
2018年中国大数据产业8大趋势前瞻
刚刚过去的2017年,大数据产业持续呈高速增长,各地方政府纷纷开启数字化转型之路,大数据被广泛应用于政府监管、社会治理、经济转型等诸多实践领域。2018年,在建设“数字中国”的大趋势下,作为数字经济转型排头兵的大数据产业将会有哪些新的发展趋势?
数字化生产力将显著提升
2017年年末,就产业创新发展、数字经济建设、国家创新治理、民生保障与改善、国家数据安全五大方面做了前瞻性布局,并强调要推动实施国家大数据战略,加快建设数字中国,更好地服务我国经济社会发展和人民生活改善。
五大前瞻性布局,为大数据产业未来发展指明方向,以数据为关键要素的数字经济,可以推动大数据产业持续稳健发展,实现创新突破,持续释放数字红利,将对“数字中国”建设产生深远影响。关于“数字中国”的重要指示,预示着2018年数字经济将进入黄金爆发期,各领域数字生产力将会有显著提升。
数据市场交易额持续攀升
2017年,大数据产业集中爆发,数据体量呈几何状增长。以贵阳大数据交易所为例,2017年,贵阳大数据交易所汇集了超过150PB的海量数据,包括全国所有政府部门的公开数据,以及225家数据源的优质数据,并将这些单个行业或领域呈链条状串起来的数据解构、交叉、融合,从而形成块数据。与此同时,贵阳大数据交易所与100多个地区,包括省、市,进行了数据流通交易合作,助力打通政府部门、企事业单位之间的数据壁垒,实现海量数据的合作开发和综合利用,有效促进各级政府数据治理能力的提升。
随着国家大数据战略实施,数字经济将在2018年蓬勃发展,数据体量将随之更加扩容,以贵阳大数据交易所数据交易体量为范本,预测未来一年数据市场交易额将会进一步攀升。
政府大数据应用迎来集中爆发期
我国实施国家大数据战略,加快完善数字基础设施,推进数据资源整合和开放共享,保障数据安全,加快建设数字中国。
2017年1月,工信部发布《大数据产业发展规划(2016-2020年)》;5月,水利部发布《关于推进水利大数据发展的指导意见》;6月,最高检发布《检察大数据行动指南(2017-2020)》。截至2017年6月底,国务院、国家发改委以及农业部、国土资源部、国家林业局、交通运输部、水利部等部委均发布了大数据战略文件。随着大数据产业政策继续加速出台,政府数据开放共享取得突破,大数据建设不断深入,创新体系不断完善。
紧跟政策与战略布局,九次方大数据联合60余城市启动“推进器”计划,扶持大数据技术应用公司共同开发政府数据应用。可以预见,到2018年,政府大数据应用将集体迎来集中爆发期。
数据资产运营将成为政府数据价值释放主要途径
当前,贵阳、广东、云南、甘肃、福建、内蒙古、新疆、青海、湖北、南昌、上海、苏州、南通、济宁、青岛、哈尔滨、秦皇岛、丽江、潍坊、重庆等60个地区,包括省、自治区、直辖市、地级市等以数据资产运营为途径,释放地方政府数据价值,赢得区域竞争先机。
数据资产运营是规范、控制、管理和提供数据及信息资产的一系列业务职能,包括开发、执行、指定和监督有关数据的计划、政策、方案、项目、流程、方法和程序,从而控制、保护、交付和提高数据资产的价值。数据资产运营面向全领域数据的全生命周期,其核心思路是将数据对象以资产的标准和要求进行运营与管理。
到2018年,政府及各行各业非结构化数据呈爆发式增长,对数据资产运营与管理的复杂度要求更高。大数据资产运营将有可能通过降低数据使用的成本,提高以数据智能分析、预警、预测、决策的效率,让数据资产运营与管理成为大数据时代中各行业竞争力的重要来源。
机器学习成为普遍工具
以数据科学为基础的机器学习是人工智能的核心,是计算机智能化的基础,其应用遍及人工智能的各个领域,如数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、战略游戏和机器人等领域。近年来,深度学习已经开始渗透到各个领域:客服机器人、垃圾邮件过滤、人脸识别、语音识别、个性化推荐……
随着大数据分析能力的不断提高,2018年机器学习将继续在智能分析方面发挥重要作用,从而扩展了机器学习。例如,帮助机器从现有的复杂数据中学习规律,以预测未来的行为结果和趋势。在某一行业智慧化应用中,用机器学习的方法对数据进行分析建模,最为关键。特别是在庞大的数据面前,如何将数据进行重组、整合、分析,进而转化为人工智能产品,是行业迈向进智能化的重要挑战。
到2018年,80%的数据科学家会将机器学习纳入其工具包中。到2019年,机器学习将成为实现需求,大数据与人工智能的结合,将克服人类在交通、环境、健康医疗等领域面临的一系列发展困境,从而开创经济社会发展的全新范式。
数据安全性将有质的提升
2017年,全球数据泄露事件层出不穷。6月份,美国爆发大规模选民信息泄露事件;7月份,美国最大无线通信公司Verizon遭遇大规模数据泄露事件;9月,美国三大信用局之一的Equifax数据库遭到黑客攻击并泄露,美国1.43亿用户的敏感数据受到安全威胁;9月下旬,全球四大会计师事务所之一的德勤公司曝出超过500万份内部邮件疑遭泄露。数据安全已成为全球性话题。
2018年,各国将加大数据安全保障。尤其在我国,数字经济以数据为关键要素,以安全为前提。为此,我国先后成立了中央国家安全委员会、中央网络安全和信息化领导小组、中央军民融合发展委员会等机构,2017年,《网络安全法》正式实施。可以看到,新时代国家网络安全的领导机制、制度设计和法律法规等顶层设计已经确立。到2018年,我国数据安全性将得到极大提高,有利于数字经济的加快推动与发展。
数据可视化迎来黄金发展期
2018年,数据可视化和数据发现将成为一股重要趋势席卷政府及企业。数据发现的范畴已经扩大,不仅包括对数据分析和关系的理解,还包括呈现数据的方式,以挖掘更深层次的商业洞见。其结果就是,作为一种把数据变成可用洞见的方法,可视化模型越来越受欢迎。日益改善和演变的可视化模型已经成为从大数据中获取洞见的必要组成部分。
人脑能高效地处理视觉图像。在这个过程中,大脑使用了潜意识,让决策者可以通过迅速扫描图像来处理信息。数据可视化将会得到越来越广泛的应用,因为它们可以帮助人们快速接受和消化最相关的信息。将图形和图表与功能强大且易于使用的业务分析相结合,意味着每个部门的用户不仅可以看到他们的组织如何实时执行,而且还可以采取必要的行动,防止小问题变成更大的问题,并挖掘新的机会。
行业应用将成大数据发展“重头戏”
当前,我国各产业都在深入挖掘大数据的价值,研究大数据的深度应用。大数据在各行业的全面深度渗透将有力地促进产业格局重构,驱动生产方式和管理模式变革,推动制造业向网络化、数字化和智能化方向发展,成为中国经济新一轮快速增长的新动力和拉动内需的新引擎。
目前,我国各行各业已积累的丰富数据资源,国内大数据创新创业企业积极研发各领域大数据应用平台,同时,从政府出发,整合宏观调控、税收监管、商事管理、信用体系建设、维稳、公共安全等数据资源,加快数据共享开放,提升政府综合治理能力,自上而下,由内到外,从政府到企业,打造全产业链平台,加快政府治理、行业转型。到2018年,将形成大数据全产业链生态应用系统的完善与建立。
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