京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据大金矿
毫无疑问,最近一个月信息技术领域最热门的两个名词,非“云计算”和“大数据”莫属!有人认为这是市场主题泡沫,有人指出这是产业概念,众说纷纭,见仁见智。而我们认为这是一次巨大的投资机会,堪比五年前开始的“智慧城市”建设,许多五年前营收刚过亿的企业如今营
首先,不妨来思考一下信息技术特别是软件业的核心是什么?有人认为是解决管理问题,我更愿意相信是数据的交互。过去十几年软件业的大发展基本是帮助进行信息数据的交互,基于这种交互帮助人们更方便地工作生活,帮助政府更高效地办公管理,帮助企业更快捷地开展业务。目前,数据交互功能对基础软件渗透率的提升已经较高,例如财务软件、OA办公软件、客户管理软件、ERP等等。而过去五年特别是近年来数据量的暴涨,更让诸多眼光独到者捕捉到了数据的特殊价值。因此,“大数据”产业的未来是具有信息化基础的产业趋势。
其次,我们再来看看远方,有了远方或对眼前将有更清楚的认识。“数据+产业+金融”新信息经济是我们对未来五年形态的一个简要概述,数据被我们认为是新信息经济的内核,驱动着未来产业的升级转型,而金融手段或是1.0版本的最好商业形态。
基于此,一幅“大数据”未来的美好画卷将徐徐展开:信息技术公司与产业创新企业、金融机构实现深度合作,廉价资金通过数据、风控有序进入产业,产业资金成本有了较大下降,产业创新升级不断活跃。市场上可能对这样的画面存在质疑的声音,但更多的是质疑时间。这种质疑是合理的,我们同样认为这是一个过程,需要五年为计的时间周期。但可以肯定的是,未来的画面将是美好的,而美好画面中“数据产业链”将凸显其独特而巨大的价值。
为什么我们如此坚定“大数据”的美好未来,从前段时间国家出台的《促进大数据发展行动纲要》中便可见一斑:“大数据”在大范畴上对政府管理、信息化推动、产业升级,乃至国家战略层面,均蕴含着非凡的意义。一方面,国家有序开放数据资源,政府管理效率和能力有望继续提升,医疗、交通、教育等关键社会问题将得到较大改善,且不仅仅是效率提升,如医保控费等;另一方面,国家开放数据将推动信息化建设上升到一个新的台阶,数据开放将带动云计算、信息安全等各类技术快速进步,而这是国家在信息化基础设施建设完成后的迫切需求;同样,也是国家产业升级的迫切需求。
数据作为高级生产力,伴随着各领域数据的价值的挖掘,一些新的商业模式将对产业升级产生加大影响,如基于数据的互联网保险、基于数据的互联网金融、基于数据的供应链金融等。
所以,我们认为信息化建设的下一个抓手一定是“大数据”产业链:(1)这个抓手必须有高度也需要有规模,而大数据产业链覆盖的环节面较广,包括数据传输、数据存储、数据安全、数据分析等等细分产业链,其目前的总市场规模在2000亿左右,未来五年或保持复合增速30%,2020年或超过五千亿规模;(2)这个抓手必须承前启后,是前面信息技术发展的延伸,同时也必须为未来的新生态打基础,唯有“大数据”可以承担起这个重任,国务院颁布的《促进大数据发展行动纲要》也肯定了大数据对未来经济结构转型的推动力量。
再次,让我们看看云计算和大数据又怎么搭上同一班列车的。引用经常被提及的一句话,“从技术上看,大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理,必须采用分布式计算架构。它的特色在于对海量数据的挖掘,但它必须依托云计算的分布式处理、分布式数据库、云存储和虚拟化技术”。云计算存在诸多商业模式,而这些商业模式的创新大多是基于数据存储的便利和基于数据的创新服务,于是它们搭上同一班列车也就不足为奇。云计算与大数据是产业链上不可或缺的两个主体,未来二者将相得益彰、共同推进。云计算技术的创新将推动大数据的产业升级,大数据的发展也将加速云计算技术的更新换代,而云计算本身就是“大数据产业链”的有机组成部分。
最后,必须明确的是,我们对“大数据”产业链外延和内涵的理解,包括对其机会和范畴的理解,有所不同,区别于大众所提的“大数据”狭义机会:一是我们认为这是国家推动信息化发展的下一个抓手,是未来五年的信息化大机会,所以企业和资本市场都应该高度认识其意义,否则容易错过产业大机会;二是所理解的“大数据”产业链范畴存在较大不同,我们认为其范畴不仅包括数据存储、数据安全、数据运营、数据分析,还包括数据通信、产业数据、云计算等环节;三是我们对未来“大数据”产业链发展趋势有较为深刻客观的理解,认为未来大数据产业演进路线丰富,而横向和纵向的维度均有不同的机会存在,不是短期更不是主题。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27