京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据催生变革 产业融合成趋势
在当前这个数据驱动的时代,城市交通、能源、商业、通信、环境资源等一个个系统构成了一个普遍联系、相互促进、彼此影响的智慧城市生态系统,各类组织机构的商业运营和管理组织模式也在经历一种重构。今年的北京软件周期间,在北京软件行业协会主办的“2014北京软件名人论坛”上,与会人士围绕“数据驱动世界”的主题,掀起一场基于大数据驱动的软件业变革大讨论。
大数据汹涌而来
“我国软件发展进入一个新的历史阶段。2013年我国软件和信息技术服务业完成业务收入3.06万亿元,同比增长23.4%;实现利润3830.5亿元,同比增长13.8%;全国规模以上软件和信息技术服务企业达到3.3万家。”工业和信息化部软件服务业司司长陈伟表示,这样的成绩让我国跻身世界软件和信息技术服务业前三强,其中数据处理和存储成为软件和信息技术服务业中增长最快的子行业,收入增速达到5482万元,同比增长31.9%。
“大数据时代我们经历了15年的发展之路,其间有4个因素决定了大数据时代的到来,那就是宽带的增加、存储成本的下降、计算能力的提升以及无所不在的链接。”北京市经信委主任张伯旭表示,大数据的本质是新的生产力,所以大数据不仅可以洞察城市治理难题,洞察经济运行趋势,还能够驱动精确设计和精确生产模式,引领服务业的精确化和增值化,创造互动的创意产业新形态。这些正是大数据的价值所在,已经超越IT范畴。因此,从长远来看,软件企业必须跳出IT的局限来看待大数据,能够利用大数据为应用赋予价值,反过来又可以通过应用为大数据增值。
在小米公司副总裁黄江吉看来,小米的成功有70%来自于用户不经意间创造的大数据的功劳。3年来,小米手机的软件和操作系统每周都在更新,小米论坛中小米手机用户们的投票、评论等,都汇聚为推动小米前行与提升的数据动力,让小米从创业之初就脱离了“闭门造车”的危险,争取了宝贵的市场时间与机会。
“龙信数据一直希望打造一个"数据智库",因为我们的核心业务就是通过数据的信息化来发现价值,为政府和企业的决策提供支撑。”龙信数据董事长李钰认为,数据生态是多维概念,包括结构数据、非结构化数据、音频数据、视频数据、地理信息数据等。从数据应用链条上看,这些数据的搜集、存储、分析、挖掘以及应用理论研究等,均可以进行深度与跨界的融合,而且并不因为分享而减少,反倒会因为分享而催生新的数据资源。
产业融合成为趋势
“大数据是国家的战略资源,是国家硬实力的重要部分。”奇虎360副总裁石晓红认为,从大数据角度来说,很重要的一个环节是数据的采集。各行各业的大数据都是一个碎片化的“庞然大物”,只有通过聚集与整合,才能让来自不同行业的大数据产生关联和融合效应,并对国家整体布局发挥真正的价值,从这个角度看,跨行业合作已成必然。在这种形势下,奇虎360也随着大数据在PC、智能终端、可穿戴设备、物联网传感器、智能家居、智能汽车等各个行业的“渗透”,找到了新的方向,那就是想方设法为大数据的平台应用提供安全保障。
“从企业端来看,现在的开放和合作比任何时期都更重要。”太极总裁刘淮松坦言,该公司在行业端正在向云架构体系转型,并同用友软件(600588,股吧)密切合作,准备推出针对大型企业和公共组织的计算平台,结合当前最先进的计算技术,提供一个开发、集成、运行和管理平台,不同领域和不同应用的开发商可以利用该平台做自己的企业应用系统。
“卫星导航系统非常重要,它能提供时间信息和位置空间信息,但单纯的卫星导航不能够称为一个独立的产业,它一定要和具体的行业和具体的应用结合起来才能够有生命力,才会有市场发展的空间。”北斗星通(002151,股吧)总裁李建辉表示,北斗产业市场占有率不到5%,远远落后于GPS,北斗芯片提出在2015年要达到千万量级的目标,而要达到相同量级的应用,就一定要同各个产业与行业深入结合并拓展应用。
“电信运营商近年来逐渐意识到,仅仅靠电话消费、短信消费不足以带来业务的发展。”亚信集团高级副总裁张灏透露,亚信目前正在帮助电信运营商面向社会各个行业、各个产业进行分析与融合,利用大数据推出更多创新服务。
“数据孤岛”须打破
“应该说,大数据催生了软件业的革新,目前的发展瓶颈在于大数据聚合不够,还没有形成广泛的认识和参与。”张伯旭介绍,大数据的价值实现可以分为数据生产、数据归集、数据整合、数据开发、使用价值的实现。但在实际运行过程中,很多企业通常会规避“数据整合”而直接进入应用阶段,造成大数据的“应用偏差”不断出现。事实上,大数据的发展需要全社会协同,变私有大数据为公共大数据,最终实现私有、企业自有、行业自有的大数据整合,才不至形成“数据孤岛”。
“我们研发的地理信息系统(GIS)基础平台软件是GIS应用的核心,类似于个人电脑使用的操作系统,目前已携手数百家合作伙伴共同打造了数十个行业解决方案,推动GIS在各个领域的广泛应用。”超图软件总裁宋关福介绍,近年来,该公司在云的平台软件技术之外,还在运营“GIS公有云”,包括面向企业业务管理服务的“超图云”和面向个人和企业的在线地图制作平台“地图汇”。如果某企业想将自己在各省销售收入的分布做一个地图,过去可能花很多钱去买工具,但现在只要登录超图网站,点击几个键就可以轻松绘制出销售地图。这些“公有云”逐渐成了业内的“数据汇”。
“龙信数据算是一个窄众群体,每天都在采集包括互联网的数据、政府公开的数据、N个年鉴的数据,因为这些数据是我们最重要的资产。”李钰介绍,龙信数据在集成数据资产之后,就会在此基础上进行加工,建立标准,使其成为应用型数据资产,客户在有选择性地从中挑选自己所需要的应用型数据时,又形成了新的数据,龙信数据就可以将这些新旧数据进行融合,不断演变为集成型数据资产,从而形成一个数据资产的闭环。李钰希望未来能同所有产业进行融合,“只有不同的资产、不同的人放在一起,才会有不同的看法,数据资产的价值才会更大化地增值”。
“如果数据仅仅是一个角度,那么它的价值是有限的,只有各行各业的数据进行混合交叉关联,价值才能发挥出来。”张灏表示,未来的大数据资产并非日积月累的“共合体”,而是通过数据资产提炼后,经过去隐私化和再加工的“精华数据”,这样的数据才是未来数据资产交易的主流。
“大数据是IT产业的新机遇,应当抓住。但发展大数据要跳出IT产业来看,需要用好市场机制,并调动全社会协同发展。”张伯旭建议,一方面政府要带头力促数据公开共享,另一方面,还要推动建设各类大数据服务交易平台,通过制定行业标准建立可信的数据交易,为数据的开发进行统一的检索创造平台,并为数据使用者提供丰富的数据来源和数据的应用。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19