
大数据发展要经历三个阶段:存起来 用起来 联起来_数据分析师
存起来 用起来 联起来 深耕大数据产业潜力领域
“大数据发展要经历‘存起来’‘用起来’和‘联起来’三个阶段,目前国内和国外大数据正处于‘存起来’向‘用起来’发展的阶段。”近日,在接受数据观记者采访时,无锡华云数据技术服务有限公司首席战略官郁珉说。
“贵州发展大数据产业,可立足本土扩大开放,关注还未被深耕但很有潜力的领域,通过政策扶持促进这些行业和大数据的融合发展。”郁珉建议。
开放合作 大数据是共享资源
“在我看来,大数据其实是相对于静态性、单纯的小数据而言,指比传统数据有更长的生命周期、更加活跃的应用空间,更多的维度去采集和描述的数据。”郁珉说,大数据最早叫做数据库,发展之后称之为数据仓库,后面演变成现在所说的大数据。
在郁珉看来,大数据并不是一个独立的产业,而是应用于跨行业的。从大数据的发展趋势来看,它凌驾于行业之上、超越行业本身发展,并能促成行业的业务创新。
有人说大数据好比未来的“石油”,是一种战略资源,现在发展大数据是在为5年后、甚至10年后作储备。对此,郁珉有着自己更为客观的看法。
“大数据对未来世界的影响和改变世界的力量无疑是巨大的,说它是战略资源需要储备,这种出发点是基于资源有限、只能供一部分人使用、另一部分人不享受的消耗品的角度来说的。”郁珉解释道,在互联网领域存在一种开放、共享和合作的价值观,在这种价值观的前提下,互联网资源不应该成为稀缺资源,大数据应该是共享资源。
大数据发展要经历三个阶段
郁珉说,大数据发展分为三个阶段。第一个阶段叫做“存起来”,就是把数据存放堆集起来,表现在数据的大规模、多样性,数据有可以被利用的价值。
第二阶段是“用起来”,这个阶段有三方面特点,第一是采集,采集的角度和范围是尽可能扩张的,有一种主动性;第二是容易访问,可以灵活查询和调用;第三是分析,这种分析是基于大数据的内部关联,比如建立数据模型,进行模型推理等。目前国内和国外的大数据基本处于第一阶段向第二阶段发展的过程。
“大数据第三个阶段叫‘联起来’,目前国内外大数据都还没有发展到这个阶段。”郁珉介绍,“联起来”的表现在于无论是行业、企业或者个人的大数据都是自我组织和自我成长的,积累经验并不断完善自己的数据结构。大数据会自我表达给予和需要,表达自己可提供的数据和经验,同时表达自身需要别人提供的数据和经验。与此同时,基于大数据的自我表达和自我成长,大数据将会有社区化的方式来联合,联合起来将会产生更深远的智慧。“这就不仅是数据,而是技术了。在云的世界里,每个大数据都会互相握手,互相表达,互相获取大数据的经验,从而再获得自己的成长。”郁珉说。
贵州可立足本土深耕潜力领域
“虽然国内外大数据发展总体处于早期阶段,但不同行业间发展也参差不齐,目前国内的电商和互联网产业处于‘用起来’比较发达的阶段,但在传统制造业、政府部门等还处于‘存起来’的第一阶段,同时国外的医药产业、大型制造业及金融业相对国内都更加成熟和领先。”郁珉分析道。
贵州、贵阳正在将大数据产业作为战略性新兴产业进行发展,成立了国内首个大数据交易所。对此郁珉表示非常赞赏:“成立大数据交易所,这是非常勇敢、非常积极的创举,大数据未来的发展是互相交易和分享的,这将给大数据本身的发展带来积极正面的作用。”
“贵州大数据产业发展劲头很足,在发挥大数据中心自身优势之外,可以关注国内还未发力但很有潜力的领域,比如水利、生物工程、医药健康及城镇化发展等方面,通过政策扶持将资源吸引到贵州,促进贵州这些行业和大数据的融合发展。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03