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
在大数据技术飞速迭代、数字营销竞争日趋激烈的今天,“精准触达、高效转化、成本可控”已成为企业营销的核心诉求。传统广告投放 ...
2026-04-24在游戏行业竞争白热化的当下,用户流失已成为制约游戏生命周期、影响营收增长的核心痛点。据行业报告显示,2024年移动游戏平均次 ...
2026-04-24 很多业务负责人开会常说“我们要数据驱动”,最后却变成“看哪张报表数据多就用哪个”,往往因为缺乏一套结构性的方法去搭建 ...
2026-04-24在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16