京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据应用获各路资本热捧 行业标准建立成发展关键
千亿产业机遇,让大数据产业成为全国各地布局抢占的下一个互联网+的风口。
大数据成布局抢占下一"风口"
去年6月,李克强总理主持召开国务院常务会议,就指出要运用大数据等现代信息技术促进政府职能转变,提升政府服务和监管效率,造福广大群众。
工信部近期表示,将抓紧研究制定大数据发展的指导性文件,推动应用和产业相互促进、良性发展,为我国大数据产业和大数据创新发展探索积累经验。
地方政府更是积极向上,不断出台相关政策,持续推动大数据的发展,大数据成为各地布局抢占的下一"风口"。据悉,上海近日正在筹建数据交易中心,已报请上海市政府等待批复。对此,上海市经信委副主任邵志清表示,希望借助数据交易中心,推进数据市场的有序流动。而继去年4月贵阳成立国内第一家大数据交易所后,去年7月,武汉集中揭牌了长江大数据交易所(筹)和东湖大数据交易中心,紧接着12月,江苏盐城上线了运营华东江苏大数据交易中心平台,徐州、北京、哈尔滨等地也不甘示弱在筹建数据交易市场,广东则专门成立了省大数据管理局,重庆则提出到2017年形成500亿元大数据产业交易规模,建成国内重要的大数据产业基地,等等。
根据IDC的报告,截至2015年,全球大数据市场规模已成长到390亿美元的空间,到2017年,市场规模将突破500亿美元。IDC统计数据同时显示,2011年全球数据总量就已达到1.8ZB(1ZB等于1万亿G B,1.8ZB也就相当于18亿个1T B移动硬盘的存储量),而预计到2020年全球将总共拥有35ZB的数据量,增长近20倍,全球大数据产业链有望迎来新的重大发展机遇。
大数据应用迎来投资良机
目前,大数据已被广泛应用到政府公共管理、零售业、医疗服务、制造业等各大领域,并催生了千亿元的产业。因此,大数据的特殊功用与诱人前景,让各大巨头垂涎欲滴,这导致近一两年来互联网企业的投资与并购时刻围绕着获取大数据展开。
去年11月21日,九次方大数据在北京召开发布会,宣布"完成两轮融资总计7亿元人民币,估值30亿"。此次融资,共有博信资本、建银财富等18家资本机构资参与,"大数据产业没有寒冬"的宣传令人印象深刻。而近年,百度祭出19亿美金高昂代价收购91助手;阿里巴巴斥巨资连续收购虾米、战略投资陌陌,并参股新浪微博,控股高德地图;腾讯除致力发展QQ,近年也大力发展微信营销,并购买、控股一些社交、通讯型创业公司;360则不惜血本依靠免费杀毒获取海量用户群,占据国内安全数据领域主平台。这些互联网巨头都明白,在未来掌握某生态圈便掌握这一领域的大数据,运用数据挖掘与分析便能演绎精彩成功的商业模式。
近两年是大数据市场主要培育期,而真正的业绩释放将是2016年,2016年将是中国大数据的产出年。预计在政策的不断推动下,大数据概念股有望获得提振,数据资源运营企业将受到资本市场的热捧。A股市场上,大数据概念股可分为五大类,第一类是与海量数据的存储和采集处理相关的公司;第二类是与数据中心建设与运营维护相关的公司;第三类是与视频化应用相关的公司;第四类是与智能化和人机交互概念相关的公司;第五类则是数据安全相关公司。
由于国内目前仍处于大数据时代逐渐爆发的前夜,综合考虑企业的受益确定性和潜在市场规模以及服务对象,可依主次先后关注:天玑科技、汉得信息、浪潮信息、远光软件、东方国信、美亚柏科、拓尔思等相关大数据上市公司。
行业标准建立成发展关键
目前我国大数据发展还存在五个方面的问题,包括信息孤岛普遍存在,跨部门、跨行业的数据共享仍不顺畅;一些地方误将数据中心建设视为大数据产业发展重点,盲目追逐硬件设施投资,未能主动推进大数据产业发展与应用需求间的对接;技术创新与支撑能力不足;数据资源建设和应用水平低;信息安全和数据管理体系尚未建立。
复旦大学数字与移动治理实验室在其2015年公布的《中国开放政府数据平台研究框架、现状与建议》中称,中国开放数据实践存在六个方面的主要问题:行业尚无共同标准、数据量少、价值低、可机读比例低,开放的多为静态数据,数据授权协议条款含糊,缺乏便捷的数据获取渠道,缺乏高质量的数据应用,缺乏便捷、及时、有效、公开的互动交流,让国内大数据一时很难做大做强。
据悉,目前国家正在从七个方面着手促进大数据的发展,包括完善组织实施机制、加快法规制度建设、健全市场发展机制、建立标准规范体系、加大财政金融支持、加快专业人才培养、促进国际交流合作。其中,建立标准规范体系是许多公共数据开放的重要条件,也是行业发展的关键。现阶段急需通过标准化的途径整合资源,形成统一的数据格式、接口、安全、开放等各类规范。
据悉,2014年底全国信息技术标准化技术委员会大数据标准工作组成立,开始统筹开展我国大数据标准化工作,正在研制的国家标准有10项,其中《信息技术大数据术语》和《信息技术大数据技术参考模型》等8项国家标准已经完成草案,即将公布实行。
距离真正的大数据时代还有很长的路要走,我们更需要冷静地思考,如何才能让技术更扎实而有效地落地,如何让标准统一规范,如何建立一个庞大开放的生态群,以能真正的挖掘到这座大数据金矿,做大做强我国大数据产业。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27