京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27