京公网安备 11010802034615号
经营许可证编号:京B2-20210330
广东具备加快发展 大数据产业的基础和条件
一、缺乏高质量的数据,直接影响大数据的价值实现
其一,对大数据的理解和重视程度远远不够。长期以来,我们的文化基因当中,数据文化很弱。没有把数据作为一种方法论,作为一种价值观,作为一种社会运转尺度来看待。
其二,丰富的数据源是大数据产业发展的前提。目前数字化的数据资源总量远远低于美欧,其中政府和制造业的数据资源积累远远落后于国外。就已有有限的数据资源来说,还存在标准化、准确性、完整性低,利用价值不高的情况,这大大降低了数据的价值。
其三,数据共享程度低。政府、企业和行业信息化系统建设往往缺少统一规划和科学论证,系统之间缺乏统一的标准,形成了众多“信息孤岛”,而且受行政垄断和商业利益所限,数据开放程度较低,以邻为壑、共享难,这给数据利用造成极大障碍。
其四,政府业务数据库公开的广度和深度都有限。各级政府已实行网上政务信息公开,不过,主要是行政事务性信息的公开;实时的政府业务数据库公开尽管已经取得进步,但是,政务业务数据库中的很多数据目前还没有实现公开,很多数据因为部门利益和“保密”等因素,仅限于部门内部人员使用;已经公开的数据仅限于一部分基本信息和统计信息,更多数据还没有被公开。
二、缺少稳定可靠的公有云基础设施平台,不足以支撑企业创新和大众创业
首先,自主研发能力限制了公有云平台的发展。美国以Amazon为代表的IaaS服务商构建了生机勃勃的公有云生态系统,不过,我们是以私有云的建设为主。因为公有云的建设一定要自主研发才能做到,必须具备核心的技术能力,没有现成产品可以使用,没有任何捷径可走,而私有云的建设可以采购美国公司的成熟产品。
其次,云计算的基础技术方面,美国是领导者,包括服务器虚拟化、网络技术、存储技术、分布式计算、OS、开发语言和平台等核心技术基本上都掌握在美国公司手中,我们的产品开发大多数是两个路径,一是在美国开源软件基础上修改使用,二是产品引入销售,包装后形成解决方案。近10年来,虽然有腾讯、华为、中兴等公司在大力投入研发资源,很多创业公司也在进行技术研发,但能够真正掌握核心技术的云计算公司还是太少,积累依然不足,很难形成主导性的产业链。
第三,公有云的安全问题导致众多大中型企业对公有云的使用存在安全疑虑,因为企业数据上传到公有云就一定程度上失去了对数据安全的控制力。
三、大数据的技术影响力仍然有限
大数据的市场发展前景是非常广阔的。自2013年以来,大数据每年的市场发展增长率都在百分之百以上。不过,目前大数据还没有形成普遍应用的局面。
大数据应用基本上还是发散状,并没有形成燎原之势,应用也主要集中于互联网营销场景。大数据现有技术水平的主要受益产业仍然是云计算和各类基于云计算的商业模式,在信息基础设施普及率、社会开放性以及与网络智能交互技术的结合度没有达到一定能级时,大数据的应用是有限的,达不到面向社会的“无所不能”。
四、支撑数据服务的大数据产业链有待完善
大数据价值的实现需要一条成熟的大数据产业链给予支撑。
广东已具备加快发展大数据产业的基础和条件,大数据产业链也正在加速形成。作为一个独立的产业来看,大数据的产业体系能够应对绝大多数的产业应用需求。不过,存在以下问题需要解决,一是,在建设重点上,企业侧重于物理上数据存储能力建设,纷纷推出了各自数据中心项目,通常以容量来衡量成就,而国外企业则主要侧重分析工具手段和围绕用户的解决方案开发。二是,在建设方式上,广东企业往往采取“各自为战”、“平地起楼”的建设方式,从基础层面分头进行大数据存储或处理的开发。国外企业却多采用收购兼并、合作开发多种方式来进行建设,推进大数据存储、处理、分析综合发展,而不偏于一隅。三是,大数据面临巨大的安全性挑战,企业、个人数据的隐私保护,需要相应的核心技术来保障。四是大数据面临着有效存储、快速读写、实时分析等挑战,将对芯片、存储产业的发展产生影响。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据指标体系搭建工作中,从业者常困惑于指标搭建的核心逻辑:究竟是依托一线零散数据自下而上汇总指标,还是基于战略目标自上 ...
2026-07-31在数据分析、问卷研究、实验复盘、业务建模的工作中,大多数人最关注的是“用什么统计方法”:是做T检验、方差分析、卡方检验, ...
2026-07-31 许多数据分析师精通Excel函数和SQL查询,但当面对一张上万行的销售明细表,要快速回答“哪个地区销量最高”“哪款产品增长最 ...
2026-07-31在问卷调研的数据分析流程中,“先检验信效度,再开展进阶统计分析”是通用的规范逻辑。很多从业者会听到“问卷效度高,后续可以 ...
2026-07-30【核心关键词】大数据、统计学、专业、毕业生、论文、课程、计算机、建模、知识、数据分析、机器学习、数据科学、大数据技术、 ...
2026-07-30 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-07-30在业务数据分析中,按天拆分统计夜间时段的数据是高频需求——比如电商夜间订单监测、平台夜间用户活跃度分析、运维系统夜间异常 ...
2026-07-29在机器学习建模与特征工程实践中,判断不同特征对模型预测效果的贡献度,是特征筛选、模型解释、业务归因的核心环节。特征置换重 ...
2026-07-29 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-07-29【核心关键词】岗位、数字化、经验、课程、方法论、决策、企业、大方向、数据分析、销售管理、理论知识、思维方式、分析销售、 ...
2026-07-28在问卷调研、用户分群、效果对比等业务数据分析中,分类变量的关联性与差异性验证是高频需求。卡方检验作为针对离散分类数据的经 ...
2026-07-28 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-07-28在Excel数据分析与报表制作中,数据透视表是快速完成多维度汇总、分组统计的核心工具。很多从业者在得到透视表汇总结果后,为了 ...
2026-07-27 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-07-27当下,我们已然步入数据要素价值全面释放的智能时代。数据不再只是零散的数字记录,更是驱动新质生产力运转的核心动能、滋养人工 ...
2026-07-27【核心关键词】客户、数据分析、指标体系、数据采集、数据指标、业务数据、分析思路、业务需求、分析方法 【专访摘要】本次 CDA ...
2026-07-24在数据分析、业务建模与数字化运营体系中,原始业务数据普遍存在缺失、重复、异常、口径不一致等质量问题,直接用于分析与建模会 ...
2026-07-24 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-07-24在数据驱动的精细化运营体系中,指标是业务判断、效果复盘、策略优化的核心依据。随着企业数据化程度提升,指标数量持续膨胀,但 ...
2026-07-23在用户运营与产品增长体系中,留存是衡量产品真实价值与用户粘性的核心标尺,也是决定用户生命周期价值、获客投产比的底层因素。 ...
2026-07-23