城市大数据分析的价值展望(2)_数据分析师

3 城市大数据分析的保障性措施建议

　　3.1 与云基地的建设协同发展

　　各地云基地的建设意味着海量的数据将进行集中管理。其中存储、运算服务伴随云基地的设备到位就可以支持规模性增长，也为大数据分析奠定了基础，而大数据分析也使得多地的云基地建设有最切合的用武之地，不至于成为一朵“浮云”。

　　3.2 成立城市大数据中心

　　政府应用数据存在敏感性、保密性等特点，部分甚至涉及国家安全与政府机密，存在较大的管理风险，不便与其他数据混合管理。城市大数据挖掘将整合强大的存储平台和运算系统，综合分析跨地域、跨行业、跨部门的海量数据，而群体事件发现、警情分析等功能需要较快速的反应能力，因此，只有专门的设施与专业的团队配备才能满足这样大规模、高敏捷的需求。

　　3.3 做好人文保障工作

　　要做好人文保障工作，必须做到其一是基本的安全问题，必须有系统化的策略进行安全和访问控制。城市数据中心是最让黑客们感兴趣的潜在单点，因而要求最严格的安全。

　　其二是数据利用方面要小心谨慎，不能滥用。如移动电话数据可以在设备拥有者明确同意后，用于感知交通拥塞，但是不能作为超速驾驶的依据，不能让市民感觉身处“全景监狱”。新模型的使用模式对自愿加入的个人及单位要尽可能透明化，日常分析利用时需确保数据中敏感隐私的剥离。

　　此外还有许多有待讨论的问题，如是否可以“预测即惩罚”。若通过监控个人的特征和行为发现恐怖分子，那么在恐怖活动未实施之前，能否对看上去证据确凿的某个人实施控制?数据的记忆能力及对数据的接触能力将加深“信息的贫富差距”，如何让大数据走向信息互惠?[2]

　　3.4 顶层设计中融入大数据理念

　　未雨绸缪。在系统的建设初期就应该集中考虑标准化、端口与互操作问题。不同的城市，甚至同一城市的不同机构，使用不同的模型管理信息。各个部门若形成信息孤岛，加之大数据中存在的众多半结构化数据、无结构数据，将会进一步导致分析困难。因此在城市信息化的潮流中，应首先进行以大数据为核心的顶层设计[3]，瞄准城市基础架构与服务中各利益相关者的需求，并注重标准规范建设。

　　3.5 解决关键技术问题

　　从国家近年来政策动向及科技基金来看，非常鼓励大数据产业及相关的研究。各城市也应当在应用、实践的过程中，研究攻克大数据分析中技术方面的问题。

　　3.5.1 基础技术问题

　　目前大数据分析所普遍采用的MapReduce分析技术在同等硬件条件下，性能远低于并行数据库;但并行数据库在扩展性、容错性的短板导致其无法“胜任”大数据分析的任务。于是，研究人员致力于整合二者的优点，将诸如Vertica、HadoopDB、Teradata等数据库对MapReduce和并行数据库进行了集成，但解决方案还是基于各方的优缺点进行折衷。例如，HadoopDB能实现关系数据库的高性能和MapReduce的扩展性、容错性，但同时也丧失了MapReduce低预处理代价和维护代价、关系数据库动态数据重分布等正面特性[5]。

　　3.5.2 传统分析手段改进

　　目前各领域采集到的数据85%以上是非结构化和半结构化数据[6]，但较为成熟的数据分析方法与技术主要还是针对结构化数据的。以舆情分析为例，目前主要还是依赖主题检测和追踪、文本分类、观点倾向性识别、自动摘要等基于文本信息识别的技术。随着非结构化、多样性数据的爆炸式增长，对诸如声音、视频、地理位置等所产生的数据进行综合分析是未来的发展趋势，也是必须攻克的技术难点。

　　3.5.3 技术人员培养

　　大数据分析技术人员的缺乏也是制约发展的因素之一。目前数据挖掘、大数据分析行业的分析师比较缺乏，以互联网行业为代表的各大公司展开了人才竞争，而城市级大数据分析要求较高，更增加了对技术人员的职业要求。所以各城市要注重大数据分析师的培养，做好人员准备。

  CDA注册数据分析师协会在顺应大数据、云计算的潮流下发起成立的职业简称。旨在加强国内外乃至全球范围内正规化、科学化、专业化的数据分析人才队伍建设，进一步提升数据分析师的职业素养与能力水平，促进数据分析行业的高质量持续快速发展。CDA数据分析师项目包括教育，咨询，考试，认证，机构招聘合作。CDA注册数据分析师协会会员是来自学界、实务界，国内大陆、台湾及国外数据分析和数据挖掘相关领域顶尖的教授、专家.CDA数据分析师的就业前景可选择于通讯、医疗、银行、证券、保险、制造、商业、市场研究、科研、教育等多个行业和领域。