
大数据带动决策机制变革_数据分析师
“大数据是数字化生存时代的新型战略资源,对国家和社会发展作用巨大。我国应大力推动大数据研究及产业发展,并以此带动决策机制及社会经济各项事业的发展与变革。”在日前举行的“西安交通大学环保大数据研究中心”揭牌仪式上,中国工程院院士汪应洛如是说。
汪应洛表示,当前全球正处于一个数据量暴增的时代。从长远来看,大数据的发展不仅是科学技术的发展,也会带动决策机制的变革,促使从经验决策、量化决策向大数据决策转变。“应当说,社会上的每个单位都有大量数据,但并不是每个单位都有能力把这些数据用好,因此催生了大数据产业。”
在汪应洛看来,大数据是数字化生存时代的新型战略资源,正在改变人类的生产和生活方式,对国家和社会发展作用巨大。近年来,大数据引起各国科技界、产业界和政府部门的高度关注。
例如,美国于2012年启动“大数据研发计划”,美国国家科学基金会、能源部、国防部等6个联邦部门和机构共同提高收集、储存、保留、管理、分析和共享海量数据所需的核心技术,扩大大数据技术开发和应用所需人才的供给。目前,美国已形成庞大的大数据产业,在企业发展、国防建设等方面发挥了巨大作用。
我国大数据研究起步稍晚,但已引起国家高度重视。国家发展改革委、工信部等部门正在共同研究如何发展大数据核心技术,以充分利用数据这一战略资源。“我国经济规模如此之大,一旦有了大数据分析工具,会使经济有更快、更大规模的发展。因此,中国应大力推动大数据研究及产业发展。”汪应洛强调。
对于高校在大数据研究和产业发展中如何更好地发挥作用,汪应洛有着自己的见解。他认为,高校开展大数据研究,一定要紧密结合国家改革发展的需要。例如,老年病、慢性病等疾病都需要通过大规模的数据分析找出规律,从而对其开展诊断和治疗,并以此推动我国医疗卫生事业的改革和发展。“从这个意义上说,大数据研究不只是科学研究,更是一项面向我国社会经济发展的重要事业。”
为此,汪应洛建议,大数据研究一定要发挥多学科交叉与融合的优势。例如,管理、数学、信息等学科的研究重点有所不同,有的研究如何挖掘和采集数据,有的研究数据管理与分析,它们既有分工,更有合作。要想运用大数据作出科学决策,就需要不同学科之间的交叉融合。
他还表示,要加强与国际知名学术组织、高校、研究机构的合作与交流,密切关注和跟进大数据相关领域的研究热点,推进与该领域国内外知名专家学者的交流与探讨,提升我国大数据研究的水平和影响力。在大数据研究领域,如何实现从“跟跑者”向“并行者”“领跑者”转变,这其中还有大量工作要做。
目前,我国还没有大数据相关学科目录培养专门人才,只能借用现有相关专业,培养大数据方向的人才。为此,汪应洛强调,大数据研究和产业发展要解决的关键问题是人才,这是当务之急。“我国需要尽快建立一套完整的大数据人才培养专业体系、课程体系和教材体系。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23