
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。政策利好频出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。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 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, ...
2025-09-05