京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据:大变革、大机遇
从来没有哪一次技术变革能像大数据革命一样,在短短的数年之内,从少数科学家的主张,转变为全球领军公司的战略实践,继而上升为大国的竞争战略,形成一股无法忽视、无法回避的历史潮流。互联网、物联网、云计算、智慧城市、智慧地球正在使数据沿着“摩尔定律”飞速增长,一个与物理空间平行的数字空间正在形成。在新的数字世界当中,数据成为最宝贵的生产要素,顺应趋势、积极谋变的国家和企业将乘势崛起,成为新的领军者;无动于衷、墨守成规的组织将逐渐被边缘化,失去竞争的活力和动力。毫无疑问,大数据正在开启一个崭新时代。
大数据时代有什么本质特征?大数据的来源是什么?大数据又将流向哪里?大数据在提升政府治理、改善经济治理、再造公共服务模式、激发商业创新方面有哪些卓越案例?中国需要怎么样的战略反应才能抓住大数据带来的宝贵机遇?一系列问题亟待研究者给出深入解析。
“数据驱动发展”成为时代主题
如今,大数据已经被赋予多重战略含义。从资源的角度,数据被视为“未来的石油”,作为战略性资产进行管理;从国家治理角度,大数据被用来提升治理效率、重构治理模式、破解治理难题,它将掀起一场国家治理革命;从经济增长角度,大数据是全球经济低迷环境下的产业亮点,是战略新兴产业的最活跃部分;从国家安全角度,全球数据空间没有国界边疆,大数据能力成为大国之间博弈和较量的利器。总之,国家竞争焦点将从资本、土地、人口、资源转向数据空间,全球竞争版图将分成新的两大阵营:数据强国与数据弱国。
宏观上看,由于大数据革命的系统性影响和深远意义,主要大国快速做出战略响应,将大数据置于非常核心的位置,推出国家级创新战略计划。美国2012年发布《大数据研究和发展计划》,并成立“大数据高级指导小组”,2013年又推出“数据—知识—行动”计划,2014年进一步发布《大数据:把握机遇,维护价值》政策报告,启动“公开数据行动”,陆续公开50个门类的政府数据,鼓励商业部门进行开发和创新。欧盟正在力推《数据价值链战略计划》,英国发布《英国数据能力发展战略规划》,日本发布《创建最尖端IT国家宣言》,韩国提出“大数据中心战略”。中国多个省市发布了大数据发展战略,国家层面的《关于促进大数据发展的行动纲要》也于2015年8月19日正式通过。
微观上看,大数据重塑了企业的发展战略和转型方向。美国的企业以GE提出的“工业互联网”为代表,提出智能机器、智能生产系统、智能决策系统,将逐渐取代原有的生产体系,构成一个“以数据为核心”智能化产业生态系统。德国企业以“工业4.0”为代表,要通过信息物理系统(CPS——cyber physical system),把一切机器、物品、人、服务、建筑统统连接起来,形成一个高度整合的生产系统。中国的企业以阿里巴巴董事局主席马云提出的“DT时代”(data technology)为代表,认为未来驱动发展的不再是石油、钢铁,而是数据。这三种新的发展理念可谓异曲同工、如出一辙,共同宣告了“数据驱动发展”成为时代主题。
与此同时,大数据也是促进国家治理变革的基础性力量。正如《大数据时代》作者舍恩伯格在定义中所强调的,“大数据是人们在大规模数据的基础上可以做到的事情,而这些事情在小规模数据的基础上是无法完成的”。在国家治理领域,阳光政府、责任政府、智慧政府建设,大数据为解决以往的“顽疾”和“痛点”提供了强大支撑;精准医疗、个性化教育、社会监管、舆情监测预警,大数据使以往无法实现的环节变得简单、可操作;大数据也使一些新的主题成为国家治理的重点,比如维护数据主权、开放数据资产、保持在数字空间的国家竞争力等。
