
以解决问题的姿态玩大数据_数据分析师
2011年,著名管理咨询公司麦肯锡声称:“数据已经渗透到当今每一个行业和业务职能领域,成为重要的生产因素。人们对于大数据的挖掘和运用,预示着新一波生产力增长和消费者盈余浪潮的到来。”由此引发了大数据的热潮,美国政府2012年宣布投资2亿美元启动“大数据研究和发展计划”,IBM,微软、谷歌、亚马逊等大型企业纷纷投入。中国政府紧接着提出“十二五国家政务信息化建设工程规划”,北京、上海、广东等地陆续推出大数据研发战略,阿里、百度、腾迅、华为等大型企业都已涉足该领域,更有许多新兴企业致力于此,大数据成为了继物联网、云计算、移动互联网之后,又一个信息技术产业发展的制高点!
所谓大数据,必须有足够大的数据量才能发挥它的价值。但是,由于现阶段互联网数据真实性的问题,物联网数据量不够的问题,以及数据安全的问题,对大数据走向应用产生了较大束缚,以至于大部分大数据应用只能存在于“实验室中”,且大数据厂商开始纠结单点上的数据精度,单这一点便是有悖于大数据发展常规的。
在如此现状之下,罗克佳华—这家有着计算机系统集成一级资质,属“应用基因”系的企业涉足大数据,是否能够独善其身,让大数据概念回归本位呢?且看罗克佳华董事长李玮在接受本刊专访时的“如是说”。
我们不是实验室
“罗克佳华做大数据,从不追求一个点的精度,我又不是实验室!我要通过广泛布点的方式获取更多的数据,找到源头,提供解决问题的依据,也就是说,罗克佳华从来不做实验室里的大数据,只从解决问题的角度做可用的大数据。”李玮一句话,态度明确:我—罗克佳华做的所有工作都是以解决问题为目的,以应用为宗旨。
李玮说,首先罗克佳华是一家标准的物联网企业,因此就要做物联网企业该做的事。那么,物联网企业该做什么呢?“我们认为,物联网的规模性必定导致集中的数据服务,也就是说物联网的大量感知终端将产生前所未有的集中的数据量,而这些集中数据通过各种算法,依据各种需求,将延伸出无以数计的服务,这些服务才是物联网的真正价值所在。”而罗克佳华这些年,不管是卖设备,还是卖解决方案,都没落下一件事,就是提供服务。因此,在物联网时代,依据物联网发展线路图,罗克佳华将自己的发展布局做了更为清晰的调整:走云+端之路,“云+端的意思,就是物联网技术和数据服务的结合”。
如何提供更好的服务,罗克佳华也并非一开始就找到了门路。比如在环保监测方面,也做了多种尝试,比如先是重视监测,后来才发现“点多面广的综合监测”得到的效果更好,便将轻监测、广布点的模式推广到其他诸如农业溯源、煤矿安全等领域中。
例如罗克佳华为北京通州做的环保物联网系统,将所有的环保信息化系统进行整合,并结合大家关注的空气质量问题,在全区范围布设了 500个监测点,进行物联网监测,同时将各个工业污染源、农村面源、汽车尾气等导致空气质量变化的排放清单进行实时分析,不仅做到了物联网监测,也充分发挥了数据分析优势,实现了对空气质量的预警预报,以及对环保工作的综合优化管理。
愿景VS红线
至此,罗克佳华的“智能端”和“云服务”形成了一种相辅相成的促进作用,计划在几年内成为节能、环保领域内最强的物联网服务型企业。但成功之路必有坎坷,云+端模式要发展有一个非常重要的基础条件,即政府和行业对数据质量、价值、权益、隐私、安全等产生充分认识,出台量化与保障措施。也就是“数据权属”和“企业观念”两个问题。而正如前文所言,中国目前仍处在大数据的起步阶段,相关立法颇多空白,国内企业的意识也有待转变。
罗克佳华的服务方式是通过监测系统获得真实有效的数据进行分析,可几乎所有用户都在系统布设之后谈及数据保密问题,对项目产生了巨大的干扰。更有甚者,罗克佳华曾试图将一些污染源数据向同行的企业开放,便于他们在对比中提高自己,但这些隐去了名字的数据在不久后就被企业告了状,最后由政府出面叫停。
“物联网数据经常会触到红线,数据运营,如履薄冰啊!”李玮直言数据权属问题是挡在他们身前的“拦路虎”,更是他们将来必须解决的核心问题。不说罗克佳华有许多政府合作项目,导致权属问题更加复杂,光是环境数据及工业设备信号等公共数据如何界定、如何共享都已是非常纠结的问题。
不过,虽然有这方面的忧虑,但毕竟前路漫漫,还有许多未知数,罗克佳华在行动上并没有丝毫的犹豫。本着应用为先的原则,只要是有利于推广和应用的项目,不管是政府买单或是市场化,他们都会积极去做。为了拿出更加专业的精品,他们更以开放的姿态寻求跨界的合作企业和专家团队。“我们做技术的,做好技术,社会要发展,体制待改善,机会就有的。物联网数据要和同行业开放才会更有活力和竞争力,开放的意识形态才会造就开放的国家。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14