。从年初开始,各种政策利好频频到来,发展云计算和大数据已经上升到国家战略层面。借助政策“春风”,云计算和大数据产业蓬勃发展,市场规模不断扩大,产业生态正在形成,越来越多的传统行业开始拥抱云计算和大数据,电信运营商面临新的机遇和挑战。
鉴于云计算和大数据在新一轮产业革命中发挥的重要作用,越来越多的国家将发展云计算和大数据上升为国家战略。2015年上半年,我国相继发布了多个有关云计算和大数据的重磅政策,密度和力度之大前所未见。
1月,国务院印发了《关于促进云计算创新发展 培育信息产业新业态的意见》,明确提出了云计算发展的原则、目标、任务和措施。这被认为是一份影响我国云计算、信息产业乃至信息化长远发展的重要政策文件。根据规划,到2020年,云计算将成为我国信息化重要形态和建设网络强国的重要支撑,云计算应用基本普及,云计算服务能力达到国际先进水平,并掌握云计算关键技术,形成若干具有较强国际竞争力的云计算骨干企业。
3月5日,李克强总理在政府工作报告中首次提出“互联网+”行动计划,强调要推动移动互联网、云计算、大数据、物联网等与现代制造业结合,促进电子商务、工业互联网和互联网金融健康发展,引导互联网企业拓展国际市场。而不到4个月的时间,7月1日国务院发布了《关于积极推进“互联网+”行动的指导意见》,“云计算”和“大数据”成为重要内容,在文件中多次出现。
6月17日,国务院总理李克强主持召开国务院常务会议,部署加大重点领域有效投资,发挥稳增长调结构惠民生的多重作用。会议特别强调,运用大数据等现代信息技术是促进政府职能转变、简政放权、放管结合、优化服务的有效手段,在环保、食品药品安全等重点领域引入大数据监管,用政务“云”提升政府服务和监管效率、造福广大群众。
8月19日,国务院常务会议通过《关于促进大数据发展的行动纲要》,会议认为,开发应用好大数据这一基础性战略资源,有利于推动大众创业、万众创新,改造升级传统产业,培育经济发展新引擎和国际竞争新优势。会议强调,要推动政府信息系统和公共数据互联共享,消除信息孤岛;要顺应潮流,引导支持大数据产业发展,深化大数据在各行业的创新应用,催生新业态、新模式,形成与需求紧密结合的大数据产品体系,使开放的大数据成为促进创业创新的新动力;要强化信息安全保障,完善产业标准体系,依法依规打击数据滥用、侵犯隐私等行为。
今年以来,短短几个月间,重量级政策密集出台,让ICT产业乃至整个社会都看到了云计算和大数据的发展前景。在政策“东风”的推动下,我国的云计算产业蓬勃发展,市场规模不断扩大。据中国信息通信研究院统计显示,2014年,我国公共云服务市场规模达到70亿元左右,增速达到47.5%,高于全球同期18%的增速,预计2015年市场规模将突破100亿元;2014年中国专有云市场规模约为216.8亿元,年增长率达到28.6%,预计市场规模将达275亿元左右。与此同时,云计算产业的生态体系正在形成,核心技术能力显著增强,与发达国家的差距日渐缩小。尤为值得一提的是,越来越多的行业开始拥抱云计算和大数据,云计算和大数据正在推动整个社会的创新,助力更多行业实现转型升级。
运营商还需“深度拥抱”
云计算和大数据正在打破传统IT架构,给各行各业带来新的机遇。对于电信运营商、互联网企业、IT厂商以及初创企业而言,云计算和大数据都意味着机遇,甚至是决定企业未来的不二法宝。
在我国云计算市场,电信运营商是不容忽视的重要力量。这主要得益于运营商进入市场时间较早,且拥有一些天然的优势:一是广泛的网络覆盖,二是高速的宽带接入能力,三是多年积累的渠道资源,四是品牌影响力以及丰富的客户服务经验。相比较互联网企业,电信运营商更能为企业以及行业用户提供个性化且具备电信级服务质量的云计算解决方案。不过,鉴于云计算市场的战略意义,越来越多的公司开始加大云计算市场的投入力度,一些互联网公司甚至制造商已经开始建设自有数据中心,发展公有云,直接面对用户。这对运营商形成有力挑战,运营商还需要深度拥抱云计算,这不仅意味着在云计算市场占据优势地位,同时也是为自身的转型发展提供强力支撑。
相比云计算,电信运营商在大数据市场的优势就不够明显。 作为大数据的传送者、生产者和使用者,目前电信运营商对于大数据的挖掘、开发、利用还远远不够。虽然拥有海量的数据资源,但是缺乏统一规划,数据分散且不完整,未能得到有效整合。即使一些公司开始分析利用大数据也主要集中在自身的内部优化上,偶尔出现的外部合作也不成规模,尚未找到理想的变现之道。原信息产业部部长吴基传曾公开呼吁:“运营商明明坐拥一座金矿,却都被BAT挖走了,要转变思路,一些不适应时代的规章制度,该打破的就要打破。”
“大数据已经成为新时代最具价值的宝藏之一,在某种程度上说,谁拥有了大数据谁就拥有了未来。”国务院副总理马凯在贵阳国际大数据产业博览会上强调了大数据的重要性。云计算和大数据代表了先进生产力,无论是国家、企业、个人都不能错过时代赋予的难得机遇,坐拥网络和用户资源优势的电信运营商更是要抢抓机遇,乘势而上,掌握发展的主动权。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
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在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09