京公网安备 11010802034615号
经营许可证编号:京B2-20210330
2017年,大数据迅速发展,开始深入到各行各业,电商、商业BI、人工智能、大数据金融等行业均开始与大数据并肩发展。数据量的爆炸式增长,直接引发了大数据产业的兴盛,同时给各行各业带来了发展机遇,但也提出了诸多挑战。
7月29日,CDAS 2017中国数据分析师行业峰会「跨界互联·数聚未来」在北京中国大饭店圆满落幕。CDAS 2017以「跨界互联·数聚未来」为主题,携手永洪BI,IBM,DataHunter, 数字冰雹,诸葛io、润乾科技、德拓科技、热璞科技、信励科技等在生物医疗、人工智能、商业智能、交通旅游、智慧城市、数据可视化、人才培养和深度学习等领域处于行业前沿的企业,为此次峰会带来了更多的前瞻性热点话题与技术,助推了大数据应用方案的落地。
CDA从社区和认证推动数据分析发展
紧接着CDA数据分析师联合创始人曹鑫发表精彩演讲,首先提到标志性的CDA 持证人活动聚集了各行各业的数据分析精英,形成了一个强烈归属的学习型社区。
谈到学习型社区,拉勾商业化负责人张华武用实际的就业率和平均薪酬充分说明了当今数据分析师已经成为当前最热门的职业,而CDA的就业班无疑是培养数据分析人才的不二之选。
高潮过后,工信部旗下的赛迪网总裁刘兴波先生提出:“工信部将与CDA共同推动数据分析师人才教育认证工作,我们一起把数据分析师认证往前再推一步。”
吴海山博士在演讲中介绍了新型数据的概念,并运用新数据的概念指导我们如何做好股票、债券的投资,透过这些新型数据来分析市场的趋势,指导我们在金融市场做决策。除此以外,吴海山博士还在会中解答了新型数据包括那些,如何运用卫星图像来做金融市场分局分析等问题。
IBM中国开发中心技术总监&首席架构师Alex Yang在演讲中提到IBM和美国的空军AI实验室准备联合起来做一款新的类脑芯片,并介绍了大量关于芯片的运作原理和目的。他提出类脑芯片是目前的发展趋势,而这个AI平台是实现支撑认知计算的一个最根本的、最基础的一个要求,如果没有这样一个平台,这个项目将很难往下推进。
永洪科技高级副总裁王桐提出为什么大数据驱动业务增长很难,除了场景的深度和宽度,缺乏数据化运营最佳实践是大数据业务增长缓慢最主要的原因。针对这些问题,他提出了几点切实可行的用数据为业务创造价值的建议。
大数据时代的行业变革
华矩科技CEO谭海华在演讲中提出互联网巨头通过数据扩张他们在数据范围发展中所涉及的几个方面:流量为王、精准营销1.0、信用及风控、精准营销2.0,3.0。他指出数据分析师未来可能是一种艺术类职业,他们用实时的手段来获取数据,而不是仅仅依靠数据库的数据来进行数据分析。毫无疑问,未来的数据分析师将在整个数据应用里扮演一个主导的角色。
数享汇,数据共享
最后,经管之家、惠享数据等8家企业共同成立了数享汇。数享汇的运作机制有别于其他大数据联盟,其独特性与重要性将使该联盟成为大数据产业中极具竞争力的重要原因。

1+11,数据人的盛筵
感谢各位对本次峰会的大力支持,CDAS 2017中国数据分析师行业峰会1+11主论坛与分论坛同步进行,本届峰会圆满落幕!
更多精彩内容,请关注CDA数据分析师官方微信号(ID:cdacdacda),回复“峰会资料”领取嘉宾演讲PPT。点击原文链接,直击峰会现场。
更多考试介绍及备考福利请点击:CDA 认证考试中心官网

数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14