京公网安备 11010802034615号
经营许可证编号:京B2-20210330
云计算、大数据、人工智能将使全社会迎来变革性的发展
2016年的互联网科技领域,云计算、 大数据 、人工智能成为最热词汇。阿里云“为了无法估算的价值”将中国的计算触角伸向海外,百度首次向外界展示“百度大脑”的科技成果,移动互联网利用人口红利带来的增长已经逐渐见顶,互联网正在进入“下一幕”智能时代,云计算、大数据、人工智能将使全社会迎来变革性的发展。
9月2日,方正证券主办的“云计算投融资高端论坛”在北京开幕,包括方正证券通信首席分析师马军、数据中心联盟秘书长孙明俊及世纪互联、恒宝股份、创维数字、光环新网等企业在内的行业专家就云计算、大数据的未来发展及未来投融资方向展开思想碰撞。

技术发展成为产业发展走向繁荣最大的前提
无论是计算机行业还是在汽车领域,技术形态的成熟是一个必然的要素。如果某个所谓的时代在技术上、硬件上没有达到产业的要求,数据库和平台都是非完整和非稳定,时代的产业基础也就十分薄弱。从产业的政策角度分析,当技术累积到一定层次,产业政策的出台是必然的。如同为了激活云计算的发展,国务院在2015年就出台了《关于促进云计算创新发展培育信息产业新业态的意见》,以及《云计算白皮书2016》等,这些政策的出现并非偶然,在其背后有很多云计算服务商多年默默的技术耕耘。
技术和政策的形态达到一定的地步,真正的产业化和市场化是否也已经达到?等待入局者必须考虑几个重要因素:一是目的是什么(为了降低成本、提高效率,还是在渠道上更接近用户)?二是企业是否愿意使用(产品同质化严重,如何体现差异化)?三是是否有助于提高社会福利(消费者福利、管理效率)?如果这些思考得到肯定的答案,云计算与时代的发展需求相契合,真正的时代大门就会开启。
云服务的发展趋势将会是:建立公有云生态圈、私有云共推开源、云安全成关键、政府推动和云保险出现。
从产业生态来看,公有云服务商构建了以“我”为主的生态圈,做生态圈已经越来越成为大的公有云服务商的选择。
私有云的供应商,走上了一条“抱团取暖,共推开源”的道路。在开源社区,众筹式发展的局面已经基本形成,热点开源社区的产品技术能力也在一步步提升。
物理设施故障和系统漏洞成为云安全最主要的威胁。云服务商与云数据中心资源的规模化和击中化、数据中心和网络链路等物理设施的人为破坏和故障造成的影响进一步扩大,对服务商的运维水平提出了巨大考验。
国内云服务商开始从内向型向外向型转变,并有开始面向全球发展的态势,尤其是在北美。企业在推“云计算+”,国家在推“互联网+”,现在政府采购云计算的案例已经比比皆是,云服务商的数据中心也已经在各地生根发芽。
云保险是由数据中心联盟提出、人保牵头、中国平安和渤海保险共同组成的共保体,完成一个新型的保险业务。另外云计算对于数据中心和设备提出新要求,数据中心产业一直在不断的演进和变化。
大数据本身除了要有数据、采集,汇聚一定量的数据之外,更重要的是在数据的处理、挖掘、分析、可视化、应用这样一整套的过程。
围绕大数据的话题基本围绕三个问题展开:一是数据从哪里来,二是数据如何进行分析,三是数据如何进行商品化。任何大数据都是以应用为主的,在未来,多维度、多复合的大数据的精准挖掘,提供优质的的商务解决方案才最关键。
数据的三个来源分别是政府、企业行业和个人消费。政府数据做了授权,但由于法律和其他方面的不健全,政府数据被滥用。消费者数据来源于电信、金融或类似BAT大企业,流量入口处的数据将被自动抓取,数据提供商可以提供所有维度的数据,但每一个都是局部。
数据优化商在大数据产业链里要想长久发展,必须精通大数据的模型、算法以及数据特征,同时对行业及生态要有明显的敏感性。而算法提供商如果仅仅依赖单纯算法,未来将成为成长软肋。应用提供商最贴近客户、最熟悉客户需求,同时做的是最后的数据整合,在产业链上可能发展空间更大。
IDC行业未来具有很大的发展潜力。中国具有高达6.3亿的大规模网民群体,目前国内仅有3万个机柜,对比美国的3亿群体2.4万个机柜可以看出,中国的数据市场规模还远未达到平衡点,未来将保持高速增长的态势。另一个方面由于企业客户运营模式的改革,企业的云化增加了对大数据及专业数据中心的需求。
未来云计算产业和大数据产业将呈现规模化发展趋势,市场红利可观,创新、服务、合作、技术将推动互联网科技企业走得更高、更远。
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、市场研究、用户画像构建、学术研究等场景中,我们常常会遇到多维度、多指标的数据难题:比如调研用户消费行为时,收 ...
2026-03-25在流量红利见顶、获客成本持续攀升的当下,营销正从“广撒网”的经验主义,转向“精耕细作”的数据驱动主义。数据不再是营销的辅 ...
2026-03-25在CDA(Certified Data Analyst)数据分析师的全流程工作中,无论是前期的数据探索、影响因素排查,还是中期的特征筛选、模型搭 ...
2026-03-25在当下数据驱动决策的职场环境中,A/B测试早已成为互联网产品、运营、营销乃至产品迭代优化的核心手段,小到一个按钮的颜色、文 ...
2026-03-24在统计学数据分析中,尤其是分类数据的分析场景里,卡方检验和显著性检验是两个高频出现的概念,很多初学者甚至有一定统计基础的 ...
2026-03-24在CDA(Certified Data Analyst)数据分析师的日常业务分析与统计建模工作中,多组数据差异对比是高频且核心的分析场景。比如验 ...
2026-03-24日常用Excel做数据管理、台账维护、报表整理时,添加备注列是高频操作——用来标注异常、说明业务背景、记录处理进度、补充关键 ...
2026-03-23作为业内主流的自助式数据可视化工具,Tableau凭借拖拽式操作、强大的数据联动能力、灵活的仪表板搭建,成为数据分析师、业务人 ...
2026-03-23在CDA(Certified Data Analyst)数据分析师的日常工作与认证考核中,分类变量的关联分析是高频核心场景。用户性别是否影响商品 ...
2026-03-23在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17