京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据这词,我们并不陌生,它的本意是指从海量的数据中,发现有价值的规律,并为人们所用。比如说,前不久支付宝发布的用户“十年账单”,实际上就是一次大数据在商业领域的应用。
当然了,大数据不光只用在淘宝上,在生活中的方方面面都会涉及。今天,在北京举办了一场声势浩大的科技会议,全世界最顶级的大数据公司云集于此,一起分享大数据在现代生活中的各种应用。接下来,我们一起来听听中外企业对大数据的运用,到底达到了什么样的水平了?
首先来听听国外企业。wandisco是一家硅谷的创业公司,主要做医院大数据的信息整合,目前公司已在伦敦证交所上市,今年刚刚进入中国市场,总经理张涛告诉记者,在美国,他们公司做的大数据产品主要针对患者。比如说,有些患者的病容易复发,他们可以通过大数据,精准的预测患者何时复发。
张涛:比如说我们在美国的医院里面,已经做了一个完整地一体化电子病历和整体的大数据医疗行业应用,他们能够更好地预测病人的二次入院时间。以前病人可能在治疗之后,有一个问题是之后可能会复查,之后可能会复发,那我能不能预计一下哪些病人可能在哪些时候有高发的可能性,主动通知他们,而不要等他们发病以后再来。
张涛说,这款大数据应用,对于国内的医生很受用。为什么呢?因为国内的医生每天要看很多的病人,时间很紧张,很难对病人有一个细致的了解。而大数据的运用,则可以大大的提高诊疗效率。
张涛:医生也会更加舒服,因为他也会提前知道,我今天会有哪个病人会进来,这个病人他的上一次治疗在什么时候做的。他会有一个更完整的记录,而不会每一次都是单纯的谈话,这样会影响效果。而我们在美国做的这个案例,是所有的历史记录无论是详细的片子、治疗等等,无论是在这个医院,还是在其他医院,都整合在一个医院里,全部电子化。所以病人不需要出具任何的东西,医生已经全有你的档案,甚至可能是在你来的前一天医生都已经看过了,这样整个效率都得到了提升。
大数据是行业趋势,不光是国外企业,国内企业也相当重视。在今天的会场上,记者还遇到了专做大数据可视化系统的数字冰雹信息公司总经理邓潇。当着记者的面,邓潇演示了他们的可视化系统,通过环保部的公开数据,把全国100多个重点城市的污染情况在屏幕上有了非常直接的呈现。
邓潇:做数据可视化的话,最主要的价值是帮助人们整体把握和驾驭这种大规模的数据。你现在看到的北京市从“优”“良”“轻度污染”“中度污染”“严重污染”全都有,只有“严重污染”的均值略低过全国的所有城市。所以说非常简单的数据可以让你得出非常非常多的结论。然后可以让你按照不同的维度,并且按照不同的指标,跨纬度,跨指标。分析其中的关系并且做出判断。
尽管大数据广泛运用于生活中的方方面面,能够帮助我们寻找到数字背后的规律。但也有专业人士提醒我们,大数据是一把双刃剑,如果管理不慎,它可能会泄露我们的隐私。启明星辰公司副总裁潘柱廷:
来潘柱廷:举个例子说,大家可能会把自己喜欢的照片晒到网上去。比如说小孩做了什么活动,幼儿园怎么样。他其实完全可以把你小孩是在哪个幼儿园,他现在几岁,他老师叫什么,你家长是什么名字,你家长是什么工作的。那这些是有一定的危险性的。所以我们尽量不要晒未成年尤其是小孩的内容。
在今天的会场上,来自美国卡内基梅隆大学计算机技术教授邢波谈到了一个话题:大数据产生了,有人收集了,但他们会互相分享吗?如果不分享,这些大数据还能起到该有的作用吗?
邢波透露,在美国对于大数据的公开标准,有一个严格的界定。
邢波: 一种是所谓的社会知情权,对政府的一些决策、一些经济数据是不是要公布涉及到安全问题;另一种是为了科学使用这样的大数据,用户的数据、科学数据、天文望远镜照了很多星星的照片、或者生物里面很多DNA的生物的数据,在美国我想他是有一个严格界定的。凡是你用公共部门产生的数据,你有义务把他公布,政府也会提供资源让你去公布,比如有一个地方让你可以存、可以放。但是对于公司的话,他有时就要求公司有权利保护自己的数据。
同样的问题,在国内也存在。中国工程院院士李国杰说,院校的大数据研究要落后于企业,为啥?就是因为院校没有数据,而企业有数据;与此同时,国家很多数据也都不公开,导致无米下锅的状态。
李国杰:但是你要大家把希望都寄托在百度、腾讯这些大公司把数据公开,这个不现实。人家花钱的,人家建平台几十亿几十亿的建立,白干了,公司指着什么花呢。国外也不是这个样子的,公司有公开一些觉得对大家有帮助的触及科研工作,这个他可以做到。你让他把所有的东西都拿出来,那他赚什么钱,所以这些东西我们也没必要太苛求这些。
因此,中科院计算机所研究员程学旗建议,数据公开可以先在政府部门内部搞起来,但是目前,即便是各个部门之间,也都是有很多壁垒。比如智慧交通、智慧医疗的建设,如果有了部门间信息的共享,那效果会有很大改观。
程学旗:其实有很多,比如说我们这个智能交通的管理。第二如果我们把城市的一些数据比较好的关联起来,其实在上面做方法、做运用、做决策、甚至城市规划这块,其实我们可以很好地走近一步,但是恰恰在一个城市里面,各委办局,各个行业部门的数据就没办法把他整合在一起,一个目标驱动的情况下都很难做,这是我觉得大数据落地面临的第一个公职上的大的难点问题。
本文来源:CDA数据分析师培训官网
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24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