京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据领域专业学术期刊DSE问世 推进产业加速发展
刚刚过去的2014年,凭借在多个领域的突出表现,大数据成为年度最热的技术名词之一。在多个第三方研究机构的2015年预测中,大数据都被认为是全面爆发的一年。因此,大数据也成为迅速被热炒的技术名词,之前被热炒的有SOA、SaaS、云计算……
面对产业界的这一现象,在日前由中国计算机学会、中新赛克和德国Springer出版社就数据科学与工程领域国际学术期刊的合作举行的DSE(Data Science and Engineering)杂志的签约仪式暨学术交流活动上,哈尔滨工业大学教授、DSE主编李建中表示:“如今,大数据正面故事多,负面故事少;说大数据的人多,但比较而言真正了解大数据的人少;企业界对大数据的声音大,学术界对大数据的声音小;所以我们需要冷静科学地考虑怎样利用大数据,怎样做大数据。”
正是基于这一判断,一份数据科学与工程领域国际学术期刊——DSE杂志在相关机构的推动下应运而生,DSE即Data Science and Engineering,注意,这里没有用Big Data,对此,清华大学教授、中国计算机学会数据库专业委员会主任周立柱解释道,相比较而言,大数据是一个时尚的技术名词,而数据则更具普适性,它的科学和工程问题才是DSE作为一份国际学术期刊应该关注的长期研究。
据了解,DSE杂志的打造,一方面可以为全世界在大数据方面的科学与技术研究者提供一个平台,推广各方面的研究成果,特别是为中国学者发表高水平的论文提供一个平台;另一方面也可以搭建一个国际交流的桥梁,促进中国学者与国际学者的交流,同时促进全世界的企业界和学术界的交流。
学术的发展和进步离不开与企业界的互动和交流,南京中新赛克科技有限责任公司秉承10多年的数据通讯技术的软硬件基础,专注于信息安全设备、无线产品、综合业务的研发和市场份额,为运营商和行业客户提供成熟的解决方案和一站式的服务。
“我们在技术研发中碰到了许多数据方面的问题,过去,我们在技术上一直是跟随国外的先进技术,如今,我们则需要一些自主研发技术的支持,尤其在数据分析方面。”中新赛克CEO凌东胜表示,“我们希望成为工业界和学术界的桥梁,并把学术界的技术转化到产品和解决方案中去,提升产品的竞争力,真正为中国企业所用,改变现在中国企业普遍采用国外产品的现状。”
正是基于这一考虑,中新赛克参与到了这份期刊的打造中,如今,中新赛克已经在大数据方面开始了积极的尝试,并有望在2015年将相关的大数据产品大规模应用在一些重要的领域。
针对大数据领域最新的发展趋势,周立柱教授认为仍然存在不少的难题需要解决。例如,数据质量问题突出;其次,数据大了之后也会面临分析、计算复杂性等基础问题;第三,如何解释数据分析得出结论,回答结论的依据等等。DSE杂志的创办,就是希望找到解决这些问题的办法,进而促进大数据产业的发展。
据悉,未来,DSE杂志的内容将着重探讨数据本身内在的规律,包括大数据从获取、存储到质量管理和计算,从数据中发现知识和规律并在实践中获得效益的经验等诸多方面。2015年,DSE杂志的网站将正式上线,并接受投稿;2016年,DSE杂志的纸质版也将正式公开出版。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06在 CDA(Certified Data Analyst)数据分析师的工作中,“可解释性建模” 与 “业务规则提取” 是核心需求 —— 例如 “预测用户 ...
2025-11-06在分类变量关联分析中(如 “吸烟与肺癌的关系”“性别与疾病发病率的关联”),卡方检验 P 值与 OR 值(比值比,Odds Ratio)是 ...
2025-11-05