京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据催生新运营模式
如今,大数据如浪潮般席卷全球,越来越多的国家开始从战略层面认识大数据、发展大数据。目前国内外的大数据技术发展到哪一步?大数据给社会及个人生活带来了哪些变化?带着这些问题,本报记者近日采访了上海德拓信息技术股份有限公司创始人、CEO谢赟。
国内大数据应用领域将实现跨越发展
记者:如今大数据越来越火,大数据企业也雨后春笋般成长起来。在您看来,目前国内外的大数据技术发展到哪一步?
谢赟:大数据之所以越来越火,是因为它已经从概念变成了技术。大数据技术可以把我们多年建设所产生的数据更大范围、更深度地聚合起来,产生新的价值和运营模式。
现在世界越来越扁平,已经没有封闭的技术,国内外的大数据技术的掌握本身差别不大。任何团队只要更多的实践,就可以达到业界一流水平。
但是国内外在大数据应用领域还是有较大差距,技术掌握不等于应用落地,相对而言应用的广度和深度还是有一定差距。要用好大数据,首先要聚合数据,但是国内有行业壁垒,不会轻易开放自身数据,就很难真正达到多元数据聚合实现新运营模式。随着数据壁垒被不断打破,国内将在大数据应用领域实现跨越发展。
记者:结合您的经历,请您谈谈大数据给社会及个人生活带来了哪些变化?
谢赟:从2003年个人创业起,我就在数据领域探索。我觉得大数据的确能让我们的社会及个人生活进入到价值发现阶段。
什么是价值发现阶段?就是通过研究我们自身工作和生活的痛点来定义我们要解决的问题。贵阳交通大数据孵化器是我们交付的一个项目,在上面有很多企业在利用共享的数据进行创业创新,如,“车来了”公司在平台数据的支持下,对贵阳市民提供出行服务。
德拓信息帮助多个行业大数据应用方案落地
记者:德拓信息长期致力于大数据领域技术与产品的研究与实践,能否介绍下德拓信息的大数据产品?
谢赟:德拓信息研究的是数据智能。数据智能是人工智能的先导,只有将自身数据和外部数据融合起来,才有可能带来新变革和走向人工智能。
数据智能就是将数据降维技术变成标准化平台,让合作伙伴和用户将精力更多发放在行业大数据落地上,而不是技术本身。这样可以快速落地、快速实践,也有利于强强联合,我们称之为“Dana Inside”(DANA是德拓信息的智能大数据开发平台)。
记者:德拓信息已经主持了政务、交通、媒体、医疗等多行业大数据应用方案的落地,能否就其中一个谈一谈?
谢赟:在北京朝阳区的智慧物业试点工程中,我们和旋极股份一起为用户建立了“三六三”大数据中心平台,将各个委办局数据进行汇聚,再收集互联网上对应的数据资源,通过大数据技术分析、比对,并结合相关工作,完成“最后一公里”的政务管理,对于人口疏解、金融风险控制、安全生产隐患、淘汰落后产能、常住人口动态更新等进行全新管理。
数据一旦聚合可以产生奇妙的化学反应,再结合互联网的快速处理能力,大大降低了管理成本,提升了管理精准度。而这些数据需要有一个优质平台。随时随地对数据进行收集、聚合和分析,随着智慧物业工程的深入展开,德拓信息的智能大数据平台将发挥更大的效用。
记者:未来,德拓信息在大数据领域将有哪些拓展和创新?
谢赟:未来五年,德拓信息将联合100家开发者,支撑1000个大数据项目,这是德拓信息拓展的目标。
保障数据安全 技术和立法都很重要
记者:目前,交通、医疗等领域已经运用大数据技术让管理更加便捷有效,但很多领域信息孤岛现象依旧存在。在您看来,如何打破信息孤岛?
谢赟:数据要实现价值要融合更多元的数据,而这些数据往往分散在各个系统之中,很难集成。我认为打破信息孤岛取决于两个方面的力量。
第一是技术的力量。如果要低成本、高效率的聚合孤岛数据,就需要有一个成熟的数据集成平台,可以自动化地收集需要的数据,处理成标准的大数据结构。
第二是制度的力量。没有更高层面的制度要求,是很难推动数据开放的,也就打破不了信息孤岛的现状。很多地方把数据做成execl供大众下载,实际上是一种公开,而非鲜活数据的开放。数据开放需要各级管理层制定相关制度来保证。
记者:未来大数据产业发展会带来哪些风险?
谢赟:大数据技术的确将数据的价值进行了提升,但也带来了数据安全问题。数据安全包括两方面:一方面是数据集中后,如果被攻击、破坏,造成的影响更大;另一方面是数据隐私的安全,被泄密的事情时有发生。我认为,应该提高相关技术,保证大数据安全。当然,技术也不是万能的,国家立法也是保证数据安全非常重要的基础。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15