
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
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29