京公网安备 11010802034615号
经营许可证编号:京B2-20210330
启明星辰副总裁潘柱廷:2016大数据技术发展趋势解读
这是大数据专家委编纂的第三年的版本,前两年都是一个比较全面的大数据介绍和论述,今年没有做这样全面的介绍和论述。围绕国务院发布的纲要,对纲要进行解读,就其中的热点问题做了比较深入全面的阐述。今年白皮书中主要集中在两个方面,一个是关于大数据开放共享的多方位解读——数据交换、交易、交流、流通等问题。从内外现状、风险与对策,和一些探索做了一些陈述。第二个对工业大数据做了比较全面的分析,关于工业大数据的,对工业的变革,中国制造2025,工业大数据发展历程等等一些相关的产业和技术问题。这是今年大数据白皮书的两个主要的论点,围绕这两个方面。当然这个白皮书还包括即将发布的大数据的趋势和相关的一些大数据企业背景资料,这个白皮书今天已经算是发布,在征求大家意见之后过几个月出版,先介绍一下大数据白皮书的情况。
对2016年大数据发展展望
这个展望大数据专家委这是做的第四次,从之前2012年底做的2013年的展望,即会做下一年的预测,这个预测是调研方式就是大数据专家委一百多位委员内部进行这样的一个观点征集、汇总,最后进行投票和去年一样,同时邀请中国大数据产业联盟的会员参与到最后的投票环节,今年总共投票的专家是116位,从这116位专家投票中形成了下述的结果。
根据今年大数据专家委列出的2016大数据产业技术发展的十大趋势,从这里面我们简单解读为他出现了这样四个重点的关键字,一个是民生相关的应用,因为应用很多,应用驱动大数据,因此民生相关的大数据可能会得到更快的发展,第二就是多样性和融合性,不管是技术、产业等等各方面会出现多样融合的状况,另外第三个就是政策拉动,第四总是呼吁各个层面出现多样的生态,简单对这十各方面稍微做一个解释。
第一,可视化技术。作为汇总整理的时候这也是给了工作组一个很大的意外,做了这样一个解读,我们认为可视化作为技术形态能够排到第一,其实背后隐藏着大数据的贫民化。普通老百姓和常规的决策者能够更好的理解大数据的效果和价值,所以能够摆在这么重的位置,不仅仅可视化的形态,也包括可视化的分析,这是排在第一的趋势。
第二,多学科融合。大家对学科的发展非常关注,预测排在第二位是多学科融合,大家认为数据科学的雏形已经出现了,从表现形式来看,很多相关的数据,科学的研究院,专门的实验室,也可以看到这样的学科逐渐的完备,可能会逐渐的出现,当然本身确实也是交叉性的学科,是多学科融合的产物,所以从事大数据研究不仅仅是计算机领域的科学家,也包括数学等等方面的科学家参与到整个大数据前沿的研究中。
第三,大数据的安全和隐私持续受到关注。从现在大数据的发展情况来说,应该说针对大数据的威胁和大数据所产生的副作用,以及大数据发展中的障碍会逐渐成为大数据领域所要关注的点。针对大数据的攻击现在没有大规模的报道,但是隐忧已经令大家担忧。隐私大数据所带来的副作用,原来的隐私我们接受的程度,有了大数据之后隐私接受程度发生了很大的变化。由于大家对大数据的安全等等相关的问题的担忧阻碍我们在大数据的发展上的投入,这也是阻碍大数据发展的问题。
第四,从技术的角度来说,很多新的热点持续入大数据的整个模式中,形成一个更加平衡的路径。这样的趋势大数据专家委认为还会持续下去,从本届大会安排的很多技术论坛的分布大家可以看到这样多样化的趋势。
第五,大数据提升社会治理和民生领域的应用。基于大数据的社会治理成为社会的热点,而且和民生相关,比如说智慧城市、应急、反恐等等,作为国计民生来说,其实国计和民生不是互斥的关系,如果相关的国计和民生有关系,专家认为这样的领域可能会得到爆发性的发展,比如反恐方面,又是和国计和老百姓相关的东西,医疗健康等等这些都是跟老百姓密切相关,同时也是国家大计。
第六,《促进大数据发展行动纲要》驱动产业生态。对各个地方政府可以出台类似配套的这样一些政策会有很大的推动作用,不可否认对大数据的推动。除了学术、技术商业的推动以外,政策的扶持也会产生很大的作用,所以我们认为大数据相关的基础设施建设和大数据创业公司在双创政策的推动下,大数据两个驱动力会快速带动大数据的发展。
