京公网安备 11010802034615号
经营许可证编号:京B2-20210330
现在大家都知道大数据产业有很大的发展潜力,但潜力在哪,其商业模式又是什么?实际上就在于数据商业价值的挖掘。其中阿里、京东等电商企业就很好地挖掘了大数据的商业价值,例如我们在搜索购物时,淘宝、京东商城等网站就会结合你以前购买的一些商品信息,非常“贴心”地把你也许感兴趣的内容推荐给你,从而提高网友的购物体验,这也给企业带来了丰厚的回报。
记者:现在贵州也正在大力发展大数据产业,您如何看待其商业价值?
王旭:贵州拥有丰富的水电资源和气候优势,非常适合发展大数据产业。但目前来看,贵州的大数据产业现在还处于一个起步阶段,商业价值并不明朗。这也是日前省经信委主办2014中国(云上贵州)大数据商业模式大赛的主要原因,就是希望能够借助全球大数据相关的企业和团队、业内人士、创业者和高校师生的创意,为贵州大数据产业商业价值的挖掘出主意。
此外,贵阳市日前提出全方位加速重点打造呼叫中心产业的做法也是挖掘大数据商业价值的一个明智之举。呼叫中心看似一个劳动密集型的低端产业,但它一点都不低端,它的数据收集能力是其它行业难以比拟的。其实贵阳看中的是其数据收集能力。因为只有先具备海量的收集储存,然后才能进行数据的处理和分析,这是开发和应用大数据商业价值的前提和基础。
记者:贵州发展大数据产业当前最紧缺的是什么?
王旭:平台好搭建,“人才戏”难唱。目前,国内的大数据人才主要集中在北上广等东部发达城市,而贵州的大数据人才却相对匮乏,因此贵州大数据产业发展最需要的是大数据人才的储备。因为只有配备一些精通于数据采集和挖掘的数据科学家,才能够建立高级分析模型,发现趋势和隐藏的模式,使大数据真正发挥作用。
也正因如此,今年5月,经贵州省人民政府和贵州省教育厅批准,原贵州大学电子信息学院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。目前,学院内已经专门设立了大数据科学与工程系,并招收了首批100名学生,分别进行信息管理与信息系统、物联网工程两个专业的培养。其中信息管理与信息系统专业偏向于数据的分析和应用,物联网工程偏向于传感器、识别设备等硬件的使用。
未来,我们还计划做三个方面的工作:一是将现有的基础性课程进修完善,并在5年内将大数据科学与工程系的学生规模发展成1000人,以适应当前贵州大数据产业发展的需要。二是与国内大数据相关企业合作建立实训基地,以便让学员中的学生能够到企业中进行“实战”,以培养学生的实际数据分析能力。三是准备与惠普公司开展大数据资质认证的培训,前期先做大数据相关院校、科研机构以及企事业管理人员的资质认证培训,后期为贵阳大数据相关企业提供大数据采集、挖掘、储存等技术培训及资格认证服务,以满足大数据产业快速发展中的人才需求。
记者:您参加了“云上贵州”大数据商业模式大赛吗?
王旭:我们参加了,主要是做中草药的课题研究。
记者:中草药和大数据也有关系吗?
王旭:中草药有很多,比如说天麻,其中很多成分都是有益的,但如果拿这些成分入药,就必须要有统一的标准。但目前来看,贵州虽然盛产中草药,但大部分都是由农民进行散种,因此我们想通过大数据的食品安全云,通过数据溯源的方法进行标准化种植。具体来说,我们会通过特定传感器检测收集其生产过程中的温度、湿度、日照、气候等数据。产品一旦能够达到标准,我们便对其种植时的数据进行溯源,并按照同样的温度、湿度、日照等进行标准化种植。这种溯源的做法,就是贵州提出的“7+n”朵云中食品安全云的一种表现形式。未来,我们还希望能把这个课题向大数据金融方向延伸,建立农产品价格信息云平台,用o2o的形式贯穿整个产业链。科技力量并不是高高在上的,其真正的伟大之处是每个人都可以受益,而我们的最终目的也是以科技的力量改善农民的生活水平。
记者:您认为贵州大数据产业的未来方向在哪里?
王旭:贵州省发展大数据产业必须要结合自身实际,走一条属于自己的创新之路。当前而言,国内三大运营商数据中心同时集中落户贵州,可谓是全国首例。因此贵州大数据产业发展的第一条路是基于数据中心,做专业化的数据收集和储存平台,让外省的企业在贵州这个平台上“跳舞”。
第二条路是结合贵州民族药、旅游业、特色农产品等传统优势产业,利用大数据技术帮助传统产业直接获取消费者对其产品的反馈,以形成真正意义上的互动沟通,帮助传统产业在营销、广告以及新产品开发等方面加速互联网化,助推传统产业转型升级。
第三条路是利用大数据进行智慧城市的建设,现在贵州大学就有很多教师在进行体检数据收集、医院医师问诊服务云平台等公共领域的研究。
第四条路是结合贵阳市在“三线建设”时期留下的工业基础,利用大数据智能识别等技术大力发展高端装备制造业,例如机器人的制造等,这在国内外都是非常前沿的应用,市场前景非常广阔。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02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