
用好大数据推进“智慧城市”建设
大数据已在很多领域被广泛应用,各行各业都受到大数据的强烈冲击。在这样的背景下,中国国际大数据创新发展论坛于23日在深圳召开,此次大会意在激发创新创业活力,鼓励企业发掘和利用数据资源,促进创新链和产业链深度融合,推动大数据发展与科研创新的有机结合,最终形成大数据驱动型的科研创新模式。
而随着大数据时代的到来,深圳也开始进入利用大数据构建智慧城市的进程中。与会专家建议,深圳有良好的大数据建设基础,构建智慧城市一定要用好大数据。
深企将从IT时代走向DT时代
深圳的民营企业众多,大数据对这些民营企业意味着什么?民营企业又如何抓住大数据时代的机遇?正威国际集团董事局主席王文银在演讲时讲了一个“尿布与啤酒”的案例。
“这个‘啤酒与尿布’故事启发我们,大数据让我们可能有全新的视角来发现新的商业机会和重构新的商业模式。今后企业的市场营销活动会更有针对性和精准性。”王文银说。
作为深圳一家知名民营企业的掌舵人,王文银结合正威的实践指出,各行各业开始数字化、互联网化,越来越多的企业将投入到这场伟大的数据革命之中。作为国家级创新城市,深圳市在政策和具体行动上给予大数据产业大力的支持;同时,一大批从事大数据产业实践的知名企业在深圳扎根,也为这个产业发展创造了得天独厚的条件。
王文银分析认为,大数据能让企业精准地生产和服务。它将重构行业商业思维和商业模式。未来的企业将从业务驱动型转变成价值驱动型,而判断价值主要是通过大数据分析,让数据来告诉企业需求在哪、机会在哪、价值在哪。此外,王文银认为,大数据使企业真正实现从过去的以自我为中心转变为以客户为中心,与此同时,大数据一定程度上将颠覆企业的传统管理方式。
“深圳民营经济最有活力,作为其中的一员,正威也正走在通向大数据的路上。目前,集团正在打造大数据互联网生态链。”王文银表示,“预计在5年左右,深圳的企业将从IT时代走向DT时代,因此民营企业一定要抓住大数据时代的机遇。”
大数据是建设智慧城市的源泉
深圳正在构建智慧城市。大数据在智慧城市建设中将扮演怎样的角色?中国智慧城市专家委员会首席科学家李林分享了来自新加坡的经验。他指出,新加坡大数据产业的发展有它自己的规划,一些经验值得深圳借鉴。
李林在新加坡长期研究的是数据信息和知识之间的关系。他认为,新加坡在智慧城市建设方面之所以做得好,得益于他们在35年前就开始构建大数据,“他们整个智慧城市的建设过程其实反映的就是大数据建设的一个过程”。
李林介绍,无论住房、医疗还是教育,在新加坡都是用数据说话。在新加坡租房、买房、入学、看病,根本不需要提供一大堆证件证明,老百姓都不用做任何事情,只要报一个身份证号码就可以了,因为政府早就建好了一个城市管理的大数据系统。“新加坡为了管理好大数据,他还给每一个公民和临时来的暂住者发一个数据代码,这个数据代码会跟你在新加坡所有的社会证件相关联,比如说跟你的中国护照关联。你在新加坡必须使用这个数据代码,因为这个代码会跟你所有的大数据关联,影响到你生活的衣食住行。”
针对现在包括像深圳、上海、北京这样的国内城市也在纷纷推广智慧城市建设,李林指出,新加坡在大数据的建设方面非常有远见。事实上,新加坡在构建城市大数据的时候,首先会充分了解老百姓的需求,通过城市居民在需求上的大数据来构建城市管理,所以现在新加坡人生活得很幸福,这一点很值得深圳学习。“实际上智慧城市建设涉及城市的各个领域、各个产业,大数据是建设智慧城市的源泉,深圳要构建智慧城市,就要把大数据跟智慧城市关联起来”。
深圳有良好的大数据建设基础
城市的智慧建设离不开大数据建设,深圳大数据建设的环境如何,与其他一线城市比,深圳的大数据建设有哪特点?深圳市大数据产业发展促进会秘书长彭向阳指出,与北方的一线城市比,深圳尽管没有丰富的政府资源,但这个以创新为特点的城市在建设大数据领域拥有得天独厚的条件。
彭向阳介绍,深圳的大数据这几年才刚刚发展起来,深圳的大数据促进会也是去年才刚刚成立。“总的来看,深圳的大数据建设尚处在一个萌芽状态。”
尽管在刚刚起步的阶段,但彭向阳认为,“大数据的形成需要打好几个基础,首先是能力基础,再就是技术基础和政府资源的基础,最后是市场用户需求的基础。总体来说,深圳的这几个基础都不错。”
“深圳有很多企业已经通过互联网+这样的形式把自己的大数据系统建立起来了,而深圳市大数据产业发展促进会建立的目的就是为这些企业搭建平台,把最新的技术资源整合起来,推动深圳大数据产业甚至国内大数据产业的发展。”彭向阳说,“目前来看,大量的数据还是在政府手里,我们协会希望推动政府能够尽快开放大数据,为企业应用大数据提供更好的资源和基础。”
针对深圳大量的民营企业,李林建议:“企业首先要了解大数据,然后再指导大家怎么来运用大数据;其二是企业要积极融入互联网。现在我们整个智慧城市建设的核心是网络,网络的应用和大数据的应用相辅相成,有了云计算、有了大数据,我们的互联网才真正有意义;第三,深圳有很多大数据应用得很好的企业,希望大家多看看多学习,因为通过学习才会有启发,你才能在你的行业用好大数据。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29