
1月8日,2016大数据生态纵览峰会在北京成功举办。逾千名来自全国各地的大数据行业从业者和业内知名专家、领军企业高管汇聚一堂,共同探讨中国大数据行业的发展现状和未来走向。
此次峰会由经管之家CDA数据分析师主办,邀请了台北医学大学教授谢邦昌、IBM大数据产品总监洪建勋,永洪科技联合创始人谢玲,贵阳大数据交易所首席运营官李国静,华为大数据总监刘冬冬,网易云市场总监章鑫辉,Oracle(甲骨文)全球职业教育项目北方区经理戎鹏、TalkingData合伙人、执行副总裁林逸飞,SAS中国首席咨询顾问高居泰等嘉宾出席峰会。
“大数据成“利器” 2016或出现新蓝海
峰会上,CDA协会秘书长玉霜峰发表致辞。他表示,助力数据分析行业的整体进步,是CDA协会始终不渝的奋斗目标,希望有越来越多的机构、企业和数据分析师能为行业进步贡献力量。
CDA协会秘书长玉霜峰发表致辞
主论坛与分论坛共30余名嘉宾分享了自己的观点,探讨大数据领域的创新发展和未来前景。
在技术层面,IBM中国区大数据产品总监洪建勋介绍, 去年2月份IBM与业内IT公司一起成立了ODP的组织,共同打造一个企业级客户所共同所期望的Hadoop环境,目的是使得公司之间工具和产品能够互融互通;去年6月份IBM对Spark开源,把十多年的积累无偿开源给Spark社区,在旧金山建立一个Spark的社群,研究Spark和已经有的业务融合在一起,做更多的发展。
“在我们看起来技是非常重要,但是技术并不是为了技术而技术,所有的技术为业务服务”,洪建勋介绍,技术很容易被淘汰,IT行业跟通讯行业这几年发展非常快,从业人员不掌握跟业务相关的东西,过几年以前学的知识就会被刷新掉。
在“以和为贵”分论坛,华为大数据总监刘冬冬告诉记者,大数据是一个可以细分出许多领域的行业,要有数据源,要有数据合并公司,要有数据挖掘,要有数据应用、可视化、存储和计算,还要有咨询,蕴藏着很大机会,但是目前这个产业链条还不完善,最难的是把这些不同功能的公司组合起来。
“2016年大数据行业会继续加速发展,可能在2017年是一个爆发点,所有行业行业都会被大数据冲击,所有企业都会意识到该玩大数据。产品同质化越来越很严重,最终会变成以客户为中心,以数据为支撑。未来企业的竞争方式是你有5个维度的数据,而我有10个维度的数据,那我就赢了。”刘冬冬说。
随着企业对数据服务方面的需求,云服务市场也会出现新的增长点。网易云市场总监章鑫辉认为,目前PaaS服务在国内的市场份额在国内占了不到10%,未来这方面的市场会有一个比较大的增长。“目前美国市场中to B业务的资本配比占到了40%,C端业务占60%,而在中国 to B业务占到了1%,大部分资本流向C端业务,而各种C端业务出现也就意味着各种企业需要被服务,需要技术服务、管理服务等等,在云服务IaaS层趋于饱和的情况下,PaaS曾和SaaS层可能是下一个增长点。”章鑫辉说。
Oracle(甲骨文)全球职业教育项目北方区经理戎鹏更加看好那些利用大数据创业者的未来,“未来预计会有许多创业公司涌现,可以会出现类似于BAT的公司,体量肯定没那么大,但是它的创意是全新的,能找到一个新的蓝海”。
“构建数据人才考核标准 甲骨文CDA开启联合认证
随着大数据产业在中国井喷式发展,数据人才缺口随之增大,数据分析人才培养教育成为大数据产业链中不可或缺的一环。而同时,数据分析师行业也面临着无认证标准、无考核体系等问题。
峰会当天,经管之家CDA数据分析师与Oracle(甲骨文)举行了签约仪式,双方将在数据分析人才认证方面展开合作,在大数据领域推出联合认证。
CDA数据分析师市场总监曹鑫介绍,去年11月份,CDA数据分析师与中华采矿协会(台湾)达成战略合作联盟,建立两岸专业人才流动性认证制度,这次与甲骨文的合作是CDA在建立行业认证标准方面的又一次新尝试。
“目前培训行业普遍存在一个问题,就是急功近利”,Oracle(甲骨文)全球职业教育项目北方区经理戎鹏表示,这一点体现在对所谓流行技术的追逐,有些底层和核心的技术与能力是不会过时的,反而会随着分析师职业生涯越来越值钱,甲骨文在做培训的时候非常关注底层技术的培养,CDA数据分析师在这方面同样把握得很好,既会考虑到行业里的流行技术,也会考虑到底层核心内容,这也是促成双方合作的原因。
曹鑫表示,未来CDA数据分析师将与更多优秀展开深入合作,推出更多优质的数据分析师人才教育课程,共同做好数据分析人才培训市场。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04