
大数据时代来临 中国应将其作为竞争点
中国应抓住机遇,整合国家战略,创新型商业模式,将大数据作为新一轮科技竞争和产业竞争的战略制高点。
当国内的淘宝、京东和苏宁易购还在双十一的促销中酣战不休之时,电商的鼻祖亚马逊却选择了一条简洁而酣畅的道路:在页面上挂起针对每个消费者量身定做的商品推荐。它相信,相对于铺天盖地却又漫无目的的商品促销,利用大数据技术作出的贴心的推荐无疑是更为有利和持久的生财之道。
这并不仅仅是一个公司的行为。2012年3月29日,奥巴马在白宫网站发布了《大数据研究和发展倡议》,政府承诺将新提供超过2亿美元的资金发展大数据技术。
从消费习惯的记录推断出最为精准的商品信息推荐,亚马逊利用自己庞大的数据库和对于大数据的敏锐触觉走在了前列。国内,习惯于传统商业模式的电商和IT公司也已经注意到有关大数据的趋势,纷纷开始布局。
大数据是指一般的软件工具难以捕捉、管理和分析的大容量数据,一般以“太字节”为单位,大数据之“大”,并不仅仅在于“容量之大”,更大的意义在于:通过对海量数据的交换、整合和分析,发现新的知识,创造新的价值,带来“大知识”、“大科技”、“大利润”和“大发展”。信息管理专家涂子沛在其专著中如是定义大数据。
根据IDC(国际数据公司)的监测统计,2011年全球数据总量已经达到1.8ZB(1ZB等于1万亿GB,1.8ZB也就相当于18亿个 1TB移动硬盘 的存储量),而这个数值还在以每两年翻一番的速度增长,预计到2020年全球将总共拥有35ZB的数据量,增长近20倍。
美国社会思想家托夫勒在《第三次浪潮》中提出,“如果说 IBM 的主机拉开了信息化革命的大幕,那么大数据才是第三次浪潮的华彩乐章。”大数据将为信息产业带来新的增长点。面对爆发式增长的海量数据,基于传统架构的信息系统已难以应对,同时传统商业智能系统和数据分析软件,面对以视频、图片、文字等非结构化数据为主的大数据时,也缺少有效的分析工具和方法。信息系统普遍面临升级换代的迫切需求,为信息产业带来新的、更为广阔的增长点。
开源分析机构Wikibon预计,2012年全球大数据企业营收为50亿美元,未来5年的市场复合年增长率将达到58%,到2017年将达到500亿美元。IDC则预测大数据技术与服务市场将从2010年的32亿美元攀升至2015年的169亿美元。尽管所预测的产业规模存在差别,但所给出的高增速说明两家机构对大数据的发展前景都充满信心。从实际看,作为第一家专注于大数据领域的上市企业,Splunk凭借大数据监测和分析业务,营业收入连续4年实现80%以上的高速增长。
赛迪智库权威专家表示,大数据将加速信息技术产品的创新融合发展。面向大数据市场的新产品、新技术、新服务、新业态正在不断涌现。大数据面临着有效存储、实时分析等挑战,必将对芯片、存储产业产生重要影响,推动一体化数据存储处理 服务器 、 内存 计算等产品的升级创新。对数据快速处理和分析的需求,将推动商业智能、数据挖掘等软件在企业级的信息系统中得到融合应用,成为业务创新的重要手段。同时,物联网、移动互联网的迅速发展,使数据产生速度加快、规模加大,迫切需要运用大数据手段进行分析处理,提炼其中的有效信息。大数据应用也给 云计算 带来落地的途径,使得基于云计算的业务创新和服务创新成为现实。而以以上领域为切入点,大数据将推动整个信息产业的创新发展。
大数据作为一种重要的战略资产,已经不同程度地渗透到每个行业领域和部门,其深度应用不仅有助于企业经营活动,还有利于推动国民经济发展。麦肯锡研究表明,在医疗、零售和制造业,大数据可以每年提高劳动生产率0.5~1个百分点。
赛迪智库权威专家表示,宏观层面,大数据使经济决策部门可以更敏锐地把握经济走向,制定并实施科学的经济政策。微观方面,大数据可以提高企业经营决策水平和效率,推动创新,给企业、行业领域带来价值:
一是增加收入。零售商可通过对海量数据的实时分析掌握市场动态并迅速作出应对,通过精准营销增加营业收入;二是提高效率。在制造业,通过整合来自研发、工程和制造部门的数据以便实行并行工程,可以显著缩短产品上市时间并提高质量;在市场和营销方面,大数据能够帮助消费者在更合理的 价格 范围内找到更合适的产品来满足自身的需求,提高附加值。三是推动创新。企业可从产品开发、生产和销售的历史大数据中找到创新的源泉,从客户和消费者的大数据中寻找新的合作伙伴,以及从售后反馈大数据发现额外的增值服务,从而改善现有产品和服务,创新业务模式。
