京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据产业的商业价值在哪里(1)
时下,大数据的气息扑面而来。大数据产业已成为具有战略意义的前沿性、高端性、新兴性产业,在新一轮科技革命和产业变革中占据重要位置,受到全球企业界和政府的高度关注。如何抢抓机遇、站在大数据的潮头,已成为各国企业、政府探讨的重要内容。今日起,本报开辟专刊《对话大数据》,与专家、学者及业内人士面对面,聚焦大数据产业,探讨其发展趋势。
a
大数据是国外金融机构的“捕鼠”神器
这是一个急剧变革的时代。就像马云说的那样,还没搞清电脑的时候,移动互联网来了,还没搞清移动互联网的时候,大数据时代来了。仿佛一夜间,大数据、云计算就成为了中国人的“口头禅”。但对于大数据企业以及市民来说,大数据的商业价值所在仍然像“谜”一般。
贵州,欠开发、欠发达的地区。然而,面对大数据产业浪潮,贵州的起步不晚,甚至可以说比较早——国内三大运营商的数据中心落户贵州,富士康、阿里巴巴、北京世纪互联宽带数据中心与贵阳市联手打造“云上贵州”新应用……在产业起步的同时,贵州对大数据产业的研究也“走得较快”。2014年5月,贵州大学电子信息学院正式更名为大数据与信息工程学院,成为国内首个专注于大数据人才培养的高等院校。近日,本报记者对贵州大学大数据与信息工程学院副院长、副教授王旭进行了专访,探究大数据产业的前沿与贵州、贵阳大数据产业的发展路径等。
b
呼叫中心产业并非低端产业,其数据收集能力无可比拟
记者:您是什么时候开始接触大数据的?
王旭:应该说是在国外留学的时候开始接触大数据。2003年至2007年,我在四川大学读本科,期间获得了中英优秀青年奖学金。本科读完后便被国家公派到英国牛津大学物理学院量子信息与量子器件小组学习。一直到2012年5月份拿到博士学位证书后才回国从事教学工作。
在牛津大学期间,学生和教授之间有一个好的习惯:就是每天早上11点和下午4点,如果没有特别重要的事情,不同系别、不同专业的学生和教授便会交叉汇聚在一起进行相互交流,学习不同领域的知识来开阔自己的视野。也是在与他们的交流中,我也开始接触到大数据在其它领域中的应用方法和案例,并对大数据产业产生了浓厚的兴趣。
记者:在国外,大数据主要应用在哪些领域?
王旭:大数据技术是近年来信息技术领域的研究热点,其原理是通过采集和分析海量数据获取有用信息,创造价值。它的学科基础比较广泛,例如统计、计算机、软件编程等方面。但从近几年的“热度”来看,在国外,大数据在金融和医疗方面的应用最受瞩目。大家都知道,英国伦敦是一座金融城市,因此对资本市场的监管必须非常严格,大数据在其中就扮演着数据监控的角色。
说一个大数据“捕鼠”的案例。在一些金融机构中,如果交易员私自将一些内部信息透露给身边朋友,让身边朋友代其进行股票、证券交易,这就是我们俗称的“老鼠仓”行为。如果依靠传统的举报、突击检查等方式获得线索的话,是很难查出“老鼠”的。但是运用大数据的话,便可以通过抓取各种看似杂乱而无关的分散信息,利用各种算法将交易金额、开户时间、账户资金规模等数据进行自动关联、聚类、分类和重排,寻找各种违规交易的蛛丝马迹。比如说我发现两个交易账户,交易的品种、时间、频次、手法非常接近,而其中一个是基金账户,那另一个就很有可能是“老鼠仓”。
在大数据医疗方面,国内外的探索热情都很高。去年5月,牛津大学就设立了英国首个综合运用大数据技术的医药卫生科研机构“李嘉诚卫生信息与发现中心”,其中香港富商李嘉诚资助了2000万英镑,主要是通过搜集、存储和分析大量医疗信息,确定新药物的研发方向,探索特定疾病的新疗法。
c
贵州大数据产业发展有四条方向可以选择
记者:目前国内大数据产业发展现状如何?
王旭:有资料显示,人类产生的数据量正在呈指数级增长,大约每两年翻一番。这意味着人类在最近两年产生的数据量相当于之前产生的全部数据量之和。据监测,这个速度在2020年之前会一直保持下去。围绕这些数据的收集、处理和应用,形成了具有划时代意义的大数据产业。基于此,国内大数据产业可谓方兴未艾,其中阿里巴巴、京东等电商企业在大数据开发和运用方面一直走在业界前沿。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27在CDA(Certified Data Analyst)数据分析师的能力体系与职场实操中,高维数据处理是高频且核心的痛点——随着业务场景的复杂化 ...
2026-03-27在机器学习建模与数据分析实战中,特征维度爆炸、冗余信息干扰、模型泛化能力差是高频痛点。面对用户画像、企业经营、医疗检测、 ...
2026-03-26在这个数据无处不在的时代,数据分析能力已不再是数据从业者的专属技能,而是成为了职场人、管理者、创业者乃至个人发展的核心竞 ...
2026-03-26在CDA(Certified Data Analyst)数据分析师的能力体系中,线性回归是连接描述性统计与预测性分析的关键桥梁,也是CDA二级认证的 ...
2026-03-26在数据分析、市场研究、用户画像构建、学术研究等场景中,我们常常会遇到多维度、多指标的数据难题:比如调研用户消费行为时,收 ...
2026-03-25在流量红利见顶、获客成本持续攀升的当下,营销正从“广撒网”的经验主义,转向“精耕细作”的数据驱动主义。数据不再是营销的辅 ...
2026-03-25在CDA(Certified Data Analyst)数据分析师的全流程工作中,无论是前期的数据探索、影响因素排查,还是中期的特征筛选、模型搭 ...
2026-03-25在当下数据驱动决策的职场环境中,A/B测试早已成为互联网产品、运营、营销乃至产品迭代优化的核心手段,小到一个按钮的颜色、文 ...
2026-03-24在统计学数据分析中,尤其是分类数据的分析场景里,卡方检验和显著性检验是两个高频出现的概念,很多初学者甚至有一定统计基础的 ...
2026-03-24