
谁是英雄?江湖沙龙纵论大数据
俗语说“有江湖的地方就有英雄”这话一点也不假,在IT这片“江湖”之上,技术正在变革产业,特别是互联网、大数据等技术的出现,使得IT“江湖”诞生了真正的“英雄”——互联网大数据,它们正在掀起产业变革新浪潮。日前,中共贵州省常委、贵阳市委书记,贵州省大数据产业发展领导小组副组长陈刚做客中国金融博物馆书院江湖沙龙畅谈大数据,他从产业高度详细的介绍了当下大数据价值与挑战,块数据与未来产业的发展。同时,来自中国宽带资本基金董事长田溯宁等行业专家就陈刚所谈到的大数据发展浪潮展开了探讨。
互联网大数据制定未来规则
在进入主题发言开始之前,陈刚首先介绍了当下的当下规则的制定格局。众所周知,在国际上,谁掌握规则的制定谁就有主动权,在过去由于国外制定规则起步早,所以很难能够留给我们有更多的机会,但是现在随着互联网以及大数据的发展第三次工业革命将到来,将进一步推动规则的制定发展。
陈刚指出,信息技术对于生产方式、价值观, 思维方式都会产生根本的影响,而自人类文明社会产生以来,任何一次技术革命都没有像今天的互联网大数据一样能够改变社会,改变社会意味着就会改变规则的制定。虽然互联网并不是由中国发展而起,但是在中国互联网应用确是最大的市场,而且互联网在各个行业的影响比任何其它的都大。基于这些优势,中国已经互联网+风口,如果能够把握住互联网+机遇,那么在未来在互联网+领域有可能制定新的规则。
在互联网之下,我们可以看到能够催生很多的数据,不过在陈刚看来,现在所提的许多大数据本身集中企业自身中,失去了数据的共享性只能条数据,如果只是条数据,在国际上是无法形成规则的制定比如人类的数据每天都会在变化,近两年人类所产生的数据是过去整个人类所有数据的总和,因此如此庞大的数据量不可能是由一家企业能够完成的。因此,需要通过块数据的建立、构建社会资源平台才能真正制定规则。
在大数据领域中有许多新奇的名称,那么让我们了解一下什么是块数据?陈刚认为,大数据可以按条块来划分。按照行政体系条块来划分大数据条块,通过行政区域人、事、物各种数据的组合构成了块数据的概念。如果能够把块数据通过合理的疏解找到规律、路径,这就有可能形成新的数据流动。块数据很重要一点就是可以共享,但块数据现阶段只是一个雏形阶段,现在仍然有许多的问题要解决比如数据的规则、数据法务等,贵州也一直积极努力探索数据在发展规则中的伦理、法津,最终造福企业 。
后发优势中的贵阳大数据
面对数据的共享性或者是块数据,需要构建社会资源平台。而贵阳是开展块数据或者大数据的理想之地。陈刚指出,贵州的独特特点使得贵州在构建社会资源平台方面占据了很大的后发优势。
首先,构建社会资源平台的数据中心需要能源的支持比如电力,而贵州是拥有大量的煤炭资源,能够确保电力使用。
其次,通常数据中心的构建需要基础设施如大量的空调来降温,贵州的独有的地理环境如海拔高、气温低,能够为数据中心建设创造良好的环境。
第三,贵州极少有地震灾害,特殊的环境确保数据中心安全。
目前,贵阳已经率先启动了免费的WIFI网络建设,不仅要把全市WIFI打通,同时还要把摄像头都并入网络形成一张城市的物联网,通过免费的网络在满足公交安全、隐私的情况,把数据回归社会。
这样一个征服数据的海洋中,不仅仅是要实现怎么确定大数据规则、探索大数据的方法,未来我们中国的发展要通过大(块)数据能够解决很多问题,共同重拾城市美好。
小结
作为特别协办单位,亚信数据旨在通过江湖洞悉天下,结合陈刚书记的块数据和数博会的理念和平台,推动大数据的科学发展,助力贵阳大数据交易所的运作,使数据资源得到更合理的应用,实现更多价值。
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在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15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