京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代三个“关键词” 不懂你就OUT了
数据化有狭义和广义之分。从狭义看,数据化是指将事物及其运动转化为可识别信息的过程。从广义看,数据化是指利用基础数据全面认知并优化改造客观世界的过程。数据是一种客观存在,把这些客观存在的数据找出来,就是数据化的过程。如何有效获取数据?其重要手段就是利用大数据,这本身也是数据化的集中体现。
大数据不同于小数据。相对于大数据而言,过去我们熟悉的标准化统计数据就是小数据。大数据之所以在网络时代快速发展,是因为有一系列幕后的推动力量,包括摩尔定律的作用、互联网与移动互联网的发展,以及社交网络、传感设备、智能终端、智能制造的出现等,正是这些力量促使了大数据爆发性增长。从种类上看,大数据不仅包括传统的统计数据,还包括实时、连续发生的交易数据、行为数据、传感数据,等等。其基本特点是多杂碎快。
大数据之所以重要,是因为它能做很多过去的小数据做不了的事情。大数据的作用可以简单归纳为5个效应:一是识别效应,它可以识别身份、位置、状态、真假;二是重现效应,它可以再现过去的场景,实现过程的追溯;三是关联效应,通过对数据的相关分析、联想分析、聚类分析,可以找出事物之间的联系;四是溢价效应,大数据的应用可以产生新的数据,有利于发现事物变化的内在规律;五是预测效应,利用大数据可以对经济、天气、灾害、疾病以及人类的行为进行预测分析。
数据化是信息社会的重要标志。人类经过农业社会、工业社会,现在已经进入了信息社会。信息社会一定是高度信息化的社会,也一定是高度数据化的社会。尤其是大数据技术的出现,使过去不可计量、存储、分析和共享的很多东西都被数据化了,这标志人类在寻求量化世界的道路上前进了一大步,人们认识世界的能力有了空前提高。就像我们现已熟知的定式、公理、公式,客观上早就存在,一经被人发现就变得非常有价值,成为我们行动的利器。数据也是这样,过去我们没有技术和手段,不能大量发现和捕捉到它。现在我们有了大数据技术,就离发现事物的本质及其变化规律更近了。所以说,有了大数据,所有可以数据化的信息都被数据化了,人类认识和改变世界的能力也就大大提升了。
关键词2
升维:数据化能力决定竞争能力
“升维”一词来自于科幻作家刘慈欣的小说《三体》。在这里借用这个词汇想表达的是,人类从农业社会、工业社会到信息社会,就是一个不断升维的过程。对于农业社会而言,工业社会就是升维。对于工业社会来讲,信息社会就是升维。信息社会与工业社会之间的竞争,不是在一个维度,更不在一个层次。
信息革命已经将人类带进了信息社会。所谓信息社会,就是建立在工业社会之上,全面实现信息化,并体现出以人为本、可持续和包容发展理念的新型社会。今天的中国,正处在重要转型期。虽然我们面临许多困难和挑战,但在创新、协调、绿色、开放、共享的新发展理念引领下,新型工业化、信息化、城镇化、农业现代化和绿色化进程势必持续向前。因此,当工业社会升维到信息社会时,我们的城镇和乡村也会随之加快信息化进程。
仅以城市为例,工业化城市升维到信息化城市,而信息化城市的重要标志之一,就是高度数据化。城市的基础设施、经济、社会、政务、生活等都将在“升维”的过程中实现高度的数据化。概括地讲,就是一切都将“用数据说话,靠数据决策,依数据行动”。信息革命是推动城市数据化的主要动力。我认为,未来的推动力将会来自以下几个方面:一是信息化,全球经济发展的推动力;二是网络化,连接一切;三是宽带化,“极速”宽带不是梦;四是智能化,智能产品、智能工厂大量涌现;五是服务化,服务环节创造的价值可以占到90%以上;六是社会化,管理运营的社会化;七是生态化,从价值链向生态圈转型;八是平台化,企业运营、政府治理都将平台化。围绕上述发展趋势,决定城市竞争力的核心要素,将包括:数据采集能力、数据处理能力、数据传播能力、数据利用能力、数据安全能力等。未来城市之间的竞争将体现为数据化能力之间的竞争。
关键词3
数据开放:大数据战略的突破口
实施国家大数据战略,关键在于推进数据资源开放共享。推进大数据战略,并不需要政府花钱大量补贴和建立这一领域的新兴产业,只需加快政府数据开放共享,就能催生一个重要的新增长点——新型的服务业。建立大数据的基础设施,可以让经济增长潜力迅速迸发出来,这是因为公司可以用这些数据创造价值,进而可能创造新的服务行业。数据已经在那儿了,开放没有什么成本,赢得的却是新的发展机会。
需要说明的是,大数据战略中的数据开放,与我们常说的信息公开有所不同。以往的信息公开往往是政府将加工好的信息放到网上去,而数据开放则强调开放更多的基础数据,比如,交通大数据、通信大数据等。让基础数据流动起来,才能够真正释放其应有的价值,才能够通过这些数据去整合资源,创造出新的商业模式和新的业态。近年来,国内已有不少城市和企业开展了类似的数据开放应用活动,通过数据开放产生经济和社会价值的实践,让人们逐渐认识到数据的价值和数据开放的重要性。总之,信息社会已经来临,现在的行动,决定未来。
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