第七,学术技术这方面,深度分析推动大数据智能应用。这里面谈到智能尤其强调是涉及到人的相关延伸,比如说决策预测、精准推荐都是被专家委关注的技术和学术的应用点,这里面涉及到人思维的延展,人的能力的延展,这些都会成为大数据分析机器学习,这方面学术技术拉动的方向。
第八,数据权属与数据主权备受关注。所有的权属和主权的利益冲突和争夺都是来自数据资源化、数据价值化。
第九,大数据整个的应用领域的变化,其实这个变化简单认为是老三样和新三样。老的是互联网、金融、健康,新的是城市、企业和工业的数据,新三样会拉动大数据发展的新的增长点。
第十,开源、测评、大赛催生良性人才与技术生态。
其实经过几年的对比,2014年到2015年出现了几个明显的变化点就是跨接融合,一个是基础互换,和基础突破的亟待解决的问题,而在2015年到2016年我们看到重要的变化就是民生多样、政策和生态,这三个在整个趋势中一个明显的现象。大数据专家委也有十项的单项调研,这是大家都会知道的大数据是靠应用驱动的,这四年以来受到关注的应用领域互联网、电子商务、金融和健康医疗,新的是城市化、智慧城市、舆情分析、社会安全等等这些是被关注的新的领域,大数据专家委做了数据关注的预测,2016年的预测是城市相关的数据,技术保持的是互联网交易相关的数据,还有企业相关的数据,这三个数据成为大家关注的,可能会取得突破的数据类型,也成为大家参会嘉宾们可以考虑,未来一年你们研究和资本投入的可行性,是不是和这个趋势有所印证。这是从应用领域和数据类型可以看到整个大数据发展在应用和技术发展上的某种侧重,前面认为的老三样和新三样也是从这样的调研中做出的总结。
在今年大数据白皮书中重点谈的是大数据开放共享,在这里面整个调研中也专门设立了这样一项,一百多位专家明年和他的机构对数据的态度是什么,对数据流转的态度是什么,这是所有的选项,我们会看到确实大家都想自己收集数据,希望能够利用收集的数据进行数据服务,希望能够买到数据机,专家和他们的机构会准备卖数据机的机构非常少。我们看到整个数据流转上是需求大于供给的状态,数据确实是一个奇货可居的情况,尤其是数据国际交换和卖数据,这是专家的选择百分比都是小的个位数,这方面的人非常少,这是看到整个数据流转的形态,我们也希望通过政府开放共享拉动数据交流和交换。政策性是大数据发展的重要的指标,而且不可否认大数据本身具有概念性,我们不否认大数据有它的泡沫,但是不能因为啤酒上面有泡沫放弃底下香浓的啤酒, 专家委针对这样的概念进行调研,也是一个单选项,在下面所谓的现在流行的概念中专家们认为和大数据最相匹配的概念是互联网+、云计算和智慧城市,这是大数据专家委的看法,这三个选项和下面的选项具有数量级大的跳跃。从大数据发展的驱动力我们从去年和今年的对比看到创业企业对大数据的推动力被大大的看好,因为这个选项接近十个,下面两个空是其他的选项跟这三个差距多大,大型互联网和政府机构继续是大数据的推动,专门们非常期待创业公司能够在这个里面起到更多的推动作用,这和大众创业万众创新双创政策有关的推动。
这是一个非常有意思的发展阶段的判断,设置了六个阶段,请大数据专家委的专家对当前中国大数据所处的阶段进行选择,和去年的选择相比,我们看到其实,很明显看到专家们乐观的态度,达到峰值上升乏力和进行变换的选项的选择专家在下降,大家还是看好大数据的发展前景,而且可以看到认为大数据还处在非常初级的阶段和即将快速扩张,现在还没有快速扩张,这两方面的专家加起来超过70%,我们对大数据所能够看到的峰顶,其实我们还没有看到,这是大数据专家委比较多时的共识,势在发展,有多高,我们还不知道,这是非常乐观的看法,在这样的乐观看法上,还有政策的推动下希望给大数据相关产业带来更多更美好的前景,上面是我向大家发布的大数据白皮书和2016年的发展趋势。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在MySQL数据库运维与开发实践中,经常出现一种典型现象:数据库实际存储的数据量很小,数据表条数少、文件体积低,但服务器整体 ...
