
大数据 物联网与智慧城市三者有何关系
大数据是信息化社会无形的生产资料,其概念被社会各界不断演绎出多种版本,但关于大数据、物联网、智慧城市三者之间的关系,很多人不甚明了。对此,同方物联网产业应用本部技术总监赵英,对此做出了详细的解读。大数据、物联网、智慧城市三者之间的关系简单来说就是:大数据的发展源于物联网技术的应用,并用于支撑智慧城市的发展。物联网技术作为互联网应用的拓展,正处于大发展阶段。物联网是智慧城市的基础,但智慧城市的范畴相比物联网而言更为广泛;智慧城市的衡量指标由大数据来体现,大数据促进智慧城市的发展;物联网是大数据产生的催化剂,大数据源于于物联网应用。
中国已步入大数据时代
有人说大数据来了,但只是在美国而不是中国。专做政府数据管理的同方对此的看法是:中国对大数据的理解普遍还不那么深入或者与美国的理解有所不同,但不能否认的是,中国已经步入大数据时代。现在中国的很多部委都已经在研究大数据、运用大数据。美国将大数据提升为国家战略,中国还没有明确提出,但已经把大数据上升为与国防一样的高度,多部委还联合发布了鼓励措施。我国政府对大数据的敏感度快速提高,并正在采取措施。所以说,中国已经步入大数据时代,这种重视是由政府层面自上而下进行普及的,可能还未普及到普通百姓层面,但各级政府已经有了高度重视。邬贺铨院士也曾表示:“我国将产生全球最大量的数据,要重视大数据的开发利用和管理。”
大数据的关键在于分享。我国智慧城市发展的一个瓶颈在于信息孤岛效应,各政府部门间不愿公开、分项数据,这就造成数据之间的割裂,无法产生数据的深度价值。关于这一问题,一些政府部门也有清醒的认识,开始寻求解决方案,这是受自身的需求驱动的。比如,一些政府部门原来不愿分享自己的数据,但现在开始寻求数据交换伙伴,因为他们逐渐意识到单一的数据是没法发挥最大效能的,部门之间相互交换数据已经成为一种发展趋势。同时,随着各方面的发展及政策的推进,很多以前不公开的数据也逐渐公开了,这对大数据的发展都是有力的支持。
物联网技术推进大数据发展
物联网对大数据的意义方面,赵英举了个例子来说明物联网技术对大数据的推进。去年北京7.21暴雨之后,政府采取了很多解决措施,很重要的一个体现是,北京市科委很快就立了专项基金去给受灾的房山和门头沟这两个区进行应急管理能力的提升以及信息化的建设。同方参与了门头沟的项目,帮助门头沟提升预警能力。同方对门头沟原来的应急平台进行了改造和提升。比如对水位的监测,在有些重点立交桥下安装水位计,水位到一定程度会发生预警,相关部门就可以据此采取一些措施,这就是物联网技术的应用。
物联网技术跟大数据什么关系?当水位计的点增多后,就会收集到更多的数据,这样更便于发现一些规律并发出预警,这是采用大数据的技术手段自然而然就能做的事情。在点位数少的情况下,数据量不够大,只能解决一部分问题。所以说,正因为有了物联网,大数据布的点越来越多,自然而然就要会去分析实时数据。数据的挖掘,原本是对于历史数据的挖掘,现在对于实时数据的挖掘也是一种趋势,说明物联网的技术在推进着大数据相关技术的发展。
大数据支撑智慧城市的发展
城市运行体征是通过数据进行量化表现出来的,但这些数据散乱在政府的各个部门中,同方的职责是收集各部门有关城市运行体征的数据,帮助城市管理者进行数据汇总、分析,最终对城市体征的量化形态即各类数据进行管理,供政府管理者使用。
政府部门做的每一个决策都需要长期的调研,调研的资料来源于政府部门运行、城市运行的长期积累。政府信息化的高速发展已使政府产生了几百TB的数据。但数据本身没有任何意义,只有经过一定的系统分析之后,才能发挥数据的价值。智慧城市的每一个细节都会产生庞大的数据,同时,智慧城市的运行基础也来源于对大数据的深度分析。
大数据的表面是一系列静态的数据堆砌,但其实质是对数据进行复杂的分析之后得出一系列规律的动态过程。政府部门本身没有去做这样的事,这就需要企业对其进行支撑,同方看到了大数据对城市运行的重要意义,选择政府作为突破口,是形势发展的要求,也是同方大数据的独特之处。值得说明的是,同方大数据不参与政府决策,只是为政府决策提供数据支持。用数据的直观形式展现业务之间的关系,用数据表现城市发展变化和趋势,分析总结出城市存在的问题,为政府部门的决策提供辅助。
城市运行体征的管理也需要大数据的推动。大数据在反映城市运行体征的时候,并不需要了解城市部门的主要业务及运作流程,单纯从数据的角度出发,通过计算机软件分析之后,数据就能得出一些规律,不关乎业务,不关乎结果,但能完全反映出数据之间的关联性。从大数据的角度出发,驱动城市运行体征发展,是一个可以在决策前段刨出人力的纯计算机运作模式,这样的好处是运作的量化和规范化。
对于大数据、物联网与智慧城市的发展,中国信息技术权威专家――国务院物联网领导小组组长、中国工程院邬贺铨院士曾有一个很深奥的表述:从物联网到大数据再到智慧城市,是“格物致知”的过程,通过分析决策达到“知行合一”。
智慧城市惠及每个人
大数据驱动下的智慧城市,关乎每个人的生活。最普遍的例子就是天气预报,以前的天气预报只会预测一下天气,但现今的天气预报会告诉公众更多的信息,如气象指数、空气污染指数、穿衣指数、驱车安全指数等,甚至是否有利于运动,对发型及妆容的影响都有说明。这是能让普通百姓切身体会的智慧生活,未来,教育、交通等关乎人们衣食住行的方方面面都会变得智慧起来。教育方面,我们可以看看美国的做法,美国每个大学都会将升学率、就业率、毕业生的年薪水平等如实展示,这对学生选择学校专业等是很有利的数据支持。交通方面,怎样畅通城市交通,怎样寻找停车位,选择哪种交通方式更便利安全等,都是智慧城市的未来状态。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10