京公网安备 11010802034615号
经营许可证编号:京B2-20210330
当前,随着移动互联网的普及和“可佩带计算”等智能设备的出现,人类的行为、位置,甚至身体生理每一点变化都成为了可被记录和分析的数据。以此为基础,“反馈经济”(feedbackeconomy)等新经济、新商业模式也开始形成。可以说,一场全新的、以大规模数据生产、分享、使用为代表的技术革命正在发生。
大数据让人类对自己,也让人类对外部世界的认识更加全面,决策上更加科学。大数据不但可以更好地了解到每个人的爱好、特长、信用等情况,还可以获知社会整体的供给、需求、情绪等信息,帮助我们实现更好的计划和管理,创造出更加符合需求的、定制化的产品,为众多的传统行业和部门带来颠覆性创新的机会。
正如工业革命的开始,是以蒸汽机、运输系统和大规模制造为代表,新经济、商业模式都是几种技术相互影响和推动的结果。今天,移动互联网、“可佩 带计算”和云计算、大数据一道,共同开启一个新时代的到来。数据挖掘不仅会成为公司竞争力的来源,也将成为国家竞争力的一部分。
大数据中国战略机遇与路径
三大关键技术力量出现
今天,人类已经拥有三种信息技术力量:无所不在的数据和计算,无处不在的网络和大规模分布式的存储和运算能力(云计算)。比如,“可佩带计算” 设备的广泛运用,忠实地记录了我们的衣、食、住、行及状态,并通过无处不在的移动网络,将大量的数据传输到“云中”去,进行分析和处理。
云计算、移动互联网、“可佩带计算”几种力量一道,为我们打开了新一轮技术革命的大门。现在,人类一天创造的数据相当于2000年一年的数据 量。把一个人一生的生理、心理数据等全部记录下来,大约需要1000T的数据量(1024G等于一个T)。如此量大并且不规则的“非结构数据”,只有云计 算才能进行有效、快速的处理。
作为IT新一轮浪潮的代表,云计算使得计算资源像水、电一样便宜、唾手可得。云计算强大的存储、计算平台,推动了终端的智能和简单化,并带动软,硬件设计的革命。如以苹果、谷歌为代表的智能手机、可穿戴设备,3D打印以及开源软硬件的发展。
云计算、移动互联网和“可佩带计算”的结合,让每个人、每辆车甚至每个建筑都成为信息感知和接收的终端,带动了一个可感知、反馈、分析和预判的 “大数据时代”的到来。在这个以PB(1PB=1024TB)为单位的非结构化数据为主的大数据时代,使用云计算对这种非结构化数据进行适时分析、挖掘, 可以让我们的决策更加精准,释放出数据的隐藏价值。
“反馈经济”革命性兴起
2012年初,斯坦福(Stanford)大学的三个学生针对脊椎病的防治创立一个公司。一般来说,脊椎病的形成与人们的坐姿有关。问题是经常 意识不到坐姿有问题。他们的解决方案是:将一个传感器放在皮带上,此传感器可适时监测患者的坐姿,并通过移动网络,传输到“云中心”去。
“云中心”的服务器不断积累数据,通过经验数据的比较分析,评估你的坐姿并计算出多长时间需要调整,然后将调整的信号发到你的手机上。不仅如此,它还可以将你坐姿状态数据直接发给好友。佩带同样设备的朋友在社交网络上,可以知道彼此的状态,进行分享、反馈和纠正。
这个小例子说明,利用移动互联网、云计算及大数据,可以帮助你完成一个行为的纠正或调整。这几种看似分离的要素合到一起之后,一种新的经济形态——“反馈经济”出现了。
在硅谷,创业者们把利用这种技术建立创业公司,称之为有“反馈经济”的企业。通过把云计算、大数据、“可佩带计算”和移动网络,这几种技术及技术提供的可能性放在一起,一种新的闭环形成。这个闭环的形成,其代表的经济意义及商业模式的创新意义巨大。
首先,人类的行为,无论个体行为、群体行为,还是社会行为的调整与改变,都是非常难的一件事情。一个有效的方式就是反馈机制,比如效果、情绪、行为的反馈,越有时效性的反馈就越富有意义。同时,我们还可以通过社交网络实现过程的分享和监督。
其次,云计算将大规模数据不断收集、积累、计算,将使计算模型具备学习能力,因而会越来越精确。上例中购买脊椎病纠正仪的患者越多,收集的数据也越多,对患者预警模型也就越精确,越有指导意义。
