
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
Pandas 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在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 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 ...
2025-09-23