京公网安备 11010802034615号
经营许可证编号:京B2-20210330
抓好三类大数据应用_数据分析师考试
“大数据是中国发展的一大机遇。”6月17日,中国工程院院士潘云鹤做客中央党校中央国家机关分校大讲堂时说。
人类正进入大数据时代,各国都在关注这一变化。中国也不例外。对此,潘云鹤指出,中国政府要抓好城市大数据、行业和企业大数据、科技大数据这三类重要大数据的应用,为民众、企业、政府做好服务。
与网上呈现的大数据信息相比,城市大数据则更重要、更富有应用价值,它涵盖了城市建设、环境、企业产业、教育、医疗卫生、食品、文化等多方面。
那么,谁有能力聚集和连接这些数据呢?是公司、公共机构,还是政府?潘云鹤认为,这要依靠权威机构、技术和市场的合作。
其中,政府应在城市大数据的管理与开放中起主导作用。这主要表现在:促进知识服务业发展,创造新的市场与技术;确保个人信息不受侵犯、公共信息安全与共享;提高城市管理能力与决策水平,更好为市民提供服务。
“中国工业化与城市化的环境和政府结构有利于发展城市大数据。如果做得好,中国可以用城市大数据来深化智能城市的发展。”潘云鹤说。
在潘云鹤看来,把行业和企业大数据应用好,对我国经济结构调整和经济转型升级极为有利。他举例说,我国物流业整体能力不强,尤其是占国内运输75%以上运量的公路物流,相比发达国家落后近20年。在欧美,物流成本占物价的10%~15%,中国为20%~40%;欧美的物流费用占GDP的10%,中国为18%。
“有货的找不到合适的司机,有车的找不到合适的货源。这就是大数据能够发挥作用的地方。”潘云鹤说。
传化公路港平台在这方面进行了有益的尝试:线上线下联动,以卡车司机为主要服务群体,以全网运力交易市场为核心模式,全力打造了全网络化服务产品,组成一个公路物流的信息化智能指挥体系,实现全网范围内的运力调度采购、实时监控。
潘云鹤介绍说,该平台利用大数据提升了物流效率,降低了物流成本,使配货时间从72小时降低到6~9小时,平均降低工业企业运输成本40%。同时,通过集约化管理,有效改善了公路物流“小、散、乱、差”的面貌。
“工业结构调整、产业升级,不是空喊口号。中国的经济管理部门应该去研究行业生态环境、城市生产生态环境,运用大数据具体分析什么是薄弱环节,进而将新型城镇化、深度信息化和工业化升级版深度融合。”潘云鹤强调。
关于科技大数据的应用,潘云鹤谈到,中国工程院从2012年开始建设中国工程科技知识中心,以连接多个数字图书馆、专业数据库和相关网站,使数据能够从不同的角度重新组织并获得新的认识。
“大数据在研究宏观、中观、微观经济和社会问题上都很重要。”潘云鹤说,“我国可以利用体制的优越性,政、产、学结合,果断地占领大数据战略的制高点,使其运行迅速智能化。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06