京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据代表未来,投资力度增强
大数据以“降低信息不对称和提高决策有效性”为目标,可广泛作用于几乎所有行业,必将掀起一场新的革命。目前,大数据已经迎来了高速发展的黄金成长期,我们看好其发展趋势,推荐投资者提高对其中孕育机会的关注度。
从源到流看,大数据涵盖数据入口、数据融合处理、数据应用三个过程;按照物理分层,大数据又可以分为硬件、基础软件、应用软件和信息服务四个维度。每一个细分领域都正在不断演进,存在不少问题也孕育着巨大的机会,万千创业者不断地寻找着新的突破口。
目前制约大数据更好更快发展的主要问题有以下几点:
一是数据的归属权不清晰,各家数据资产型企业私密占有平台数据,制约着大数据的融合及发展;
二是数据有效性将直接影响到大数据的应用水平,从源数据到分析样本的采集过程需要大量人工干预;
三是配套软硬件成熟度不够:适宜处理海量数据的数据库软件尚未成熟,私有云的普及程度也不高;
四是数据尚未获得真正意义上的定价和产业化。
基于对大数据的研究,我们判断,未来3-5年的中期投资思路主要包括新数据入口、新模式、数据融合处理和商业智能4个方面。其中,新入口方向推荐关注新型人机交互模式的可穿戴设备、准入门槛低并找到了硬需求作为切入点的智能家居、基于食药品生产追溯的物联网等相关企业;新模式方向推荐关注针对新入口的底层统计公司、“以免费服务获授权数据”和“有偿返还数据给用户”三种可能的创新;数据融合处理方向推荐关注针对金融业务的征信创业及私有云相关企业;商业智能方向推荐关注对细分行业有深刻理解的大数据应用软件及SaaS云服务供商。综合标的数量、确定性、所需投入和价值等因素考虑,重点推荐针对细分行业的大数据应用软件和SaaS云服务提供商、私有云解决方案提供商,追踪关注新入口的发展,并发掘相应的底层统计公司(类似针对移动应用的友盟)。
大数据代表未来
1) 环境驱动
数据产生成本逐年下降,政府和企业对大数据的投资力量日益增强,新的数据源正不断产生并壮大,大数据蓬勃发展的外部环境因素已经成熟。
成本逐年下降
根据IDC的判断,数据产生成本是符合反摩尔定律的,即数据产生成本大概每两年下降一半;而这一趋势,最起码会持续到2015年。
大量新数据源
互联网世界完成从Web1.0到web2.0的过渡,移动互联网日趋成熟,物联网长足发展,高粘性、强(实时快速)互动性、去(弱)中心化、全民媒体等特征明显呈现,线上与线下深度融合,各种(人人、人机)交互的网状结构更加复杂与饱满,全新数据源层出不穷。
各种电商平台、O2O入口、电子支付平台等的发展,让我们可以捕捉到海量的商业交易活动行为痕迹;同时,SNS、自媒体、LBS 技术等的高速发展可以较好地呈现不同主体的关系链、偏好、兴趣、习惯等信息;前述两者共同让面向主体的识别与判定变得更加容易和精准;娱乐、媒体、医疗保健、视屏监控、物联网等则让我们进一步加深了对自己和环境的理解。
投资力度增强
从国家层面看,2012年3月9日,奥巴马政府投资2亿美元启动“大数据研究与发展计划”,希望增强手机海量数据、分析萃取信息的能力。预计欧盟、中国等主要经济实体也很可能跟进出台相应引导政策。在公司层面看,Google、微软、IBM、Oracle与BAT等国内外巨头均加强了在大数据相关领域的布局。根据麦肯锡预测,到2015年跟大数据相关的全球投资总额将增加到5.2万亿美元。
2) 需求驱动
我们认为整个人类都一直并将继续面对和突破四个约束——能源约束、信息约束、智慧约束和审美约束。其中,能源约束指人类生存、改善、发展所需的材料和泛能量之总和,能源是一定的,总量取决于人类的活动半径,利用水平则依赖于智慧和信息;信息约束指人类做决策所需要的非实物形态、非价值观和方法论的信息(具有一定一次性的特点)总和,信息正通过监测、取样、记录、保存而不断生成和更新迭代;智慧约束指人类生产或决策所需要的价值观、方法论等信息综合处理研判能力及知识,智慧通过人类不断的探索、试错行为产生新信息并再处理、再研判、再探索的行为而更新完善,并指导未来的决策;而审美约束0则指不同实体的亿万条效用曲线的共性和个性,在短期审美不易改变,很大程度作为人类思考和行为的指南针,长期则也会受智慧及信息影响而缓慢变迁。在这四个约束条件的共同作用下,人类通过不断探索、试错去寻求改善,从一个个旧的稳态发展到一个个新的稳态和帕累托均衡,以终为始,周而复始。
海量的,多种类的,以前没有或无法获取但正源源不断生成的大数据将直接而迅速地在较大程度突破信息约束,为突破智慧约束提供了广度和深度都前所未有的素材和原料;而“大数据”另一个特征——速度(信息快速处理能力)又能帮助我们在现在和不远的未来将这些素材和原料进行有效提取与再加工,形成知识演进和智慧积累,加快对智慧约束的突破;并指导我们更好的发现自己(审美约束,即亿万条效用曲线),理解和开发环境(能源约束),提高行为有效性。
因此,大数据直接而深度的影响信息约束和智慧约束,并间接的影响到能源约束和审美约束,我们认为他非常深度的契合了人类发展的需求,从需求层面讲必然代表未来的方向。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析、机器学习的实操场景中,聚类分析与主成分分析(PCA)是两种高频使用的统计与数据处理方法。二者常被用于数据预处理 ...
