
全面解读大数据是否过热
9月7日,据媒体报道称,从工信部获悉,《大数据产业“十三五”发展规划》有望在年内发布。王叁寿认为,未来最有价值的资源就是大数据,这将推动制造业、服务业等全产业链的革新,大数据产业“十三五”规划将激活相关行业的万亿元产值。
近年来大数据产业“持续升温”,各行业都在纷纷谈论大数据。2015年,阿里巴巴集团董事局主席马云在演讲中表示,未来的时代将不是IT时代,而是DT(Data Technology数据科技)的时代。
但面对热潮,也有不少人冷静指出目前大数据行业存在过热嫌疑。大数据产业是否为一场虚热?该话题在业内亦有争议。中科院院士梅宏就曾在一次演讲中表示“大数据被炒得过热,其实很多领域只是穿上大数据的马甲而已。”
为此,“财经”V课特别策划了“大数据的商业应用”专题课程,并邀请九次方大数据创始人、贵阳大数据交易所执行总裁王叁寿分析目前大数据产业的发展现状,全面解读大数据的应用领域,亦回应这一产业是否过热的问题。
在王叁寿看来,在信息为王的经济发展时期,数据将会触发经济全产业链的创新与变革,谁利用“大数据”,谁将占据发展的制高点,赢得主动与先机。
中国大数据的产业发展几乎与美国同步
王叁寿认为,虽然中国的互联网行业起步比美国晚了30年,但在大数据产业的发展上,中国与美国几乎处于同一起跑线。在几乎所有的新兴产业中,大数据是中国可以“弯道超车”美国的绝佳机会之一。
而在此背景下,中国政府也大力推进大数据战略。2015年11月,国家出台十三五规划,把发展大数据列为国家战略之一。与之同时,2015年国家出台了多项与大数据有关的国家政策,比如《促进大数据发展行动纲要》、《关于运用大数据加强对市场主体服务和监管的若干意见》等。
数据将成为政府和互联网企业最宝贵的资产
对于企业,尤其是互联网企业而言,数据将变得越来越重要。王叁寿判断,在未来三到五年,全球的互联网公司都将拥有另一种身份,变成大数据公司。因为不管是互联网还是物联网,未来都将产生大量的数据,而这些数据会产生新的价值。
而对于政府而言,数据的重要性也日益显现。王叁寿认为,政府现在拥有的两项核心资产,一是土地,二是数据。土地资产的价值已经被激活了二三十年,下一步将轮到数据发挥价值了。“大数据所创造的价值迟早会超过土地创造的价值,”王叁寿说,只要激活这些资产,这也将成为非常好的供给侧改革方式。
而对于公众普遍不了解政府大数据的情况,王叁寿解释称因为现在政府的数据像是“地下水”,尚未被充分激活,大量的数据并没有被采集、清洗、脱敏、建模,进而变成商业上可用和公众可感知的“自来水”。而目前的行业发展中,国内已经有一批公司专门从事帮助政府激活手中数据资产价值的业务,把政府手里的“地下水”采集上来变成“自来水”,这一现象引人关注。
大数据产业还没有真正“过热”
目前,大数据产业是否过热,这一问题在业内仍有争议。在王叁寿看来,当下的大数据产业仅是“浪花”阶段,还没有形成一种“浪潮”,变成一种势不可挡的力量。
“当这个产业还处于一个浪花的阶段,就说这个产业过热,这种说法是不恰当的。”王叁寿举例称,2010年时中国几乎没有做大数据的公司,到2013年时相关企业不到一百家,但截至目前中国大数据公司已经突破5000家。从数量上看,2013年到2016年三年半的时间,中国的大数据企业增长约60倍。
应用产业在大数据行业中最为活跃
在中国众多大数据公司中,最活跃的一个群体是大数据应用产业。比如说交通大数据、能源大数据、政府大数据、金融大数据、医疗大数据等。这类群体在几千家大数据公司中大概占60%左右。这些公司中,又有60%是集中在政府大数据和金融大数据的应用。
公众普遍担忧大数据会泄露个人隐私
在9月7日的节目互动中,“财经”V课的用户最关注的问题还是大数据对个人隐私的侵犯以及由此可能产生的安全隐患。有用户认为,如果不注重数据信息的安全防范就可能造成信息泄漏、篡改或盗用,将严重损害用户的利益。
大数据时代如何保障个人信息安全不被泄漏,大数据产业的激活还需要跟进多少配套工程,这些都是待需解决的问题,亦是公众关注的焦点。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14