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
数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18小陈是某电商平台的数据分析师。老板交给他一个任务:“我们平台的注册用户已经突破1000万了,想了解一下用户的平均月消费金额。 ...
2026-05-18【专访摘要】本次CDA持证专访邀请到拥有丰富物流供应链数据分析经验的赖尧,他结合自身在京东、华莱士、兰格赛等企业的从业经历 ...
2026-05-15在数字化时代,企业的每一次业务优化、每一项技术迭代,都需要回答一个核心问题:这个动作到底能带来多少价值?是提升了用户转化 ...
2026-05-15在数据仓库建设中,事实表与维度表是两大核心组件,二者相互关联、缺一不可,共同构成数据仓库的基础架构。事实表聚焦“发生了什 ...
2026-05-15 很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问 ...
2026-05-15【核心关键词】互联网、机会、运营、关键词、账户、数字化、后台、客户、成本、网络、数据分析、底层逻辑、市场推广、数据反馈 ...
2026-05-14