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
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27