
为什么说发展大数据是有道理的_数据分析师
从历史的角度来看,人类文明的每一次进步都与大发现有关。每一次大发现之后它产生的文明进步都是全球合作的结果,它的背后是各方面不断的发展并奠定了标准和规则。人类的文明,政治、军事、文化都在被每次大发现所塑造。
正如历史上航海地理的大发现时代,大航海拓展了人类对于时空的认识,时空观念的改变促进了人类科学对于未来的探索,促进了工业革命的发展。今天看来,工业革命许多的原材料都跟南美的地理大发现有关,如橡胶解决了蒸汽机革命的一个非常重要的密封问题。如果没有航海大发现,工业革命可能延后很多年。而辣椒、番薯、玉米等的发现对全球人口的数量的增长起到明显的作用。我们看人类的曲线,无论寿命的曲线还是其他,在18、19世纪都是呈几何数的增长,人类寿命得以延长。
工业革命时代从另一个角度来看,可以归纳为一个物理学与化学的大发现时代,也就是科学大发现时代。在物理学上发现了今天所有科技革命的技术,如电学、量子力学;化学方面发现了元素的周期表,发现了跟个人、国家政治经济息息相关的各种元素。科学大发现对人类的价值体系产生了非常重要的作用,石油、橡胶等的发现让原来没有价值的东西变得非常有价值;抗菌素、基因规律等的出现,使人类可以战胜更多的疾病。从历史上来,工业的变革实际都跟价值有关系,都是科学大发现的结果。
正如亚信集团执行董事长田溯宁所说:每次大发现时代的资产都不一样,而大数据就是这个时代最主要的资产。计算机从60年代进入企业,70年代进入个人,到互联网时代,再到社会计算,如今计算机一个最主要的成果,最辉煌的时候已经到来,就是云计算、大数据、物联网的碰撞,就是数据大发现的时代。它将在各个方面改变人类自工业革命两三百年来固定的价值观、生活方式、业务模式。
国外怎么做?
一个新资产的出现,必然会引起各方对于针对资产标准、规则、使用等方面的争夺权。对于新资产的开发利用能力已经成为国际竞争以及国家整体实力的重要方面,一些国家已经在政策与市场方面跨出了实际性的步伐。
作为大数据的策源地和创新引领者,美国的大数据发展一直走在全球最前面。政策方面,奥巴马政府在2009年推出了Data.gov数据开放平台,2012年5月发布美国数字政府战略,提出要通过协调化的方式,以信息和客户为中心,改变联邦政府工作方式,为美国民众提供优质公关服务。其中关键,就是政府必须保证美国民众可以随时随地通过任何平台或设备获取政府信息和公共服务。2013年5月,奥巴马政府更是宣布了“大数据的研究和发展计划”。提出“通过提供我们从大兴负责的数字数据集中提取知识和观点的能力,承诺帮助加快在科学与工程中的步伐,加强国家安全,并改变教学研究”。2014年5月,美国总统办公室提交《大数据:把握机遇,维护价值》政策报告,强调政府部门和私人部门紧密合作,利用大数据最大限度地促进增长和利益,减少风险。
英国在2011年11月发布了对公开数据进行研究的战略政策。2013年1月,英国商业、创新和技能部宣布,将注资六亿英镑发展8类高新技术,其中1.89亿英镑用来发展大数据技术。在2013年8月发布的《英国农业技术战略》上,英国政府表示今后对农业技术的投资将集中在大数据上。同时,英国政府专门建立了一个“data.gov.uk”的网站,将政府开支、此财务报告等数据整理到互联网上。
法国提出了《数字化路线图》,列出5项将会大力支持的战略性高新技术,大数据就是其中一项。日本提出“电子政务开放数据战略草案”、并在2013年宣布了新IT战略《穿件最尖端IT国家宣言》,阐述了在2013-2020年以发展开放公共数据和大数据为核心的日本新IT国家战略。印度、韩国、G8集团等国家、组织也都在大数据方面推出了相关的政策。
中国怎么做?
