京公网安备 11010802034615号
经营许可证编号:京B2-20210330
当下,中国正在进行一场重要的经济转型,用国务院李克强总理的话说就是稳增长,调结构,全面转入创新驱动模式。当前我国依靠投资驱动和外贸增长的发展模式已经进入了瓶颈,粗放式的增长模式已经走入了尽头。因此,中央审时度势,积极开展双创战略,激发民间创新活力。同时积极鼓励科研成果的转化,促进科研转化效率的提升。我国有着很好的科技创新资源基础。我国有着庞大的科研队伍,清华大学技术创新研究中心2014年发布的《国家创新蓝皮书》指出,我国研发人员总量占到世界总量的25.3%,超过美国研发人员总量占世界总量的比例(17%),居世界第一。在科研人数总数上高居世界第一,同时每年还会产生大量的大学毕业生。同时,科技研发投入占国民收入的比重也在不断增长。而在未来要进一步的提升科技创新质量,激发创新活力,就需要更好的改善人才激励机制,形成创新风气,促进产学研协同创新机制的优化。在这个过程当中,通过大数据思维和共享经济,将有效的提升科研转化效率,提升创新效能。
所谓大数据概念,最早由美国提出,并且已经上升为国家战略。中国也已经将大数据列入到十三五规划当中。根据相关资料,大数据包括几个方面,业界通常用4个V(即Volume、Variety、Value、Velocity)来概括大数据的特征。
一是数据体量巨大(Volume)。
二是数据类型繁多(Variety)。这种类型的多样性也让数据被分为结构化数据和非结构化数据。
三是价值密度低(Value)。价值密度的高低与数据总量的大小成反比。
四是处理速度快(Velocity)。
这是大数据区分于传统数据挖掘的最显著特征。根据IDC的“数字宇宙”的报告,预计到2020年,全球数据使用量将达到35.2ZB。在如此海量的数据面前,处理数据的效率就是企业的生命。
共享经济,一般是指以获得一定报酬为主要目的,基于陌生人且存在物品使用权暂时转移的一种新的经济模式。其本质是整合线下的闲散物品、劳动地、教育医疗资源。有的也说共享经济是人们公平享有社会资源,各自以不同的方式付出和受益,共同获得经济红利。此种共享更多的是通过互联网作为媒介来实现的。
共享经济牵扯到三大主体,即商品或服务的需求方、供给方和共享经济平台。共享经济平台作为连接供需双方的纽带,通过移动LBS应用、动态算法与定价、双方互评体系等一系列机制的建立,使得供给与需求方通过共享经济平台进行交易。在中国,目前存在的共享经济范例有滴滴打车,回家吃饭,住百家等等;而在欧美,已经存在了UBER,AIRBNB这样的共享经济平台。
当前产学研发展机制和中小企业的弊端解决需要共享科研资源平台
过去中国的科研发展当中存在一些弊端,主要的几个弊端包括产学研互动的效率比较低,众所周知企业的科研效率是最面向市场需求并且效率最高的,但是当下我国的科研资源仍然主要集中在高校,产学研互动的效率比较低;产学研合作渠道增加,但是转化率比较低;企业缺乏足够的科技资源,对外界的信息把握也不够;产学研合理的利益分配机制尚没有形成,缺乏长效的产学研合作战略等等;大量的科研资源被闲置,比如高校和企业中很多科研设备和数据资源被闲置。中小企业发展当下仍然存在若干个问题,一是融资难,这是一个老大难问题,银行以固定资产为基础的评估方式不适应以智力资本为核心的科技创新企业;二是合作难,由于体量小,难以寻找合作对象;三是研发难,由于缺乏足够的研发资金和设备,中小企业的在科研上存在一定的困难。在社科院工经所所长黄群慧的论文中,黄群慧博士就提出了一个观点,通过开放高校和国企的实验室资源,建设大数据共享平台,从而促进中小企业创新。比如说哪里的实验室资源存在闲置,就可以通过这个平台寻找到攻击方和需求方,从而匹配交易。而在交易过程当中,产学研机制也可以借助这个过程建立起来。
互联网趋势将有助于共享经济和大数据在科研中发挥作用
从当前互联网的趋势看,存在这么几个趋势,第一个是开放性,互联网企业在中国高速发展,目前已经存在了BAT三大巨头,同时还有寄托于移动互联网的美团﹑小米﹑今日头条等新锐,这些大企业进行从初期的封闭走向开放,逐渐的开放API接口帮助创业者发展,帮助创业者进行自己的生态,同时不断的对创业企业投资形成了初步的生态,而在未来必然会走向初步的数据开放,百度的李彦宏就在2016年的IT领袖峰会上处不表示了数据开放的意向,未来大数据要起到作用,就必须要将各个分散的具有不同特征的数据链接起来共享;第二是,从C端走向B端,从需求端向供给端转移,因此我国从社会的消费端,走向生产端。当前我国低端产能过剩,供应链需要进一步优化,因此存在通过互联网来优化的空间。促进钢铁+互联网﹑煤炭+互联网等新业态;第三,互联网介入制造和研发,促进智能制造。德国已经提出了工业4.0的概念,美国以IBM和GE的企业提出了工业互联网的理念,并且组建了工业互联网联盟,当前全球经济面临新一轮的经济动态重组,发达国家出现了高端制造业回流现象,都在努力在大数据和智能制造的技术下复兴制造业,我国审时度势,提出了中国制造2025战略,这一轮工业革命,是建立在大数据和互联网技术基础上的。从这些趋势可以看出,未来互联网将渗透进入科研设计等领域,促进数据共享。这呼唤类似科研数据和科研设备的共享平台的产生,促进产学研机制的优化。
未来互联网的技术将走向越来越深化,大数据和分享经济是互联网产业走向深入的体现。当前有一家名为人人实验的企业正在做数据和科研资源共享平台的尝试,未来相信这里必将大有可为!
最近参加了亚信的一次新书发布会,深感大数据会成为未来的发展趋势,而大数据是建立在系统论 , 信息论和控制论基础上的。念念不忘,必有回响,曾经经历过低谷的人工智能 , 深度学习和机器人都成为了潮流,那么未来的组织形态和经济形态都将发生深刻的变化,未来人类会想电影 一样谈情说爱吗?人类社会会由机器人接管吗,这些问题看起来似乎有点遥远,也许80后会看到这么一天。
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