从哲学意义上来看,大数据不仅仅是一场技术革命,也不仅仅是一场管理革命或者治理革命,它给人类的认知能力带来深刻变化,可谓是认识论的一次升华。具体而言,大数据可以为决策者解决“四个问题”,提升“两种能力”。一是解决“坐井观天”的问题,以往人们决策只能基于视野之内极为有限的局部信息,和井底之蛙无异,大数据则可以实现整个苍穹尽收眼底;二是解决“一叶障目”的问题,以往不具备全样本数据分析能力,只能用小样本分析近似推理,犹如从“泰山”中取来“一叶”,而真理可能存在于全样本的海量数据之中,借助大数据则可完全克服;三是解决“瞎子摸象”的问题,七个瞎子根本无法根据各自的认识加总出完整的大象,因为他们的信息是相互离散的,无法有效关联起来,而大数据的基本优点是在深入关联中还原事物的原貌;四是解决“城门失火,殃及池鱼”的问题,人们习惯于因果分析,遇到这种“稀奇古怪”的因果链则很难前瞻和推理,但大数据注重相关关系,可以准确地发掘出规律。提升两种能力,一个是“一叶知秋”的能力,体现大数据敏锐的洞察能力,另一个是“运筹帷幄,决胜千里”的能力;体现大数据对时空约束的突破。这些足以说明,大数据是人类认识世界和改造世界能力的一次升华。
中国成为数据强国的优势、挑战与路径
值得振奋的是,中国具备成为数据强国的优势条件。从2013年至2020年,全球数据规模将增长十倍,每年产生的数据量由当前的4.4万亿GB,增长至44万亿GB,每两年翻一番。从全球占比来看,中国成为数据强国的潜力极为突出,2010年中国数据占全球比例为10%,2013年占比为13%,2020年占比将达到18%,届时,中国的数据规模将超过美国的数据规模,位居世界第一。中国成为数据大国并不奇怪,因为我们是人口大国、制造业大国、互联网大国、物联网大国,这都是最活跃的数据生产主体,未来几年成为数据大国也是逻辑上必然的结果。
尽管存在成为数据强国的潜力,但在目前的政策环境之下,我国推进大数据战略仍存在以下几个清晰的挑战。第一,顶层设计方面,全球大国之间围绕大数据的竞争颇为激烈,中国作为一个后发国家,想要实现弯道超车,后来居上并非易事。如何能够紧扣创新前沿,把准未来趋势,超前战略部署,对政策设计来说是一个非常现实的挑战。第二,数据开放方面,“数据孤岛”广泛存在,虽然政府掌握着80%的数据,但现实中却相互割裂,自成体系,“部门墙”“行业墙”“地区墙”阻碍了数据的流动共享,数据被视为部门的利益和隐私,这与大数据时代的基本理念准则相悖。第三,大数据相关的法律、法规、标准缺位,导致能够开放的数据不开放,需要保护的隐私不保护,企业由于标准模糊而无法大胆创新。第四,“数据主权”容易受到侵蚀,由于数据空间是国家新的战略维度,尚没有完备的安全保障体系,再加上电脑、手机、芯片、服务器、搜索引擎、操作系统、软件等核心的数据“基础设施”大量依赖进口,数据资产极易流失,数据主权极易受到侵蚀。
把握优势,克服挑战,抓住大数据革命带来的“机会窗口”,建设数据强国,是实现中华民族伟大复兴的一个有力支撑。然而,我们需要怎样做才能更好地拥抱大数据时代,确保在数字化趋势中立于不败之地呢?首先,需要在国家顶层设计上有一个清晰的行动框架,包括由什么部门主导、哪些部门参与、什么样的协作机制、沿着什么优先次序、克服哪些既有的障碍、达到什么战略目标,只有这样,各部门、各地区、企业界、学术界才能形成合力,在一个共同的路线图上协作推进。其次,盘活数据资产,在数据开放上取得实质性突破。一些基本的建议包括:加快G2G(政府与政府之间)、G2B(政府与企业之间)、G2C(政府与公民之间)大数据开放与共享;推动基础性、战略性大数据资源库整合;加强大数据基础设施建设,编制国家大数据档案。最后,把强大的“国家企业”和活跃的“万众创新”结合起来。一方面,要培育可以和国际“八大金刚”并驾齐驱的巨型企业作为大数据环境中竞争的中坚力量,同时,鼓励和引导大众创业、万众创新成为数据生态系统中的活跃力量。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在金融行业的数字化转型进程中,SQL作为数据处理与分析的核心工具,贯穿于零售银行、证券交易、保险理赔、支付结算等全业务链条 ...
