
与贵阳大数据产业发展“同频共振”
当大多数人还在疑惑“贵州为什么要发展大数据”时,这家企业便已决定落户贵阳,并建起有2700余台服务器的数据中心;
当别人“以业务为主导”时,这家企业已提出以“服务为主导”,发起成立贵阳大数据产业技术联盟,聚集一批国际先进公司,致力于大数据人才培养;
当贵州大数据产业发展得风生水起时,这家企业又与戴尔、微软等知名企业联合组建大数据实验室,通过搭建开放、共享的公共实验平台和公共孵化平台,完善产业生态系统……
回顾贵州高新翼云科技有限公司在贵阳的发展轨迹,从机房建设到人才培养再到技术共享,这家企业总是在行业“领先一步”,与贵阳大数据产业发展“同频共振”,在大数据产业缺乏可供借鉴路径之时,积极为贵阳完善区域性大数据产业生态系统贡献力量,助力贵阳、贵州建成大数据产业技术高地。
看中天时地利 数据中心落户贵阳
2013年底,高新翼云的初创团队在企业总经理许宁的带领下来贵阳考察。2014年3月,贵州高新翼云科技有限公司正式落户贵阳高新区。那时,“大数据”在国内还是个新名词,很多人都还对“贵州为什么发展大数据”充满疑惑。
高新翼云在贵阳的第一个项目是建设数据中心,目标是力争打造国内一流的互联网数据中心,成为贵州乃至全国领先的应用服务及云计算服务提供商。2014年7月,高新翼云投资1.2亿元,完成数据中心一期建设,布置了216个机柜、2700余台高性能服务器。在未来几年中,高新翼云还将建设数据中心二期,机柜要达到1200个,服务器要达到12000台。
为何要将数据中心建在贵阳?高新翼云曾做过一项对比:按照1200个机柜的规模,同样大工业电价,广州为8300万元/年、贵阳为4800万元/年,每年仅电价便可节约3500万元,相当于高新翼云一期数据中心投资的15.8%,在运营稳定的情况下,加上数据中心盈利,保守估算,3至5年可利用电费节约款项再建设一个同等规模数据中心。
“贵州气候宜人、水煤资源丰富、政府政策利好,在贵州做灾备数据中心优势明显。”该企业数据中心经理樊伟焯说,目前高新翼云正在运营的216个机柜的入租率已达95%以上,仅有一个空闲的微模块留作备用。
联合行业大鳄 培养本土人才
发展大数据,贵州、贵阳具备各种自然生态资源优势,也面临着较明显的发展短板。
“其中人才缺失比较严重。”樊伟焯说,在高新翼云的技术团队中,将近一半人员来自广州、深圳等地,高新翼云未来1万台服务器大概需要10个系统管理人员,但目前只招到3个。“随着三大电信运营商100万台服务器的投入运营,贵州的数据中心仅系统管理人员就需要1000人,这还不包括其他方面的大数据人才需求。”
为此,高新翼云于2014年8月发起成立贵阳大数据产业技术联盟,聚集英特尔、戴尔、华为、甲骨文等一批产业链上的国际先进公司、教育机构和研究机构,共同在大数据人才培养上下功夫。“对大数据时代的认知、对贵州资源优势的认可、以及对人才培养的认同,是大家一拍即合的原因。”许宁说。
今年8月,高新翼云取得红帽公司在贵州地区开设课程的授权,贵州大学已有20名大四学生报名参加实训,今年10月份正式授课,实训内容包括基础架构系统、大数据分析、软件开发等。“按照规划,一年的培训规模200到500人左右,以满足贵州、贵阳大数据产业三到五年的发展需求。经过考试后,接受培训人员可取得在IT行业中极具含金量的红帽的从业资格认证。”樊伟焯说。
搭建开放平台 完善产业生态系统
在贵州大数据产业风起云涌之际,如何构建完整的大数据产业生态系统?高新翼云计划通过搭建一个开放和共享的平台,助力贵阳、贵州建成大数据产业技术高地。
今年5月27日,在贵阳国际大数据产业博览会暨全球大数据时代贵阳峰会期间,高新翼云与戴尔签署了中小企业云合作协议,共同组建“戴尔——高新翼云IT联合实验室”。目前,贵阳已将车管所3至5年的历史数据放在该实验室,供实验室进行数据的提取和研究,以开发出更多的大数据商业价值的应用。
“我们现在也与微软合作,希望通过多个联合实验室互为补充,构成一个集基础研发、测试、实验以及产业研究为一体的公共平台。”樊伟焯说,在实验室中,戴尔、微软等知名企业将免费发布自身产品的解决方案理念和软件模型,企业、创客、在校学生等均可根据发布的内容进行设计和应用研发,研发成果可立即在实验室中测试,测试完毕后如果能够满足客户需求,便可立即进入高新翼云中心企业云平台运行、销售、商用。
“这样一来就能吸引大量用户参与,以天马行空的想象力开发出形式更加多样的大数据应用产品。”樊伟焯说,作为公共平台的提供商,高新翼云不仅可以在产品出售中获得收益,还可大幅缩短自身产品市场化的周期,让企业未来的发展路径更加多元化。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23