京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13