2025-12-24在数据分析领域,假设检验是验证“数据差异是否显著”的核心工具,而独立样本t检验与卡方检验则是其中最常用的两种方法。很多初 ...
2025-12-24在企业数字化转型的深水区,数据已成为核心生产要素,而“让数据可用、好用”则是挖掘数据价值的前提。对CDA(Certified Data An ...
2025-12-24数据分析师认证考试全面升级后,除了考试场次和报名时间,小伙伴们最关心的就是报名费了,报 ...
2025-12-23CDA中国官网是全国统一的数据分析师认证报名网站,由认证考试委员会与持证人会员、企业会员以及行业知名第三方机构共同合作,致 ...
2025-12-23在Power BI数据可视化分析中,矩阵是多维度数据汇总的核心工具,而“动态计算平均值”则是矩阵分析的高频需求——无论是按类别计 ...
2025-12-23在SQL数据分析场景中,“日期转期间”是高频核心需求——无论是按日、周、月、季度还是年度统计数据,都需要将原始的日期/时间字 ...
2025-12-23在数据驱动决策的浪潮中,CDA(Certified Data Analyst)数据分析师的核心价值,早已超越“整理数据、输出报表”的基础层面,转 ...
2025-12-23在使用Excel数据透视表进行数据分析时,我们常需要在透视表旁添加备注列,用于标注数据背景、异常说明、业务解读等关键信息。但 ...
2025-12-22在MySQL数据库的性能优化体系中,索引是提升查询效率的“核心武器”——一个合理的索引能将百万级数据的查询耗时从秒级压缩至毫 ...
2025-12-22在数据量爆炸式增长的数字化时代,企业数据呈现“来源杂、格式多、价值不均”的特点,不少CDA(Certified Data Analyst)数据分 ...
2025-12-22在企业数据化运营体系中,同比、环比分析是洞察业务趋势、评估运营效果的核心手段。同比(与上年同期对比)可消除季节性波动影响 ...
2025-12-19在数字化时代,用户已成为企业竞争的核心资产,而“理解用户”则是激活这一资产的关键。用户行为分析系统(User Behavior Analys ...
2025-12-19在数字化转型的深水区,企业对数据价值的挖掘不再局限于零散的分析项目,而是转向“体系化运营”——数据治理体系作为保障数据全 ...
2025-12-19在数据科学的工具箱中,析因分析(Factor Analysis, FA)、聚类分析(Clustering Analysis)与主成分分析(Principal Component ...
2025-12-18自2017年《Attention Is All You Need》一文问世以来,Transformer模型凭借自注意力机制的强大建模能力,在NLP、CV、语音等领域 ...
2025-12-18在CDA(Certified Data Analyst)数据分析师的时间序列分析工作中,常面临这样的困惑:某电商平台月度销售额增长20%,但增长是来 ...
2025-12-18在机器学习实践中,“超小数据集”(通常指样本量从几十到几百,远小于模型参数规模)是绕不开的场景——医疗领域的罕见病数据、 ...
2025-12-17数据仓库作为企业决策分析的“数据中枢”,其价值完全依赖于数据质量——若输入的是缺失、重复、不一致的“脏数据”,后续的建模 ...
2025-12-17在CDA(Certified Data Analyst)数据分析师的日常工作中,“随时间变化的数据”无处不在——零售企业的每日销售额、互联网平台 ...
2025-12-17