
以大数据消费提升城市发展_数据分析师
神州数码控股有限公司董事局主席,中国人民政治协商会议第十二届全国委员会委员,国家信息化专家咨询委员会第四届委员会委员,北京信息化协会会长,中国智慧城市产业技术创新战略联盟理事长,中国民营科技实业家协会第六届理事会理事长。
产业转型要提升服务
郭为认为,东莞的“十三五”规划要坚持以人为本,产业的升级要考虑本地居民的升级。
郭为说,东莞具有发展物流的地理优势,可引导产业工人向物流行业转移,并吸引一部分物流公司在东莞设立总部,发展服务制造业。在技术学院方面,传统技术工人的升级非常重要,高端制造业的转移实际上是人力成本的问题。此外,东莞的娱乐业非常发达,而香港理工学院拥有全亚洲乃至全球最好的酒店管理学院,东莞可以考虑将酒店管理学院移植过来,将产业工人真正变成酒店的管理者。东莞拥有酒店数量的优势,这是一个很大的实习基地,能够让才人更好地落地。
产业布局突出APP模式
郭为认为,传统制造业向智能的提升,要发挥东莞传统的优势,包括采购和展览等资源,再利用互联网的传播模式,结合开发APP和定制化服务,有目的地发展现代制造业的服务模式。东莞要充分运用本地的展会资源,举办有针对性的、专业化的展会,并结合互联网O2O的模式,将一次性的展会变成长期的网上交易。他举例说:“前段时间,我在扬州做的一个规划获得了当地政府的好评。扬州是中国一个大规模酒店用品生产基地,我们在当地每年办一个小展会,去年展会当天的合同成交额高达30亿元,一个星期下来收益颇丰。我们考虑将这个小展会长期建立下来,使当地成为全世界各大酒店采购的集散地”。
郭为认为,东莞有传统制造业的良好优势,可通过引进大学和研究机构,面向自身的产业特征,打造东莞传统产业的服务模式。“今天的智能化在互联网和移动互联网的结合下,与传统智能有一个很大的差别,那就是APP模式。”APP每天都在更新,设备的智能程度会随着数据运用的数量成正比增长,这个市场一旦形成,是别人很难进入的。郭为建议,东莞可以考虑如何在整个产业布局上凸显出APP模式。“我已经在中国走了超过一百个智能城市,这次智能城市的经济转型中,我发现做得最好的企业都是当地培育起来的本土中小企业,一点一滴地成长起来。最近我在佛山顺德帮助传统小家电进入电商领域,已经在3年时间里产生了当地的品牌。”
大数据改变传统产业
在节能环保领域,郭为认为,东莞可以利用现有的城市发展过程遇到的瓶颈孵化出服务于华南地区的产业,既解决城市发展过程中的问题,同时使这些产业服务到周边城市。
他还有一个重要观点是,未来城市的发展会从传统的石油、天然气资源变成大数据资源。数据从哪里来?如何处理这些数据?如何使这些数据发挥更多的作用?郭为认为,东莞作为外向型经济城市,可出台“东莞指数”。“东莞作为出口的一线城市,任何行业跟其他数据连接起来,这将会是一个巨大的信息爆炸。而且东莞拥有天然的资源,例如海关、商检、统计局等部门的数据都是一笔很大的财富。东莞可以通过政府各部门数据的集中和开放,以大数据的消费提升城市的发展。”
对话
实施大数据战略建智慧城市
南方日报:您认为,智慧城市的建设,将会为东莞产业发展及新型城镇化建设带来哪些具体影响?
郭为:智慧城市是面向市民为中心的公共服务,其中包括政府服务、交通服务等。搭建这些服务平台后,要进一步以人为中心开展工作,使老百姓能够用得上,方便他们的生活,这是第一步。进一步而言,市民使用情况本身就是一种新的数据资源。我认为,智慧城市不仅仅在于管理,更理想地是与市民形成互动关系。本质而言,是一种大数据,用得越多,价值越大。
南方日报:您曾提出,中国的信息资源一直存在“部门化”现象,您认为,东莞政府在打破信息“部门化”,实施大数据战略方面,可以做哪些率先尝试?
郭为:中国传统的管理方式是按条条管理的,在一个区域内数据相互之间不能共享。要打破信息“部门化”,必须从服务对象的角度来打破,因为无论是哪方面的工作,其主要目的都是为人服务的。在这个视角下,就能实现数据的融合,融合之后就能产生更大的发展。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 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 ...
2025-09-02