京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据行业2016的变与不变
据《中国科学报》报道,“这两年大数据的风头明显盖过了云计算,这不是好事。”近日,华为IT产品线大数据解决方案规划总监徐兴海在2015中国大数据技术大会上如是说。他认为,云计算已过了炒作期,在公有云的带动下实现了规模化落地,“已经开始赚钱了”;而在去年,大数据的发展还在泡沫的破灭中,今年大数据已开始有走入应用的“苗头”,“而不仅仅是炒作”。
除了从“炒作”到走向“泡沫的幻灭”,备受瞩目的大数据在2015年还经历了哪些变化?又将如何迈入2016年?几个月后,由中国计算机协会(CCF)大数据专家委员会编撰的第三版关于大数据的白皮书将发布,CCF大数据专家委员会副秘书长潘柱延却“提前泄密”,他分析了大数据行业的几个关键词:民生、多样性和融合性、政策拉动、大数据生态。
十大趋势不容忽视
据潘柱延介绍,去年的中国计算机学会(CCF)大数据专家委列出了2016年大数据产业技术发展的十大趋势,而这些趋势可以解释上面提到的关键词。
“可视化技术推动大数据平民化被专家选为了第一大趋势,这是非常有意思的结论,工作组也感到很意外。”潘柱延解释,可视化作为技术形态能排到第一,其实背后隐藏着大数据的平民化,普通老百姓和常规的决策者能够更好地理解大数据的效果和价值。
大数据将引导多学科融合。不仅是计算机领域的科学家,数学等其他领域的科学家也将参与到大数据的前沿研究中。
大数据的安全和隐私也受到了持续关注。对大数据的威胁和对大数据所产生的副作用,以及大数据发展中的障碍会逐渐成为大数据领域的关注点。潘柱延指出,虽然现在并没有针对大数据攻击的大规模报道,但是安全和隐私方面的隐忧已令大家担忧,这也是阻碍大数据发展的问题之一。
还有许多新热点将持续融入大数据的模式中,形成更加平衡的路径。而且,大数据将在民生领域重点应用,提升社会治理的效果。“和民生相关的,如智慧城市、应急、反恐等都会是发展重点,专家组认为这样的领域可能实现爆发性的发展。”潘柱延说。
去年9月5日,国务院印发了《促进大数据
发展行动纲要》,并指出:将在未来5至10年打造精准治理、多方协作的社会治理新模式,建立运行平稳、安全高效的经济运行新机制,构建以人为本、惠及全民的民生服务新体系。
CCF大数据专家组认为,该纲要将对大数据的发展起到推动性的作用,成为大数据产业快速发展的催化剂和政策标杆,也将推动地方政府出台类似的配套政策。潘柱延指出:“除了学术、技术、商业的推动外,政策的扶持会产生很大作用,大数据相关的基础设施建设和大数据创业公司在双创政策的推动下,两个驱动力会快速带动大数据的发展。”
在学术技术研究上,深度分析会继续成为推动大数据智能应用的代表之一。美剧《疑犯追踪》中曾展示了大数据的最终极应用——人工智能体几乎主宰人类生死的场景。在该大数据会议上,IBM的专家也展示了2011年曾挑战人类智力竞赛并获得冠军的超级电脑系统Watson。潘柱延认为,在人工智能领域,涉及与人的相关能力延伸,比如,决策、预测、精准推介等都将继续是大数据技术和学术研究的重要应用关注点。
数据权属与数据主权将得到进一步关注,
所有权属和主权的利益冲突和争夺都是来自数据资源化、数据价值化。不仅如此,大数据的应用领域还将从“老三样”迈进到“新三样”,即从互联网、金融、健康这三个增长点转换成城市、企业和工业数据这三大新增长点。
谈到人才和技术的生态方向,CCF大数据专家组预测,开源将持续成为大数据发展的主导性的技术方向和技术平台,测评则会以良币驱逐劣币的方式引导优秀的大数据技术发展,而各种各样的创业创新大赛也会成为人才和技术生态完善的一个重要标准和驱动力。
大数据之变
根据2013年发布的大数据白皮书显示,十大关注点在于:数据的资源化,大数据的隐私问题突出,大数据与云计算等深度融合,基于大数据智能的出现,大数据分析的革命性方法,大数据安全,数据科学兴起,数据共享联盟,大数据新职业和更大的数据。
而2014年的十大关注点是:大数据从概念走向现实,大数据架构的多样化模式并存,大数据的安全和隐私,大数据的分析与可视化,大数据产业成为战略性产业,数据商品化
与数据共享联盟化,基于大数据的推荐与预测流行,深度学习与大数据智能成为支撑,数据科学的兴起与大数据生态环境逐步完善。
基于此,潘柱延分析,从2013年到2014年,大数据从概念走向了价值。而从2014年到2015年,大数据出现了几个明显的变化点,如跨接融合、基础互换和基础突破等亟待解决的问题,从2015年到2016年,大数据最重要的变化则是民生、多样、政策和生态。
4年来,大数据受到关注的应用领域包括互联网、电子商务、金融和健康医疗等,最新的关注领域则是城市化、智慧城市、舆情分析、社会安全等。
据CCF大数据专家组预测,2016年与城市、互联网交易和企业相关的三部分数据可能会取得突破性进展,未来一年的资本投入将对该趋势有所印证。
潘柱延透露,今年的大数据白皮书中重点讨论的是大数据开放共享。
在调研中,CCF大数据专家组邀请了100多位专家讲述2016年的大数据计划以及对数据流转的态度。调研结果显示,业内专家都希望能自己收集数据,并利用收集的数据进行数据服务,希望能买到“数据机”,而专家和其所在的机构计划卖“数据机”的却非常少。
潘柱延指出,数据流转整体处在需求大于供给的状态,尤其是数据国际交换和卖数据。“希望通过政府开放共享,拉动数据交流和交换。政策性是大数据发展的重要指标,不可否认,大数据本身具有概念性,有泡沫存在,但是不能因为啤酒上有泡沫而放弃底下香浓的啤酒。”他强调。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
一、问题:为什么 ID 会"断号" 很多刚接触 MySQL 的同学都会有一个困惑:表里的主键 ID 是自增的,删了中间几行数据之后,ID 变 ...
