
5月26日,2015贵阳国际大数据产业博览会暨全球大数据时代贵阳峰会开幕,由贵阳大数据交易所推出的《2015年中国大数据产业白皮书》和《贵阳大数据交易所702公约》在中国大数据交易高峰论坛上隆重亮相。贵阳大数据交易所的成立标志着数据已经成为重要资产,702公约对数据交易的行为秩序规范标致着中国大数据走向正统,受国家支持,与国际接轨。
白皮书总共分为九个部分:
1. 全球大数据产业发展现状及交易发展趋势
本章从全球的角度阐述了大数据的发展,欧盟大数据战略,亚洲大数据发展现状,并展望大数据发展趋势。
2. 全球大数据交易现状
本章介绍了大数据交易现状,市场规模及全球市场结构及应用领域
3. 全球主要大数据公司介绍
目前全球大数据企业分为两大阵营。一部分属于单纯以大数据为核心的创新型公司,另一部分是以数据库/数据仓储为主的知名公司。
主要列举了:
IBM(国际商业机器公司):定位于商业数据分析软件,致力于为大型企业提供数据库平台和分析服务。
HP(惠普):Vertica分析平台,Haven大数据平台。
Splunk:大数据处理领域第一家上市公司。
Dell(戴尔):数据库优化解决方案,Toad,服务器端缓存解决方案,储存虚拟化解决方案。
Opower:家庭能源数据分析公司。
Teradata(天睿公司):全球最大大数据分析、数据仓库和整合营销管理解决方案供应商。
Oracle:级Microsoft全球第二大软件公司,提供端到端的软硬件一体优化集成解决方案。
Microsoft:整合Hadoop和客户的核心数据库,可视化技术。
Amazon:智能物流系统及以云计算为依托的电商开放平台实现精准营销。
Google:大量用户搜索数据结合互联网开源大数据平台,实现了Google的闭合的大数据生态圈。
SAP:企业管理软件解决方案提供商,为ZF,医疗,市场营销,体育赛事,电子商务等行业提供了完整的大数据解决方案。
EMC(易安信):主要业务为信息储存及管理产品、服务和解决方案。
4. 全球大数据产业法律法规及监管政策
此章节参考对比了主要国家(英美法)的大数据战略和政策,为我国大数据战略政策制定引出了新思路。
5. 全球大数据交易现状
大数据交易是指数据提供方、数据购买方及数据代理人对原始或经处理后的数字化信息进行交易的活动。此章阐述了欧盟、美国、中国在大数据交易方面的现状。
6. 全球大数据交易所发展历史回顾
7. 中国贵阳大数据交易所价值及意义
8. 世界主要国家大数据产业政策及发展现状
此章从大数据产业政策、交易现状、市场规模、需求分析、主要公司核心竞争力五大方面,分别对美国、英国、日本、新加坡、法国、德国、印度做了详细的分析阐述。
9. 中国大数据交易现状
此章针对我国现状,分别从产业政策、交易现状、市场规模、需求分析、竞争格局、主要公司核心竞争力六个方面,在金融大数据、政府大数据、医疗大数据、企业大数据、电商大数据、能源大数据、交通大数据、教育大数据、物流大数据、电信大数据、农业大数据、气象大数据、地理大数据、环境大数据、保险大数据、互联网大数据16大行业进行了详细的分析和阐述。
同时,《贵阳大数据交易所702公约》由贵阳大数据交易所总裁王叁寿发布。该公约由贵阳大数据交易所聚合了相关大数据企业、行业协会、投资机构、科研院所、政府部门等共同制定,希望通过该公约推动制定与推行大数据交易标准、交易安全、监管监察等规则,从而推进大数据交易的发展,形成相关技术与产业的创新,推动培育世界领先的大数据技术、产品、产业和市场。
数据已经成为国家支持的重要资产,围绕数据产生的各类技术,包括数据采集,数据库,数据处理,数据分析,数据挖掘,大数据分析,商业智能,可视化技术等,无论是引进还是研发,已成为我国大力投资的项目。而围绕数据衍生的给类服务,企业大数据平台搭建,企业数据库解决方案,企业数据分析服务,人才培训服务,项目交易平台等,亦会成为前途无量的朝阳行业!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 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