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
数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18小陈是某电商平台的数据分析师。老板交给他一个任务:“我们平台的注册用户已经突破1000万了,想了解一下用户的平均月消费金额。 ...
2026-05-18【专访摘要】本次CDA持证专访邀请到拥有丰富物流供应链数据分析经验的赖尧,他结合自身在京东、华莱士、兰格赛等企业的从业经历 ...
2026-05-15在数字化时代,企业的每一次业务优化、每一项技术迭代,都需要回答一个核心问题:这个动作到底能带来多少价值?是提升了用户转化 ...
2026-05-15在数据仓库建设中,事实表与维度表是两大核心组件,二者相互关联、缺一不可,共同构成数据仓库的基础架构。事实表聚焦“发生了什 ...
2026-05-15 很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问 ...
2026-05-15【核心关键词】互联网、机会、运营、关键词、账户、数字化、后台、客户、成本、网络、数据分析、底层逻辑、市场推广、数据反馈 ...
2026-05-14