2026-09-11 很多数据分析师能熟练计算均值、标准差,但当被问到“总体和样本有什么区别”“参数和统计量有什么关系”“数据级别的高低如 ...
2026-09-11CDA数据分析师 出品 作者:李诗怡 定义: 将同一时间段内因具备相同属性或共同经历的用户划分为群体,分析其留存与生命周期价值 ...
2026-09-11在零售、商超、餐饮、线下门店等实体商业运营中,客流与销售额是衡量门店经营状态的两大核心指标。销售额是门店经营的最终结果, ...
2026-09-10在数据可视化体系中,柱形图是最基础、应用最广泛的图表类型,其中**累计柱形图(堆积柱状图)**是兼顾整体总量与内部结构的核心 ...
2026-09-10 许多数据分析师精通Excel函数和SQL查询,但当面对一张上万行的销售明细表,要快速回答“哪个地区销量最高”“哪款产品增长最 ...
2026-09-10在Python Pandas数据分析中,DataFrame是承载结构化数据的核心载体,数据清洗、数据修正、条件赋值、字段更新等实操场景,都离不 ...
2026-09-09 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-09-09卡方检验(Chi-Square Test)是统计学中针对分类数据的经典显著性检验方法,核心用于判断两个离散分类变量是否相互独立、数据实 ...
2026-09-09CDA数据分析师 出品 作者:李诗怡 1. 销售漏斗阶段判断 题目:销售漏斗模型中,通过广告、社交媒体等方式触达品牌信息(如浏览品 ...
2026-09-07在Python数据分析中,Pandas库的DataFrame是最核心、最常用的结构化数据表对象,类似于Excel的二维表格,具备规整的行列结构、字 ...
2026-09-07在数据分析、经营复盘、业绩预测与经济统计工作中,平均增速(平均增长率)是衡量数据长期变化趋势、业务发展快慢的核心指标。不 ...
2026-09-07 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-09-07随着大数据技术的快速发展,商业竞争逐步从传统的经验式经营转变为数据驱动的精细化运营。海量的用户行为数据、交易数据、运营数 ...
2026-09-04CDA数据分析师 出品 作者:李诗怡 1. 波士顿矩阵(BCG Matrix) 定义: BCG于1970年提出的业务组合分析工具,以"市场增长率"(纵 ...
2026-09-04 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-09-04数据透视表是Excel与Power BI中最核心的数据分析工具,具备快速汇总、维度拆分、动态筛选的能力,可高效完成数据归类与统计展示 ...
2026-09-03在Power BI数据分析可视化场景中,堆积柱状图+折线图是最常用的复合图表组合。堆积柱状图适合展示各细分维度当期数值、结构占比 ...
2026-09-03 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-09-03CDA数据分析师 出品 作者:李诗怡 一、8个核心数据清洗函数 1. TRIM:一键清除多余空格(最常用) 作用:仅保留文本中"单词/字 ...
2026-09-02