京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据助力京津冀协同发展_数据分析师考试
2015年6月24日下午,大数据助力京津冀协同发展高峰论坛在北京文津国际酒店五层阳光厅举行。本次论坛由京津·高村科技创新园、清华大学数据科学研究院主办,清华大数据产业联合会承办,北京诺亚星云科技有限责任公司协办。天津市武清开发区总公司副总经理李富国、京津高村科技创新园副总经理杜瀛涛、副总经理孙浩、中国科学院科技政策与管理科学研究所研究员王铮、清华大学数据科学研究院执行副院长韩亦舜和大数据产业界相关代表等出席本次活动。本次高峰论坛由壳牌中国零售CIO徐斌主持。
“今天我们谈论的京津冀协同发展是一个大话题,我们的目标,不是完成疏散人口、挪出产业等单一任务,而是真正把京津冀这三地打造成适合人居的地方。这个目标只有用大数据的思想方法进行全面思考,才能够真正实现。比较北京和天津,武清算小的,但是已经可以明显感觉到这里具备了培养创新创业的土壤。世界这么大,创业可以到武清去看看;大城市发展的机会这么少,不妨到武清去找找。”清华大学数据科学研究院执行副院长韩亦舜精彩的致辞拉开了大数据助力京津冀协同发展高峰论坛的序幕。紧接着,武清区开发公司副总经理李富国在致辞中强调:“武清过去一直是一个农业县。配合着京津冀协同发展,武清渐渐形成电商、生物医药、高端制造、大数据等几大产业。京津冀协同发展,非首都功能开始向武清疏解。我们致力于打造一个良好的工作环境、生活环境给创业者们。希望年轻人、创业者到武清落地。”
壳牌中国零售CIO徐斌首先在演讲中表示,“互联网+”意味着更多的人利用移动互联网作为生活的组成部分。这对于传统企业发出了挑战:如何利用互联网技术重构核心竞争力。大数据就是所有技术中间最为核心的竞争力。互联网技术可以帮助传统企业更好地转型,但是技术只是工具,重要的是传统企业可以拥抱互联网思维:平等、开放、协作、共享。今天我们讨论的京津冀三地协同发展,也需要这样的思维。随后,银联智策副总经理呼延如生介绍了银联智策和清华大学数据科学研究院经济金融数据研究中心共同研发的“京津冀经济发展系列指数”,并解释道:“这些指数是基于银联卡交易数据计算出来的,最真实的反映了市场上的交易情况,从衣、食、住、行、用的百姓生活以及地产、金融、物流等十多个产业发展多维度全面分析,以支撑京津冀地区产业战略发展决策”。清华大数据产业联合会副秘书长邱冬晓通过演讲《大数据@京津冀》表达了他对于如何在京津冀和武清区落实大数据战略的看法,他说:“首先,要以大数据产业为核心。第二,要以生态链为抓手,从服务业入手,实现生态的双赢。第三,大力发展创新创业为引擎”。
中国科学院科技政策与管理科学研究所研究院王铮在谈到京津冀协同发展中的机遇与挑战时表示:“京津冀地区总面积21.6万平方公里,差不多等于英国的面积。英国有那么多产业、那么多发展,我们中国京津冀也足以放下这么多产业。协调京津翼发展需要金融业、研发业这两个枢纽。大数据挖掘、大数据分析就是研发产业。大数据是靠数据挖掘来支持的,所以我们武清要发展,不能只依靠大数据企业,还要把相应的数据挖掘、产业分支发展起来,而数据发展依赖于人才。”
随后,清华大学数据科学研究院执行副院长韩亦舜、天津觉明科技有限公司副总经理孟庆凯、京津高村科技创新园副总经理杜瀛涛、太平洋电信客服部产品经理范利军、百融金服市场总监张毅、创业魔法学院CEO陆伟,就“大数据助力京津冀协同发展”问题进行了圆桌讨论,进一步探讨了武清高村科技创新园在京津冀协同发展和产业转型升级中的优劣势和发展方向。
在最后的大数据企业SHOW环节中,山东蚁巡网络科技有限公司、数聚变、京东智能云、北京爱康泰科技有限责任公司、屏芯科技、海思力科技有限公司、找地儿、北京华康联创医疗有限公司、小象在线教育、易宝天创数据服务有限公司等10家大数据创新创业企业代表分别上台介绍了各自公司的大数据应用场景,活动圆满结束。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-07-09【核心关键词】采购、周期、原材料、企业、产品、成本、要素、库存、供应商、数据分析、生产计划、生产制造、加工制造、技术工 ...
2026-07-08在数据分析、特征工程、机器学习建模的工作流程中,原始数据往往包含多个不同维度的数值指标,例如客户交易数据中的消费金额、交 ...
2026-07-08 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-07-08商业谈判是企业采购合作、渠道签约、价格议价、项目合作、客户签约的核心关键环节,直接决定企业的合作成本、利润空间与经营风险 ...
2026-07-07在数据分析、业务效果验证、AB 测试、学术研究等场景中,T 检验是假设检验体系里最基础、应用最广泛的统计方法,也是均值差异分 ...
2026-07-07 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-07-07【核心关键词】转化率、企业、策略、岗位、互联网、拆分、产品、运营、分析师、指标体系、数据分析、用户画像、数据诊断、产品 ...
2026-07-06在数据分析工作中,文本数据处理是高频刚需场景,用户评论、客服工单、日志信息、调研问卷、商品文案等数据都包含大量文本内容。 ...
2026-07-06 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-07-06在 CDA 数据分析师能力体系中,透视分析是数据探索、多维度汇总、业务复盘的核心基础技能。无论是 Excel 数据透视表,还是 Power ...
2026-07-03在市场竞争日趋激烈、获客成本持续攀升的当下,企业粗放式的“广撒网”获客模式早已无法适配经营需求。企业经营的核心逻辑,已经 ...
2026-07-03 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-07-03【核心关键词】运营、企业、核心、客户、新技术、数字化运营、数据分析、传统企业、人工录入、生产系统、技术人员、数据安全、 ...
2026-07-02在产品开发、项目立项、业务拓展、运营优化的工作中,市场调查、竞品分析、需求调研是三大核心基础工作。很多从业者容易将三者混 ...
2026-07-02