2026-10-22一、问题场景:为什么会重复 JOIN 同一个子查询 在写复杂 SQL 时,经常遇到这种需求:同一张表或同一个聚合子查询,要和主表关联 ...
2026-10-22人力资源专员是HR体系的执行入口。招聘信息发布、简历初筛、面试安排、考勤汇总、入离职手续、劳动合同与档案管理,大多由这个岗 ...
2026-10-22人力资源经理问“必学技巧”,真正要解决的不是知识清单不够长,而是时间有限、业务催得紧,学完却用不上。更有效的路径是:先用 ...
2026-10-22内容营销岗位的核心任务,不是“把文案写得更漂亮”,而是围绕目标受众,用持续的内容供给影响认知、推动转化并沉淀复购。它至少 ...
2026-10-22理财经理培训课程很多,难的是判断“先学什么、后学什么、学完能做什么”。与其按课程名称罗列,不如先看岗位任务:客户分层与维 ...
2026-10-22理财经理的知识结构,可以先用一句话概括:合规与产品知识决定“不出错”,客户经营与资产配置决定“够不够专业”,市场研判与数 ...
2026-10-22经济学背景做数据分析,优势不在工具,而在问题意识:供需如何相互作用、成本与收益如何权衡、变量之间是相关还是因果。真正的缺 ...
2026-10-22需要,但要把“需要”理解准确。经济学本身就在处理数据:GDP、物价、就业、企业营收、问卷调研,都是经济分析的原料。真正的区 ...
2026-10-22经济学分析能力不是单一技能,它至少由三层构成:把现实问题转成可检验假设的理论框架能力、用数据与统计方法验证假设的工具能力 ...
2026-10-22金融分析师的知识提升,先补的不是更多模型,而是让结论可复核的底层能力。按任务顺序,大致是四层:财务与业务理解、指标口径管 ...
2026-10-22金融分析师的“通用技能”,指换到不同机构、不同行业组仍用得上的底层能力,而非某家公司内部系统的操作经验。按任务拆,日常要 ...
2026-10-22先给结论:数据分析证书不是金融分析师的准入条件,招聘方也不会因为一张证书就直接判断你能做分析。要不要考,取决于你当前任务 ...
2026-10-22金融分析师的核心技能,不是“会看K线”或“会讲宏观”,而是能把一家公司、一个行业或一类资产,转化为可核查的数据判断与书面 ...
2026-10-22产品经理的知识提升,不是把需求文档、原型、SQL、数据分析、项目管理都学一遍,而是先对准目标岗位的真实任务,找出自己最缺的 ...
2026-10-22产品专员提升工作知识,最有效的方式不是先囤课程,而是围绕日常交付的四件事来补:需求调研与优先级判断、原型与PRD表达、竞品 ...
2026-10-22产品运营专员提升个人能力,常见误区是先把Excel、SQL、Python列成一张学习清单,然后从第一个工具开始学。更有效的做法是先回答 ...
2026-10-22产品运营的能力提升,最怕从“课程目录”出发:今天学增长模型,明天背SQL语法,学完却说不清自己负责的功能为什么激活率低。更 ...
2026-10-22产品经理的技能和影响力不是两条分开的赛道。技能决定你能不能把问题分析清楚、把方案设计对;影响力决定你的判断能否被团队接受 ...
2026-10-22产品经理要学的数据分析能力,不是“会写SQL”或“会用BI工具”这么简单。更准确地说,是围绕需求评估、功能迭代、指标监控、实 ...
2026-10-22