京公网安备 11010802034615号
经营许可证编号:京B2-20210330
深挖大数据金矿
大数据的本质特征就是“大”。究竟“多大”才算“大”?“大”不是一个简单的数量,而是一个多维的无限的变量。概括起来说,“大”是一个五“V”空间:第一个维度是数量(Vol-ume),主要表现为数据量的快速增大;第二个维度是速度(Veiocity),主要表现为数据增长的速度在加快;第三维度是数据的多样性(Variety),主要表现为新的数据来源和新的数据种类的增加;第四个维度是数据的价值(Value),主要表现为对这些数据的使用和挖掘产生的价值;第五个维度,也是最重要的一个“V”,就是“数聚”(Variable),它使前面四个“V”的数据发生几何级数的变化,从而让数据实现从量变到质变的飞跃。
正如一位美国记者在一篇文章中写到的,大数据是什么并不重要,重要的是大数据正在改变人对世界的看法。在大数据时代,人获取信息的方式、交往或交友的方式、生活方式、生产方式、思维方式、社会组织管理方式都将被跨界、跨代颠覆式改变。
大数据是新的科技革命与新的产业革命交叉融合的引爆器,大数据让发达地区与欠发达地区站在同一个起跑线上。贵州发展大数据,是倒逼政府改革,推进产业转型的有益探索,是坚守发展和生态“两条底线”,发挥后发优势,实现后发赶超和绿色崛起的创新战略,也是新常态下东部与西部、沿海与内地、发达地区与欠发达地区经济的再平衡。这种再平衡将引发中国经济结构的深度调整,重塑中国经济版图。
全球化开放平台 引领“中国数谷”贵阳崛起
贵州商报:贵阳为何提出建立大数据战略重点实验室,实验室的建立有何实际意义。
连玉明:大数据战略重点实验室是根据贵州省委省政府、贵阳市委市政府发展大数据战略部署设计,在贵州省科技厅支持下,由贵阳市人民政府与北京市科学技术委员会共建的跨学科、专业性、国际化、开放型的跨区域研究平台,它依托贵州大学贵阳创新驱动发展战略研究院组建和运行。这是继建立中关村贵阳科技园、北京贵阳大数据应用展示中心之后京筑创新驱动区域合作又一重大成果,是国家实验室管理机制的一次创新实践,是贵州、贵阳发展大数据的重要里程碑。
大数据战略重点实验室是一个全球化的开放平台。实验室聚集国内外大数据相关专业研究者、管理者和决策者,搭建跨区域协作创新平台、专业化决策咨询平台、网络化成果转化平台和国际化合作交流平台,有助于创新资源和创新人才在贵阳聚合,引领“中国数谷”在贵阳崛起。
大数据战略重点实验室立足全球大数据发展趋势和中国大数据发展实践,以大数据发展的重大理论和现实问题为主攻方向,加强大数据发展全局性、战略性、前瞻性研究和咨询,建设具有较大影响力和国际知名度的大数据高端战略智库,奋力打造中国大数据发展思想和战略策源地。
跨界 跨代 跨区域 五大研究策源中国大数据发展战略
贵州商报:大数据战略重点实验室在做什么样的研究,怎么来服务和助推贵阳大数据产业的发展?实验室研究成果如何落地。
连玉明:大数据战略重点实验室的建立是从理论创新为突破口的。《块数据— 大数据时代真正到来的标志》《DT时代—从“互联网+”到“大数据×”》《创新驱动力— 中国数谷的崛起》三个专著的出版,标志着大数据战略重点实验室在贵州率先启航。基于此,大数据战略重点实验室以五大着力点开展研究及其成果转化:
一是着眼全球大数据发展趋势和中国大数据发展实践,建立全球大数据理论信息中心,建设中国大数据发展规划数据库,出版《全球大数据发展报告》。
二是构建块数据分析理论模型和应用模型,为贵州、贵阳乃至全国发展大数据提供理论支撑和方法支持。
三是研究、编制和发布“大数据指数”,包括大数据发展指数、大数据创新指数、大数据城市指数、大数据社区指数、大数据生活指数和大数据品牌指数。出版年度《大数据蓝皮书》。
四是建立DT空间,搭建众联、众创、众包、众筹创客平台,加快产学研联动,加速成果转化应用,建立国际创客空间。
五是建立“中国DT产业50人论坛”,搭建对外交流平台,打造中国大数据发展的思想和战略策源地。
这五项研究,无论是对贵阳发展大数据,还是中国发展大数据都是一种创新性的、极具前瞻性的研究和探索。必须说明的是,大数据战略重点实验室虽然建在贵州贵阳,但它并不是一个封闭的空间。它更多的是借助北京科技创新中心和国家创新平台的资源,成为一个跨界、跨代、跨区域的开放空间。这个开放空间是全球性的。我们完全超越传统的实验室运行和管理模式,发挥共建优势,整合社会力量,创新市场机制。我们秉承“不求所有、不求所在,但求所用”的原则,可以在北京、上海、杭州、武汉、广州等地建立研究基地,也可以与阿里、腾讯、百度等企业开展联合研究。对贵州、贵阳而言,我们引进的是新思想,转化的是新成果,真正成为助推贵州、贵阳乃至中国大数据发展的战略策源地、人才孵化器、创新试验场、政策先行区。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在互联网产品运营、用户增长的实战场景中,很多从业者都会陷入一个误区:盲目投入资源做推广、拉新,却忽视了“拉新后的用户激活 ...
2026-02-06在机器学习建模过程中,特征选择是决定模型性能的关键环节——面对动辄几十、上百个特征的数据(如用户画像的几十项维度、企业经 ...
2026-02-06在CDA(Certified Data Analyst)数据分析师的日常实操中,表格结构数据是贯穿全流程的核心载体,而对表格数据类型的精准识别、 ...
2026-02-06在日常办公数据分析中,我们经常会面对杂乱无章的批量数据——比如员工月度绩效、产品销售数据、客户消费金额、月度运营指标等。 ...
2026-02-05在分类模型(如风控反欺诈、医疗疾病诊断、客户流失预警)的实操落地中,ROC曲线是评估模型区分能力的核心工具,而阈值则是连接 ...
2026-02-05对CDA(Certified Data Analyst)数据分析师而言,数据分析的价值不仅在于挖掘数据背后的规律与洞察,更在于通过专业的报告呈现 ...
2026-02-05在数据分析实战中,我们经常会遇到“多指标冗余”的问题——比如分析企业经营状况时,需同时关注营收、利润、负债率、周转率等十 ...
2026-02-04在数据分析场景中,基准比是衡量指标表现、评估业务成效、对比个体/群体差异的核心工具,广泛应用于绩效评估、业务监控、竞品对 ...
2026-02-04业务数据分析是企业日常运营的核心支撑,其核心价值在于将零散的业务数据转化为可落地的业务洞察,破解运营痛点、优化业务流程、 ...
2026-02-04在信贷业务中,违约率是衡量信贷资产质量、把控信用风险、制定风控策略的核心指标,其统计分布特征直接决定了风险定价的合理性、 ...
2026-02-03在数字化业务迭代中,AB测试已成为验证产品优化、策略调整、运营活动效果的核心工具。但多数业务场景中,单纯的“AB组差异对比” ...
2026-02-03企业战略决策的科学性,决定了其长远发展的格局与竞争力。战略分析方法作为一套系统化、专业化的思维工具,为企业研判行业趋势、 ...
2026-02-03在统计调查与数据分析中,抽样方法分为简单随机抽样与复杂抽样两大类。简单随机抽样因样本均匀、计算简便,是基础的抽样方式,但 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29