
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
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29