京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据OR能源大数据_数据分析师培训
一、为什么谈大数据?(why)
小编对于克强总理谈到的“大数据”很是关心,于是开始进行了信息搜集。在Web of Science数据库,小编对“大数据”相关领域已发表的SCI/SSCI论文进行了统计分析。
【检索条件:主题=(“Big Data”),时间跨度=(所有年份),数据库=(SCI-EXPANDED,SSCI),检索日期=(2015/03/06)】
看到图1,小编也是有些吃惊了。2014年,“大数据”相关的SCI/SSCI论文发表了902篇,占历年全部发表论文数的59.3%(论文发表总数:1521篇)。2015年,有可能继续 “疯狂”。
图 1 大数据相关领域SCI和SSCI论文发表与引用统计
二、什么时候开始研究大数据的?(when)
2006年,“大数据”领域的第1篇论文诞生。需要说明的是,这一年总共只发表了3篇论文。2008年,《Nature》推出了“大数据”专 刊。2011年,《Science》推出了关于数据处理的专刊“Dealing with Data”。2012年,美国奥巴马政府宣布推出“大数据的研究和发展计划”。
到2015年,大数据经历短短9年时间,似乎在以 “违反”学术规律的速度生长、扩散。
三、大数据是什么?(what)
近年来,大数据在创新思维、管理理念、信息技术等方面的影响力和效果日益显著,受到各方高度关注。但遗憾的是,大数据目前尚没有统一的定义。
小编尝试整理了“大数据”理念在数据采集、处理、应用等方面的特征:一是可对不同领域、不同类型、不同渠道的跨界数据进行系统采集与分析。例 如,意大利米兰电信公司将电话通信大数据与人口、地理数据进行集成采集与分析,实现对城市热点商业区域、交通拥堵区域的动态预测。二是可对各种在线行为进 行全过程记录,大幅改善处理效率、成本、响应时间。以IBM公司发布的大数据技术BLU Acceleration为例,查询速度比传统技术快100倍以上,数据存储成本只有其十分之一。三是与应用创新联系更为密切,成为推动管理创新、商业模 式创新与产业革命的内在动力。例如,阿里集团将客户网络活跃度、网上信用评价、余额宝交易量等在线数据转化为客户信用评级,在金融信贷业具有颠覆式创新意 义。
四、哪些国家(地区)/机构在研究大数据?(where)
排在首位的依然是美国,论文发表数755篇,占所有发表数1521的49.6%。其次是中国,论文发表占比15.0%。不错的成绩嘛。
再来看看研究大数据发表成果最多的研究机构。恭喜中科院,中科院超越哈佛大学成为了发表大数据成果最多的研究机构!(注:小编去年查过排在榜首的是哈佛)。
图 2 国家/地区排名前十统计
图 3 研究机构排名前十统计
五、谁才是大数据研究领域的真正专家?(who)
谁是大数据研究领域的真正专家?让我们用数据说话。(这算不算“大数据”的应用呢?)
“大数据”领域发表文章最多的是“ANONYMOUS”(译为“匿名的”)!竟然无人认领发表SCI/SSCI文章最多的专家称号(注:SCI/SSCI论文发表在某种程度上反映了作者在该领域的影响力),真是遗憾。
图 4 研究作者排名前十统计
六、如何使用大数据?(how)
“大数据”都在哪些方面得到了应用?
排在前四位的研究方向依次是计算机科学、工程学、科学技术和商业经济,发表文章共计889篇,全部论文占比58.4%。
综合来看,小编相信,大数据在能源管理中的应用前途还是非常光明的。
图 5 研究方向排名前十统计
七、能源大数据?
以主题=(“Big Data” AND “Energy OR Power”)在Web of Science数据库进行搜索,也许会有意外的发现啊……
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18