汇集万众智慧 挖掘大数据价值
据介绍，举行2014中国“云上贵州”大数据商业模式大赛，旨在通过开放政府数据资源、提供云计算资源、开放区域市场、注入商业资本、设置专项奖金等多种方式，激发大数据产业优秀创意和成果，募集一批大数据产业先进商业模式，吸引更多大数据项目落户贵州。大赛自2014年9月14日启动以来，吸引了4872支参赛团队，其中60%来自美国、加拿大、澳大利亚等国家和地区。
清华大学数据科学研究院是大赛主办方之一，该院执行副院长韩亦舜从一开始就参与了大赛的方案设计。“用竞赛的方式吸引要素聚集，并引发全国甚至全世界的关注，这个形式很好。”韩亦舜说，贵州在数据中心等基础建设纷纷落地的时候，下一步要着力引进的是智力、是应用，所以在设计方案时，他力主降低门槛，“哪怕有一个数据应用的草创想法，都可以来参加大赛。”
“会产生什么好的作品，我现在不敢妄加预测，但是我觉得现在全国都知道贵州把大数据作为支柱产业来发展，起到了宣传效果。”韩亦舜表示，大赛让更多的人关注贵州的大数据发展，清华大学就有不少作品进入了复赛。
决定2000万元大奖归属的总决赛即将举行。而5月26日至29日，另一场重头戏——2015贵阳国际大数据产业博览会暨全球大数据时代贵阳峰会同样将在贵阳上演。此次盛会将吸引全球大数据领先企业和领军人物参与，展示国际大数据发展最新成果、最新技术，探讨大数据未来发展趋势，聚焦大数据发展过程中的关键和共性问题，挖掘全球大数据产业商机，推动国际性资源和要素向贵州聚集。
针对社会参与和创新，韩亦舜把数据开放放在了至关重要的位置上。在他看来，大数据产业链主要有三个板块——数据的采集、数据的存储传输和数据的分析应用。“贵州准备开放政府的数据，这是个非常非常伟大的想法，我特别赞成。”韩亦舜表示，虽说贵州长期落后，但只要将政府数据开放这件事坚持下去，一定能引来众多的人才、资金和项目，而且用贵州的数据，产生的成果一定会服务于贵州的发展。
同时，韩亦舜还建议，政府和媒体要持续向公众介绍大数据，这样社会各界才会关注数据怎么用起来，关注怎么通过挖掘整理数据给社会带来新的价值。“认准一个目标扎扎实实走下去，贵州一定能干好的。”他最后强调。
数据分析咨询请扫描二维码
若不方便扫码，搜微信号：CDAshujufenxi
Excel 数据聚类分析：从操作实践到业务价值挖掘 在数据分析场景中，聚类分析作为 “无监督分组” 的核心工具，能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的：从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具，并非简单的 “公式堆砌”，而是围绕特定 ...
2025-09-10CDA 数据分析师：商业数据分析实践的落地者与价值创造者 商业数据分析的价值，最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键：从业务到落地的全流程解析 在人工智能技术落地的浪潮中，机器学习作为核心工具，已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS（Statistical Product and Service Solutions，统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师：驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中，商业数据分析总体 ...
2025-09-09R 语言：数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代，无论是科研人员验证实验假设（如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域，常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下，“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而，零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点：原理、优势与应用解析 在机器学习领域，随机森林（Random Forest）作为集成学习（Ensemble Learning） ...
2025-09-05Excel 区域名定义：从基础到进阶的高效应用指南 在 Excel 数据处理中，频繁引用单元格区域（如A2:A100、B3:D20）不仅容易出错， ...
2025-09-05CDA 数据分析师：以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下，CDA（Certified Data Analyst） ...
2025-09-05SQL 日期截取：从基础方法到业务实战的全维度解析 在数据处理与业务分析中，日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络（CNN）的发展历程中，解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师：驾驭数据范式，释放数据价值 在数字化转型浪潮席卷全球的当下，数据已成为企业核心生产要素。而 CDA（Certified ...
2025-09-04K-Means 聚类：无监督学习中数据分群的核心算法 在数据分析领域，当我们面对海量无标签数据（如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分：数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域，“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析：解锁数据价值的关键 在数字经济高速发展的今天，数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ()：深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中，loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题，需先明确 K-S 图的核心用途（检验样本分布与理论分布的一致性），再结合横轴 ...
2025-09-02
京公网安备 11010802034615号
经营许可证编号：京B2-20210330
