京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代的 投资分析
继互联网、物联网、云计算之后,大数据(Big Data)主题投资近期引起高度关注。
什么是大数据
随着计算机普及和互联网应用,近十多年海量的信息和数据不断产生,美国互联网数据中心指出互联网上的数据每年增长50%,而且速度越来越快。目前世界上90%以上的数据都是最近几年才产生的,美国人比较简捷地把海量的信息数据称为“大数据”。而随着数据仓库、数据安全、数据分析、数据挖掘等等围绕海量信息数据的商业价值利用,大数据已逐渐成为行业人士争相追捧的焦点,并从2010年开始成为互联网信息技术行业的流行词汇。
马云说,大家还没搞清PC时代的时候,移动互联网来了,还没搞清移动互联网的时候,大数据时代来了。舍恩伯格的《大数据时代》持续热销,美国总统都把大数据作为国家战略和“未来的石油”,市场对大数据的热情可谓一浪高过一浪,然而在兴奋之余我们又是否真正了解大数据和其中蕴藏的投资机会呢?
大数据的应用
市场上有一种误解,把传统的数据库等同于大数据,但实际上除了巨大的容量要求外,大数据来源还有很大的广度。可以表示对之前未被重视和利用的信息进行归类和分析,如谷歌通过整合对比各种译文建立起目前最好的自动翻译机器;还有我们的智能移动终端每天产生大量信息数据等。在理论上大数据还表示一种把全部数据都进行描述和统计的研究方法,特别是像社会科学这些很难用数学工具精确定义的领域,把现象都描述出来会比牵强的理论更有价值。比如常用的商业和医疗病例,如果能够把所有的情况都描述和存储起来,是否就可以替代理论了呢?这也是大数据对理论界提出的一种挑战。
此外,大数据也是个技术范畴,指一整套将数据库分散存储、计算和整合的技术,以及为之配套的数据存储、远程计算、非结构分析等等的计算机技术。可以说如果没有当下廉价的数据存储、空前强大的计算能力和聪明的计算理论,也就没有大数据生存的土壤。
在金融领域,大数据的价值目前尚未明显体现。数据挖掘是投资领域近年来重要的技术革新,配合大数据技术,这项创新的分析广度和速度都会大幅提升。在传统金融领域,阿里金融已得到了行业的广泛关注,其低廉的信贷征信成本对中国现有的金融机构和模式影响甚大。而证券公司建立的客户关系管理系统,通过客户交易行为分析挖掘其风险偏好,进而推荐合理的资产配置,目前也处于运用初期,未来会有较为广阔的发展前景。
哪些标的值得关注
国际数据公司(IDC)发布的报告显示,2012-2016年期间全球大数据技术及服务市场复合年增长率(CAGR)将达到31.7%,而中国大数据技术和服务市场未来5年的复合增长率超过50%。显然,未来几年大数据相关领域发展空间巨大,这里面预计也会涌现一批发展前景不错的企业。
大数据虽然前途光明,但其门槛也不低,因为只有那些拥有足够技术实力、资本储备和人才队伍的公司才能真正利用起大数据的价值,特别是搭建大数据平台的公司。加之各家公司、消费者对自身数据价值的觉醒,获取数据也必然会变得越来越不容易,所以什么样的商业模式值得投资呢?目前看来都还不太确定。
笔者认为,重视数据布局的科技公司在这场竞争中占有先机,而为大数据做配套的上下游公司也有投资的机会,此外由于商业模式的不确定,真正的大数据投资机会或许还没诞生,或者还在起步阶段。所以,大数据行业的投资还是需要打开思路、不断观察,随时关注这个行业的进展。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09