
大数据产业重在应用 防止盲目建设数据中心
在大数据产业这条起跑线上,中国给予了十足的重视。
据21世纪经济报道梳理,自去年国务院印发《促进大数据发展行动纲要》以来,目前已有23个省出台了74个和大数据相关的政策措施,上海、贵州、重庆、天津出台了大数据发展规划,目前已建的大数据产业园区至少有十余个。
在发展大数据产业过程中如何扬长避短?如何聚焦重点,避免误入歧途?21世纪经济报道专访了国家信息化专家咨询委员会委员、国家信息中心专家委员会主任宁家骏。
我国大数据产业关键技术和支撑环境还存在差距
中国的大数据产业和发达国家相比,处于一个什么样的位置?
我们和发达国家相比,基本上处于一个差不太多的位置,至少没有落后太多。
当前和未来一段时间,我国面临着经济结构转型升级、政府和公共服务改进提升等紧迫任务,这给大数据提供了广阔的应用前景。国家对大数据的认识、我国既有数据的积累,以及应用前景方面,我们都不落后于发达国家。近年来我国大数据发展的宏观政策环境不断完善,地方政府也积极推动大数据发展,整体取得较大的进展。
但同时必须指出,我国在大数据的关键技术和支撑环境来说,还存在差距。
《21世纪》:关键技术和支撑环境方面存在哪些差距?
大数据主要包括四个环节,即“找矿”、“开矿”、“练矿”、“用矿”,现在支撑大数据这四个环节的技术,比如数据采集、清洗、存储、挖掘应用,整体上和发达国家都还存在差距。支撑环境方面,主要是数据的开放共享还有差距,长期以来我们对数据资源统筹不够,缺少法律和机制体制保障。各个部门都用传统的方式自己采集、管理数据,这部分数据又都不愿拿出来和社会共享,这是最主要的问题。
未来5年大数据市场年复合增长率在50%以上
中国大数据从技术到产业,是否已经走出一条成熟的路子?以后的市场规模有多大?
还在探索之中,目前还不能说已经走出一条非常成熟的道路。BAT已经在互联网大数据的分析应用方面有一些很好的尝试,但从更宏观的产业发展上看,我们才刚刚起步。
实际上,现在很多大数据企业并没有和其传统的业务做分离,其业态还处于混沌状态,其提供的产品,比如数据清洗、加工、存储也没有和传统的计算机软硬件技术切割开来。
不过我们要更加关注围绕着数据应用的整个信息服务市场的发展新趋势,将来与大数据相关的信息服务、软件开发、应用集成、数据安全市场将快速增长。预计未来5年,整个大数据市场规模的年复合增长率应该在50%以上,主要原因是现在大数据产业规模的基数还比较小。
地方应警惕盲目建大数据中心
你怎么看当前中国大数据产业的发展路径?
必须强调,中国推动大数据产业,一定要聚焦在应用上,这是大数据产业的核心。大数据的核心说到底是“用”,而不在于数据中心放在哪。
现在各地大力发展数据中心是受旧思想的影响的,他们认为这个数据一定要拢在我这,这是不对的,不等于有了数据中心就有了大数据,大数据产业高端的附加值也不在数据中心这里。在互联网环境中,数据本身应该是开放的,大数据强调的是从数据中提炼价值。
所以我想强调,我们在发展大数据时,千万不能认为发展大数据就是发展大数据中心,盲目地搞大数据产业园。一定要警惕大数据不能泡沫化,形成新的过剩。
现在是否有这样的趋势?
有这个苗头了。全国很多省,甚至很多市都在搞所谓的大数据中心,搞占地很大的大数据产业园,这是很大的风险。同时,不少地方还希望本地也能在短时间生长出一些像BAT一样自己的企业,这明显也是不现实的。
当然并非不让建数据中心,但要根据当地的具体条件来做。现在一些地方只是说他们的能源价格低,电费便宜,其实这些地方建数据中心,还应该将人才、应用等成本考虑进来,否则容易造成盲目性重复建设。对此,我认为有必要引起有关部门、各地以及全社会的警惕。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13