大数据技术作为一种重要的信息技术,对于提高安全保障能力、应急能力、优化公共事业服务,提高社会管理水平的作用正在日益凸显。增强安全保障能力。在国防、反恐、安全等领域应用大数据技术,能够对来自于多种渠道的信息快速进行自动分类、整理、分析和反馈,有效解决情报、监视和侦察系统不足等问题,提高国家安全保障能力。
中科院计算所网络数据科学与工程研究中心主任程学旗在接受本刊记者专访中表示:“数据的规模如此之大,现有的IT技术根本没有办法分析处理,价值难以得到有效利用。对这些数据的感知、分析,同时加以商业化,就是大数据技术需要完成的工作。”如何挖掘大数据的价值是重中之重。
我国应将大数据作为新一轮科技竞争和产业竞争的战略重点和制高点,充分认识“数据、技术、应用”三位一体、有机统一的内涵,掌握未来大数据发展主动权。为此,赛迪专家建议重点开展以下四方面工作:
首先,布局关键技术研发创新。
总体来看,大数据的技术门槛较高,目前在大数据领域展开竞争的信息技术企业多是在数据存储、分析等领域有着传统优势的厂商。为实现产业升级,为在技术产业发展中不落人后甚至实现弯道赶超,我国不能再跟随发展,必须及早布局关键技术和新兴技术的研发应用。
一是以数据分析技术为核心,加强人工智能、商业智能、机器学习等领域的理论研究和技术研发,夯实发展基础。
二是加快非结构化数据处理技术、非关系型数据库管理技术、可视化技术等基础技术研发,并推动与云计算、物联网、移动互联网等技术的融合,形成较为成熟、可行的解决方案。
三是面向大数据应用,加强网页搜索技术、知识计算(搜索)技术、知识库技术等核心技术的研发,开发出高质量的单项技术产品,并与数据处理技术相结合,为实现商业智能服务提供技术体系支撑。
其次,提高软件产品发展水平。
一是推动以企业为核心的产学研用合作,加快提高软件发展水平,为大数据发展和应用奠定基础。
二是利用本土语言优势,结合云计算技术与服务,加快中文数据采集、汇总与分析,加快开发和建设中文知识库、数据库与规则库。
三是利用产业发展引导资金,鼓励软硬件企业和服务企业应用新型技术,与信息内容服务相结合,面向实际的大数据应用提供具有行业特色的系统集成解决方案和数据分析服务。
四是以百度、腾讯、阿里巴巴等企业牵头,基于开源、开放 操作系统 或应用平台,整合优势资源,聚集一批有实力、有特色的中小互联网信息服务提供商,加速本土化信息服务的开拓与整合,形成良性发展的生态系统。
五是以有基础优势的数据处理软件商牵头,统合各方技术优势与数据优势,形成完整、可实用的数据分析软件,不断提高服务内容的精确度与匹配度。同时培育形成一批具有较高集成水平、较强市场能力的大数据解决方案提供商,为大数据在各行业领域的应用提供成熟解决方案。
第三,加速推进大数据示范应用。
一是面向医疗、能源、金融、电信、流通等数据量大的领域,引导行业厂商参与,大力发展数据监测、商业决策、数据分析、横向扩展存储等软硬件一体化的行业应用解决方案。
二是面向智慧城市建设与百姓日常生活需求,加快推动大数据在智慧城市建设及个人娱乐、生活服务领域的应用,不断提升数字内容加工处理软件等服务发展水平。
三是推动行业数据的深加工服务。大力开发深度加工的行业数据库,对高科技领域数据进行深度加工,建立基于不同行业领域的专题数据库,提供内容增值服务。
四是选择重点领域、重点企业,鼓励其应用数据清洗等手段,对企业积累的数据进行初步分析整理,去除重复数据,减少噪音数据,提高大数据集合的建设质量。
第四,优化完善大数据发展环境。
一是要加强大数据应用背景下信息安全问题的研究,应对好大数据应用可能带来或面临的信息安全风险,特别是研究面向基于大数据的情报收集分析工作的信息保密问题。
二是要明确数据分析处理服务的价值和作用,支持数据加工处理企业发展,将具备一定能力企业的数据加工处理业务列入营业税优惠政策享受范围。
三是完善相关体制机制,以政府为切入点,推动信息资源的集中共享,夯实大数据的应用基础......
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15