
如何衡量大数据时代真正到来_数据分析师
互联网时代,新概念层出不穷,人们刚刚接受了大数据、物联网、云计算,更新的词汇已经迫不及待地涌现,比如小数据、条数据,以及本文所述的块数据。
块数据一词出自《块数据——大数据时代真正到来的标志》一书。这本书是根据贵阳市委书记陈刚提出的块数据概念及其理论,由大数据战略重点实验室组织课题组完成。所谓“块数据”,就是一个物理空间或者行政区域内形成的涉及人、事、物的各类数据的总和。“块数据”比“条数据”的“4V”即 Volume(大量)、Variety(多样)、Value(价值)、Velocity(高速)的特征更为明显。它如同一个计算机的主板,建立起了一个开放、共享、连接的数据基地,各个行业和部门的“条数据”就如同一个个可插拔的板卡,它们只有融合并集成到主板上,才能发挥数据资产真正的功效。块数据实践应用所形成的全产业链、全服务链和全治理链,将更大程度地驱动产业升级、服务改善民生、推进城市转型和倒逼政府改革。
例如,在社区,通过智慧社区建设,建立起社区居民、家庭和居委会的数据采集和社交网络平台,它能够采集居民、家庭、楼宇的基本数据,也能够汇集物业、民政、医疗、养老、公安、文化、教育等各个领域的数据,还能够聚合社区金融、超市、农产品供应等商务数据,就会形成一个共享、开放的社区块数据。
在城市中,通过铺设高速光纤宽带网络,搭建高速移动宽带基站,建设无缝衔接的wi-fi接入节点,将使得整个城市的网络“高速公路”更加畅通,数据将被更加快捷地传输和连接。这会有力地推动各类社会企业和个人数据集聚在一起。通过建设城市基础数据库、数据交换共享平台和跨部门协同应用,能够将人口、法人、地理信息、宏观经济等数据开放、共享并连接起来;通过公共数据平台和应用系统,逐步将各个部门的数据汇集起来,进一步整合城市网络平台上采集的企业和个人的行为数据,将逐步形成城市块。
然而,当今互联网产业发展的一个重要问题,就是商业模式不清晰,尚未找到恰当的盈利模式,以致行业中真正赚钱的并不多。因此,块数据理论,也不能绕过商业模式这一关。
《块数据——大数据时代真正到来的标志》作者团队对此似乎胸有成竹,认为其商业模式看起来潜力巨大。原因是,块数据将以往那些分散化、碎片化的行业数据、领域数据连接起来,就可以分析出个人的消费喜好、生活需求、收入水平等商业要素。特别是精确找准那些高度个性化、长尾化的市场需求,孕育产生出全新的商业模式。
首先,围绕数据分析本身,就能形成新的商业模式。大数据提供者和服务提供者通过这种商业模式服务于数据的采集、存储、标准化、计算和可视化。从数据量上来看,非机构化数据占总数据的85%以上,任何一个种类的非结构化数据处理技术都可能成为重要赢利点,如网络日志数据、流数据、语音数据、图像数据、视频数据、空间数据等的分析和处理,都会产生行业新的领军企业。比如华为即是基于IT基础设施领域在存储和计算的优势,提供整体大数据解决方案。
再者,通过颠覆或注入新元素的方法,再造传统商业模式。大数据新兴服务的提供者是基于数据思维的创新公司,应该善于挖掘传统行业的数据价值。这类商业模式的服务提供者有两种,一种是应用服务提供者,另一种是咨询服务提供者。前者是基于大数据技术,直接提供数据应用服务;后者提供服务支持、技术咨询,或者为企业提供类似数据科学家的咨询服务。
当然,最直接的商业模式,无非是可以直接买卖数据。也就是数据拥有者通过对数据进行加工分析,以报告、数据包等方式销售数据。
然而,块数据更大的价值,还在于其在社会领域应用前景广泛,并且能促进政府职能发生深刻转变。大数据时代,政府的服务内容和服务方式发生了质的变化,老百姓对政府的期待越来越高,从“能办事就好”到“简单利落地把事办好”再到“办不好给差评求退货”,民众正在通过网络享受到的衣食住行的各种优质体验迁移到政府服务领域。而政府,也正在借助这股技术和民众的力量,在整个政府运转中形成倒逼机制,推动各个职能部门更好地服务社会。
对于块数据理论和这本书,作者团队的态度坚定又谦逊。一方面,他们认为,“大数据对经济发展的推动已经超出了所有最伟大的预言家的预测,而《块数据——大数据时代真正到来的标志》一书把大数据对社会发展的推动描绘为一个史诗般的剧目,这出剧的序幕正准备拉开或者说刚刚拉开,拉开序幕的推手正是块数据。”另一方面也坦陈,“大数据是新生事物,不存在真正意义的专家”。
或许马云的评价更中肯一些:这本书对于块数据、条数据的认知,对于块数据之于未来经济和社会变革的影响分析,对于云计算领域的预判和布局,是极具前瞻性的,站在了时代的最前沿。科学技术的发展和进步是日新月异的,也许过不了多久,块数据理论就会过时。但是,技术人员的辛勤探索和创新精神,是最为可贵、永不过时的。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23