京公网安备 11010802034615号
经营许可证编号:京B2-20210330
云计算和大数据——信息化发展的推动剂_数据分析师
技术革新对信息化发展的引领与推动作用已经毋庸置疑,而新一波以云计算和大数据为代表的新技术对我国信息化的拉动作用也正日益显现。在5月21日举行的第六届中国云计算大会上,中国云计算与产业联盟理事长吴基传表示,随着云计算服务的互联,移动互联网、智慧城市等领域的渗透相互促进,形成了市场需求与技术进步双拉动的态势,为我国信息产业和服务的发展提供了强大的动力。他强调,云计算与大数据相辅相成、相得益彰,大数据挖掘处理需要云计算作为平台,同时,大数据涵盖的价值和规律又使云计算能够更好地与行业应用结合发挥更大的作用。
大数据是杀手级应用
在工信部电信研究院泰尔管理研究所许亭看来,要理解云计算、大数据与信息化的关系,必须明确两个前提,即云计算是什么?大数据是什么?
许亭认为,云计算的本质是将分散的资源(包括计算、存储、软件等)集中起来形成共享的资源池,并以动态按需方式向用户提供服务。其基本物理表现形式是数据中心,但是技术形式已发生革命性的变化,大量低成本的服务器集群正替代传统的专用大型机和小型机,并从强调单机性能向虚拟化、分布式方向发展,从而形成了“胖服务器瘦终端”的新形式。
大数据的本质则是数据本身特征发生巨变(数据体量大、结构多样性、处理实时性),带来数据处理技术和思维的变革,并应用到经济、社会各领域,从而产生巨大的价值。大数据的产生是多种因素共同作用的结果,互联网、物联网等信息技术带来数据的大量产生,云计算则使得数据存储成本大幅下降,而分布式处理技术使得数据处理能力大幅增强。
因此,“在信息化过程中,云计算是加速信息化过程的基础设施,而大数据是信息化的杀手级应用,这也是云计算和大数据作用于信息化的机理”,许亭表示。
云计算是加速信息化过程的基础设施。具体表现为,以往企业信息化需要自己购买、建设和维护信息系统和设备(如高性能服务器等),这对于中小企业是不小的成本负担,从而一定程度上阻碍了企业信息化的进程。而云计算使得企业能够像买水、买电一样,很方便地买到自身所需的计算、存储、软件等基础设施能力,并且是用户按需购买、即用即付,有效降低了信息化成本,促进了经济社会各领域的全面信息化。
信息化加速大数据的产生,大数据则是信息化的杀手级应用。首先,信息化过程使得现实世界全面数据化,特别是互联网、物联网技术的扩散,现实世界产生数据世界,加速了大数据产生。其次,大数据又成为信息化的杀手级应用,这种新型的数据处理技术和思维应用到经济社会中就产生了巨大的价值。麦肯锡报告指出,大数据应用于美国零售业,能够帮助其净利润增长60%,应用于制造业,能够帮助其节省50%的成本。
企业加大云计算投资
基于上述原因,云计算与大数据的普及和应用,无疑会整体推动我国信息化水平的提升。那么从行业应用的角度,又应如何利用云计算及大数据如何提升我国信息化的整体水平?
从行业应用的角度来说,云计算可以帮助中小企业迅速完成信息化。比如通过PhiCloud的云主机自助式服务平台,中小企业主只要轻轻点击,就能够开通并实时调整所需IT资源,且所有的服务器后台运作都在数据中心内轻松完成。此外,每个员工的办公软件、通信IP电话、邮箱、公司业务流程审批系统等都能够在PhiCloud的云集中找到,并按照用户数量在线开通,瞬间完成企业的所有信息化过程。
事实上,云计算在企业信息化过程中对成本的降低作用,以及大数据对企业生产经营的帮助,已经使得很多企业尝到了甜头,并推动各行业加强对云计算和大数据的投资。市场研究公司Market Research Media表示,全球云计算服务市场正在以每年约30%速度增长,预计到2020年其市场规模将达到2700亿美元。同时,也有相关机构预测,2014年中国会有近80%的企业增加在云计算领域投资,云计算与大数据应用将以政府、电信、教育、医疗、金融、石油石化和电力等行业为重点,逐步被越来越多的企业和机构采用。
六大问题亟需解决
近日,国家信息中心公布的中国信息社会测评报告显示,2013年中国信息社会总指数(ISI)达到0.4712,我国仍处于工业社会向信息社会加速转型的历史进程中。在此阶段,加快调整与改革,逐步消除发展不利因素,加强教育培训,提高信息素质是主要任务。因此,尽管技术的革新和应用的创新是目前我国信息化建设的主色调,但在云计算及大数据作用于信息化建设的过程中,同样也还存在着一些问题亟需解决。
目前,我国云计算的发展主要面临两大问题:信息安全的问题和服性能稳定性的问题。根据《中国公共云服务发展调查报告》,云服务的稳定性、安全性是用户主要看重的因素。由于云服务的性能依赖于众多环节,包括数据中心、宽带网络、终端设备等,因此,如果没有高性能、稳定、无所不在的传输带宽,就无法保证稳定的云服务。对此,一方面要健全云计算信息安全相关的法律法规和监管体系;另一方面要加快网络宽带建设,夯实云计算发展基础。
大数据应用则主要面临四大问题:一是数据流通不畅,拥有数据的机构或企业由于法律等顾虑开放数据程度有限,使得拥有技术的企业“巧妇难为无米之炊”;二是数据安全和隐私保护的制约;三是大数据技术工具还不成熟,仍处于不断进化中,即使是较为成熟的Hadoop体系,其应用门槛仍然较高;四是,大数据应用刚刚起步,呈现阶梯状扩散(从互联网领域向其他行业领域扩散),要想全面推广还需要时间。因此,一方面,要加强数据安全和个人隐私保护,在明确数据开放标准、数据交易规则的基础上,逐步推进政府和公共数据资源的开放;另一方面,要促进大数据前沿技术创新和扩散,特别是在Hadoop开源生态体系方面,同时推动政府和交通、医疗等公共领域的大数据应用。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09