航海地理大发现跟中国的关系不大,科学大发现对中国的贡献不多,这次的数据大发现是中国最好的机会。虽然一些国家在大数据的政策及市场方面已经跨出了几步,但是从整体而言,目前大数据整体处于一个初级的阶段,政策、产业商业模式、法律等方面都处于初始阶段。也就是说,中国与其他国家处于一个几乎相同的位置。怎么让中国在数据大发现时代取得优势,这需要政府与产业界的共同发展。
政策方面,中国政府在十八大明确提出“科技创新是提高社会生产力和综合国力的战略支持,必须摆在国家发展全局的核心位置”。《十二五国家战略性新兴产业发展规划》提出支持数据存储、处理技术的研发与产业化;《物联网“十二五”发展规划》中,也将新兴处理技术列为四项关键技术创新工程之一。2014年《政府工作报告》明确提出,设立新兴产业创业创新平台,在大数据等方面赶超先进,引领未来产业发展。在北京、天津、贵州等地,一些政府已经启动大数据产业发展,并取得初步成效。此外,2013年9月30日,中国中央政治局集团走进中关村,听取李彦宏为代表的创新企业介绍大数据的发展情况。同时,在前两届的人大代表大会上,也有多个代表提出要将大数据列为国家战略。在前不久的贵阳数博会上,贵州省委副书记、省政府省长陈敏尔透露,目前,国家正在制定大数据国家战略及行动计划。
产业界方面,中国部分科技公司在大数据应用方面处于比较领先的水平。阿里、百度、腾讯以及亚信等都建立有大数据平台,在一些关键平台、技术上有所突破。尤其是在数据交易方面,由亚信、富士康等企业发起的贵阳大数据交易市场已经成立,并且发生了上千笔数据交易。
但是,大数据的发展依然有不少障碍,需要政府与产业界一起,从政策、法律、产业商业模式等方面支持大数据的发展。
政策方面,需要政府从国家战略层次解决数据标准与数据交易的问题。中国要占领国际数据资产制高点,发挥自主优势,率先发起并领导国际数据标准的制定。同时,政府部门应该成为大数据的实践者,鼓励大数据在政府部门和公关事务等率先使用,推动数据的流动性与可获取性。
法律方面,需要通过数据立法,对数据的“隐私权”、“所有权”等敏感问题通过法律形式加以保护。目前,中国法律并没有对数据使用进行相关约束,也没用信用评估机构进行监督,许多数据的使用还游走在法律的边缘。对于新生事物来说,法律有一定的滞后性。
安全方面,在大数据时代确保信息安全,必须做好顶层设计,把建设信息安全体系真正作为国家的战略。在开发利用过程中,要审慎研究数据开放的领域、类别和数量,采取多种措施加强开放后共享数据的管理。
对此,田溯宁建议:“不如像当年搞特区一样,建一些‘数据特区’。在一些地方先行先试,发现问题,解决问题,做好了再大范围推开”。
亚信怎么做?
在国家战略方面,亚信用实际践行国家战略。亚信已经一路一带战略的线路上与马来西亚、泰国、越南、尼泊尔、印度、巴基斯坦、匈牙利、英国、丹麦等国家拥有多个合作项目;国内,所有的一路一带的省份都有亚信的合作项目。在习主席所提及的“贵州发展大数据确实有道理”的背后,亚信数据是贵阳大数据交易所和贵阳大数据交易联盟的发起人和股东之一,与其他企业一起探索中国大数据的产业发展道路。
田溯宁发起“国际大数据联盟”倡议书
产业方面,亚信集团执行董事长田溯宁在大数据产业开始之际,就将《大数据时代》这本书介绍到国内,将大数据概念带人中国,同时在不同的场合宣扬大数据理念并探讨大数据的产业商业模式等。在贵阳数博会上,田溯宁发起“国际大数据联盟”倡议书,期待各国商界、学界和政界具有未来视野和社会影响力的领导者们一起加盟,共同推进大数据国际协调平台的建立。
技术产品方面,亚信数据在数据的产生、聚合、挖掘、分析和展示等方面拥有极强的能力和优势,具有包括九大系列的40多个产品,并依托在电信行业多年打拼积累的优势,如今已将业务从电信行业扩展到金融、安全、政府等多个行业。所以,亚信数据大数据成功案例很多,在移动,电信,联通,保险,银行,电信,联通,安全等多个领域都有成功应用。
结语
数据不仅是一种工具,也是一种战略、世界观和文化,它将带来一场社会变革。大数据正在开启一个新的未知空间,养成大数据意识,激发大数据智慧,率先走出一条中国特色的信息化道路,我们将会发现更精彩的未来。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
MySQL 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 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16