京公网安备 11010802034615号
经营许可证编号:京B2-20210330
解析:“大数据”有多大?
中国“十三五”规划建议中提出,拓展网络经济空间,推进数据资源开放共享,实施国家大数据战略,超前布局下一代互联网。这是我国首次提出推行国家大数据战略。
为何要把大数据放到“国家战略”的高度?这是因为,大数据开启了一次重大的时代转型,改变了我们的生活及理解世界的方式。
数据之大
大数据首先是“大”,是海量数据。国际数据公司估计,全球2012年产生数据总量约2.8泽字节。泽是10的21次方,也就是10万亿亿,2.8泽字节相当于3000多亿部时长两小时的高清电影,连着播放7000多万年也放不完。该公司还预测,全球数据量每隔两年翻一番,2020年达到40泽字节。
但“大”只是表象,大数据的本质是以崭新的思维和技术去分析海量数据,揭示其中隐藏的人类行为等模式,由此可以创新产品、服务和管理,也可以预测未来的趋势。因此,国家、企业甚至每个人,都能从大数据中受益。
“智慧城市”
“智慧城市”就是大数据服务于民的一个范例。在欧洲,西班牙古老的港口城市桑坦德被选为欧盟试点城市。在面积约为6平方公里的桑坦德市中心,近1万个传感器每隔几分钟把城市的交通、天气、行人动作等数据传到数据中心,公交车发送自己的位置、速度及周边环境,居民也可以成为“人体传感器”,通过智能手机应用程序上传实时数据。
现在,桑坦德市的数据中心能通知市政当局路灯的状况,并根据需要自动调节路灯的亮度。市民通过一个名为“城市脉搏”的手机应用就可以获得整个城市的相关信息。
通过大数据开放来提升政务服务。韩国的“智慧首尔地图”就是各国智慧城市发展策略中的代表。通过一系列的手机应用,市民可以查询残疾人设施、首尔市免费无线网络热点、公厕、餐饮及行政信息。
在2011年,首尔就提出了“智慧首尔2015”计划,目标是到2015年让首尔成为世界上最方便使用智能技术的城市,建成适应未来生活的基础设施、成为有创造力的智慧经济都市。“智慧首尔2015”计划指出,公共数据已成为具有社会和经济价值的重要国家资产。韩国未来创造科学部预测,大数据产业到2017年可以创造1000个企业,创造5万个以上就业岗位。
国家战略
大数据被视为创新和生产力提升的下一个前沿。对数据资源的开发利用能力已成为国家竞争力的要素之一,也是国家整体实力的重要体现。由此,数据经济、数据管理、数据强国等新概念应运而生,各国政府也加强对大数据的扶持,并上升到国家战略高度。
美国率先将大数据从商业概念上升到国家战略。2012年3月,美国政府公布了2亿美元的《大数据研究发展计划》,提出通过提高美国从大型复杂数据中提取知识和观点的能力,加快科学与工程研究步伐,加强国家安全。同年11月公布的具体研发计划涉及各级政府、私企及科研机构的多个大数据研究项目。
在日本,安倍内阁于2013年6月发布了“创建最尖端IT国家宣言”,全面阐述了2013年至2020年间以发展开放公共数据和大数据为核心的国家战略,强调“提升日本竞争力,大数据应用不可或缺”。
在英国,政府在2013年注资1.89亿英镑(约3亿美元)发展大数据项目。同年发布的《英国农业技术战略》更是强调英国今后对农业技术的投资将集中在大数据上,让英国的农业科技商业化,将英国打造成农业信息学世界强国。
在大数据红遍全球的背景下,无论是领先发展的欧美,还是迎头赶上的东亚,发展大数据除了加强基础设施建设、加快普及高速互联网,更重在推动数据开放、优先发展推进与民生保障服务相关的数据。
根据中国国务院印发的《促进大数据发展行动纲要》,国家发展改革委有关负责人日前表示,2018年以前,中国要建成国家政府数据统一开放门户,推进政府和公共部门数据资源统一汇聚和集中向社会开放,实现面向社会的政府数据资源一站式开放服务。
新加坡是世界网速最快的国家之一,在2011年6月启用了政府分享公开数据平台,开放了来自60多个公共机构的近9000个数据库。利用开放数据,企业和有关部门已开发了100多项应用,涉及停车信息、公厕甚至野猫管理等。市民只需一个名为“新加坡通行证”的密码,就可以享受相关电子政府服务的便利。
在南半球的澳大利亚,政府信息管理办公室在2013年8月发布了公共服务大数据战略,以“数据属于国有资产,从设计着手保护隐私、数据完整性与程序透明度”等原则出发,推动公共行业利用大数据分析进行服务改革。澳大利亚政府的开放数据平台,目前已涵盖100多个机构部门的1000多个数据库,向公众提供数据下载上的便利。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据可视化实践中,数据系列与数据标签的混淆是导致图表失效的高频问题——将数据标签的样式调整等同于数据系列的维度优化,或 ...
2025-11-21在数据可视化领域,“静态报表无法展现数据的时间变化与维度关联”是长期痛点——当业务人员需要分析“不同年份的区域销售趋势” ...
2025-11-21在企业战略决策的场景中,“PESTEL分析”“波特五力模型”等经典方法常被提及,但很多时候却陷入“定性描述多、数据支撑少”的困 ...
2025-11-21在企业数字化转型过程中,“业务模型”与“数据模型”常被同时提及,却也频繁被混淆——业务团队口中的“用户增长模型”聚焦“如 ...
2025-11-20在游戏行业“高获客成本、低留存率”的痛点下,“提前预测用户流失并精准召回”成为运营核心命题。而用户流失并非突发行为——从 ...
2025-11-20在商业数据分析领域,“懂理论、会工具”只是入门门槛,真正的核心竞争力在于“实践落地能力”——很多分析师能写出规范的SQL、 ...
2025-11-20在数据可视化领域,树状图(Tree Diagram)是呈现层级结构数据的核心工具——无论是电商商品分类、企业组织架构,还是数据挖掘中 ...
2025-11-17核心结论:“分析前一天浏览与第二天下单的概率提升”属于数据挖掘中的关联规则挖掘(含序列模式挖掘) 技术——它聚焦“时间序 ...
2025-11-17在数据驱动成为企业核心竞争力的今天,很多企业陷入“数据多但用不好”的困境:营销部门要做用户转化分析却拿不到精准数据,运营 ...
2025-11-17在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11