如果把这类技术应用推广到多种设备、多个行业来看,人类对自己、对商业、对社会的认识、理解、反馈就会更有效,预测性更强,供给与需求的矛盾便 更容易解决。如果每个人的心跳都能被记录下来,各种各样的生命指标能记录下来,很多的疾病就可以预防;如果每个人学习的擅长能够被记录下来,每个人的课本应该是不一样的,每个人的考试也应该是不一样的,也可以让天才在更早期就被发现出来。
大数据另一个非常重要的应用叫做QS(QuantifiedSelf)——量化自我。“量化自我”运动最早出现在硅谷,由《失控》的作者凯文· 凯利等人发起。他们通过找到一群自愿者,带上传感器及手持移动设备,尽量把每天生活的轨迹(衣食住行)以至脉搏、情绪都记录下来,然后将数据贡献出来,进 行分析。借助着越来越多的“可佩带设备”,像手表、手环以及服装、腰带上的传感器,可以更好帮助我们了解和改善自己的身体、情绪状况和周边环境。
中国四大优势
今天,传统工业经济增长模式已经达到极限,它面临日异严峻的能源、原材料消耗,以及环境等诸多问题。历次技术革命中国均是学习者,这一轮信息技术和大数据革命,由于技术的全球化和开放性,以及中国改革开放以来,尤其是在互联网时代的积累,让我们不但第一次和西方站在同一起跑线上,还拥有一些独特的优势,在很多方面甚至具备了创新和超越的可能:
其一,“可持续发展战略和转变增长方式”战略提出,政府已经意识到传统工业带来的问题。中国的举国体制,可以“集中力量办大事”。当然,这需要决策者在思想认识统一,决定和行动上一致。
其二,大数据时代每个人都是“Prosumer,即生产-消费者”,消费者的参与变得更加重要。中国庞大的人口,复杂的市场也创造出世界最大、最复杂“大数据”,可以催生新的大数据产业群并诞生出独特的技术和商业模式。
其三,中国拥有世界上最大的大学生群体。2013年中国大学毕业生人数近700万。驾驭大数据时代,挖掘“数据金矿”,最需要的就是数学、统计人才。中国高校数理学科基础强大,大数据时代“数据矿”的挖掘需要数理功力。应该说,中国拥有全世界无可比拟的数据人才优势。
其四,中国有足够大的市场。未来5~10年,中国可能成为世界上最大的信息技术市场,在服务器、数据中心,智能终端、应用软件等各方面也都可能给中国创新企业带来前所未有的机会。
大数据中国战略路径
工业经济的基础设施是铁路、公路、航空,以及水、电等,信息时代云计算和网络、大数据结合成为新经济的基础设施。现实需求和技术的双重推动,会 让越来越多的政府机构、企业和个人意识到数据是巨大的经济资产,像货币或黄金一样,它将带来全新的创业方向、商业模式和投资机会。
今天,中国要解决由大规模数据引起的问题,探索以大数据为基础的解决方案,实现产业升级,同时完成工业化、信息化和城镇化三大任务,我们面对的最大的挑战:一是企业和创业者们有没有足够的勇气和想象力,去开创这样一个时代的到来,创造出新的商业模式;二是在此过程中,也需要政府出面,从政策,产 业支持和法律方面,扫清“大数据”发展的障碍:
首先,要解决数据的“流动性”和“可获取性”问题。美国政府创建了Data.gov网站公开数据,英国、印度也有“数据公开”运动。如同工业革 命要开放物质的交易、流通一样。开放的、流通的数据是时代的要求。中国要赶上这样一场大数据变革,首先要从政府开始公开数据,让社会享受公开数据的好处, 同时也可以提升政府的办公效率。
其次,通过数据立法,对“隐私权”、“所有权”等敏感问题通过法律形式加以保护。如何将数据更好地分类、分享和使用,需要政府、企业、社会共同努力。大数据带来的好处远远大于问题,隐私问题不会成为大数据发展的障碍,但大数据“隐私权”、“所有权”需要国家立法来规范。
其三,从国家战略层次,解决数据标准和数据交易的问题。鉴于国际上对于未来数据的所有权已经成为重大的国际战略问题,国际数据资产不仅仅关系到未来的国家经济,还关系到国际政治和战略。中国要占领国际数据资产制高点,应该发挥优势,率先发起并领导国际数据标准的制订。
比如,提出并倡导“数据主权”、《国际数据公约》,来规范世界各国数据获取、使用和所有权这些重大问题;政府启动,设立国家级“数据银行”,对数据资产的交易和流通进行保护。
其四,政府部门成为大数据的实践者。为更好提升服务能力,树立更加开放、透明,负责、高效的政府形象,应创造条件,鼓励大数据在政府部门和公共事务,尤其是关系国计民生的关键行业率先使用。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12