
2015年对于大数据来说,是个值得纪念的一年,大数据在这一年得到了认可。同时,这一年中也经历了很多发展的低潮,这就像是一次次的警 告,或许某一天大数据就不再具有改变世界的力量了。因此让我们一起来回顾一下今年最重要或者最具价值的相关新闻,一起回味这一年大数据发展所经历的起起落 落。
一月
2015 年,全球通过手机或移动装置接入互联网的用户超过了通过电脑或者笔记本接入电脑的用户。其实移动网络的用户在 2014 年后期就超过了通过台式电脑访问网络的用户,而这种用户习惯的改变对于 App 设计人员、公司甚至政府如何收集数据都会产生巨大的影响。2015 年伊始,就有 Microsoft 购买 Revolution Analytics 公司。开源程序语言将会成为统计计算和预测分析领域最流行的语言。大规模数据泄露(其规模和频率在过去十年间以指数形式增长)并没有减弱的趋势。美国政府 在今年年初就宣布,400 万政府雇员的信息被人通过人事管理局窃取。
二月
白宫发布的一份关于“大数据创造的机会和危机”的报告总结了虽然当今技术为大数据的发展和改变提供了无法估量的潜力,但是仍然有很多 与隐私和数据保护相关的问题亟待解决。该报告还提到,《消费者隐私权利法案》(也称为“请勿追踪”的法规)的持续发展更为重要。这意味着法律赋予了个人这 样的权利——你可以拒绝另一个人或者组织来追踪以及记录你的个人信息。
三月
IBM 宣布将会在接下来的四年中向物联网技术投资 30 亿美元。所有设备可以对话、在线分享信息、并且可以互动,从而使得我们的生活更加轻松的概念在 2015 年仍然非常重要,IBM 将会致力于在实时分析领域取得新突破。
四月
期待已久的 Apple Watch 终于问世了,并且迅速成为了全球首款人人“必备”的物联网装 置。自从上市以来,尽管人们知道在上市当天的 6 小时内有 100 万的订单(大致相当于 iPad 一个月的销量,iPhone 两个月的销量。),但是 Apple 一直对 Apple Watch 的销量守口如瓶。大数据这个“池塘”的“几条大鱼”推出了新的服务或者对原服务进行了扩展,其中亚马逊网页服务(AWS)宣布其客户将很快可以通过亚马逊 机器学习体验到机器学习的优势,与之相对的具有机器学习产品的公司包括微软小冰和 IBM 的沃森,以及 Google。
五月
Computing Research (计算研究) 发布了“2015 大数据市场评论”,该评论发现在过去的一年中,没有将大数据和大数据分析集成到其运营过程的企业的比例从 33% 降到了 16%。在对 400 位各行各业的决策者(包括政府、零售商、金融服务、科技和教育领域)的调查中,76% 的人认为他们的组织分析更多集中于内部运营数据而不是外部数据。
六月
德国总理默克尔提醒德国国内民众不需要担心公共数据的收集,以及在全球大数据淘金热中德国被落下的风险。在柏林的一次会议中,默克尔说道,“无论谁将数据视为威胁,或者认为每一份数据都可能意味着一份破坏,这样的人将永远无法利用数字化所潜藏的巨大优势。”
七月
继 2014 年企业数据丢失和被盗案件频繁发生之后,2015 年再次成为大规模数据泄露事件频发的一年。今年 7 月交友网站 Ashley Maddison 遭到大规模攻击。使得该事件如此受关注的原因是由于该网站的天性造成的,因为这有可能与人们对家庭的忠诚联系起来。这些被盗数据潜在的色情内容使得这成为 了一个大事件,同时手机零售商 Carphone Warehouse、集资网站 Patreon、电信运营商 T-Mobile、医疗服务提供商 Anthem 和信贷资料服务机构等也有数百万顾客成为受害者。
八月
中国零售商和网络服务商阿里巴巴推出阿里云,这也是阿里巴巴自己的云分析系统,该系统允许企业可以在自己的硬件上以机器学习为技术基 础进行数据分析。这也是向西方科技巨头看齐的一步,因为西方科技巨头已经全部推出了自己的大数据服务系统。阿里巴巴将阿里云视为“中国第一个人工智能平 台”,并称其可以在 6 小时内处理 100PB 的数据,相当于 1 亿部高清电影。
九月
欧洲隐私保护活动家在本月庆祝了一项胜利——欧盟法院宣布所谓的“安全港”的协议无效。在奥地利隐私保护倡导者 Max Schrem 起诉 Facebook 的案例中,鉴于斯诺登案件的启示,美国公司关于保护欧洲公民数据隐私的承诺并没有保障。此案对于任何美国和欧洲之间基于数据传输的业务都有深远意义。
十月
史上最大的科技交易发生在本月。硬件制造商戴尔宣布其将斥资 670 亿美元收购数据存储、云计算和分析供应商 EMC 及其子公司——虚拟化技术专家 VMWare。
十一月
英国金融行为监管局(FCA)宣布将调查保险公司对于大数据的使用行为。FCA 将深入调查客户数据(通过大规模收集和分析获得)的日益增加的使用行为,尤其是作为保险费收费标准的参考方面的用途。将要解决的问题包括以大数据为基础的 保险费收费标准是否会导致保险公司会根据投保人采取歧视性做法。
十二月
欧洲在政府和公司应该如何对待个人数据方面迈出了重要步伐。《通用数据保护条例》(GDPR)草案获得通过,接下来的三年是进一步讨 论和研究。该法案将会对个人数据的使用设置更为严厉的规则。更重要的是,该草案(有望在 2017 年成为法律)强调公司在收集个人数据时,必须获得数据所有者的允许,并且只能将数据用于已经被允许的方面。任何诱导用户对数据授权的做法(例如进行某些操 作就意味着同意等的做法)将会被取缔,而违反相关规定的公司将要缴纳其全球收入的 4% 作为罚款。
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