2026-02-24在聚类分析的实操场景中,K-Means算法因其简单高效、易落地的特点,成为处理无监督分类问题的首选工具——无论是用户画像分层、 ...
2026-02-24数字化浪潮下,数据已成为企业核心竞争力,“用数据说话、用数据决策”成为企业发展的核心逻辑。CDA(Certified Data Analyst) ...
2026-02-24CDA一级知识点汇总手册 第五章 业务数据的特征、处理与透视分析考点52:业务数据分析基础考点53:输入和资源需求考点54:业务数 ...
2026-02-23CDA一级知识点汇总手册 第四章 战略与业务数据分析考点43:战略数据分析基础考点44:表格结构数据的使用考点45:输入数据和资源 ...
2026-02-22CDA一级知识点汇总手册 第三章 商业数据分析框架考点27:商业数据分析体系的核心逻辑——BSC五视角框架考点28:战略视角考点29: ...
2026-02-20CDA一级知识点汇总手册 第二章 数据分析方法考点7:基础范式的核心逻辑(本体论与流程化)考点8:分类分析(本体论核心应用)考 ...
2026-02-18第一章:数据分析思维考点1:UVCA时代的特点考点2:数据分析背后的逻辑思维方法论考点3:流程化企业的数据分析需求考点4:企业数 ...
2026-02-16在数据分析、业务决策、科学研究等领域,统计模型是连接原始数据与业务价值的核心工具——它通过对数据的规律提炼、变量关联分析 ...
2026-02-14在SQL查询实操中,SELECT * 与 SELECT 字段1, 字段2,...(指定个别字段)是最常用的两种查询方式。很多开发者在日常开发中,为了 ...
2026-02-14对CDA(Certified Data Analyst)数据分析师而言,数据分析的核心不是孤立解读单个指标数值,而是构建一套科学、完整、贴合业务 ...
2026-02-14在Power BI实操中,函数是实现数据清洗、建模计算、可视化呈现的核心工具——无论是简单的数据筛选、异常值处理,还是复杂的度量 ...
2026-02-13在互联网运营、产品迭代、用户增长等工作中,“留存率”是衡量产品核心价值、用户粘性的核心指标——而次日留存率,作为留存率体 ...
2026-02-13对CDA(Certified Data Analyst)数据分析师而言,指标是贯穿工作全流程的核心载体,更是连接原始数据与业务洞察的关键桥梁。CDA ...
2026-02-13在机器学习建模实操中,“特征选择”是提升模型性能、简化模型复杂度、解读数据逻辑的核心步骤——而随机森林(Random Forest) ...
2026-02-12在MySQL数据查询实操中,按日期分组统计是高频需求——比如统计每日用户登录量、每日订单量、每日销售额,需要按日期分组展示, ...
2026-02-12对CDA(Certified Data Analyst)数据分析师而言,描述性统计是贯穿实操全流程的核心基础,更是从“原始数据”到“初步洞察”的 ...
2026-02-12备考CDA的小伙伴,专属宠粉福利来啦! 不用拼运气抽奖,不用复杂操作,只要转发CDA真题海报到朋友圈集赞,就能免费抱走实用好礼 ...
2026-02-11在数据科学、机器学习实操中,Anaconda是必备工具——它集成了Python解释器、conda包管理器,能快速搭建独立的虚拟环境,便捷安 ...
2026-02-11在Tableau数据可视化实操中,多表连接是高频操作——无论是将“产品表”与“销量表”连接分析产品销量,还是将“用户表”与“消 ...
2026-02-11