
大数据产业遭遇垄断和孤岛:拿数据的多贡献数据的少
在技术的推动下,大数据已不仅仅是一种应用工具,而是撬动经济增长的“生产力”,催生了体量巨大的新兴产业。业内专家指出,大数据已成为支撑社会有效运行的战略资源。目前我国亟须在数据融合、立法、安全方面完善顶层设计,为大数据产业的健康发展奠定基础。
大数据催生新兴业态
近年来中国大数据产业不断向纵深发展。一方面,产业初具规模。据易观国际统计,2015年我国大数据市场规模达102亿元,2017年有望达到170亿元。另一方面,大数据孕育了诸多新兴业态,激发了不同行业的活力。券商申万宏源的报告分析称,10年后大数据产业可撬动万亿元级的GDP发展。目前,大数据推动下势头强劲的当属三大领域:人工智能、大数据交易、智慧城市建设。
香港科技大学计算机科学及工程学系主任杨强表示,人工智能概念冷寂多年,近年来异军突起,是由于移动互联网的发展产生了大量数据,为人工智能发展的算法训练提供了条件。
目前,各类数据尚未充分融合,因此诞生了大数据交易的业态以满足这一市场需求。北京、贵州、武汉、西安等地相继建立了大数据交易平台。目前,规模较大的是北京和贵阳的交易平台。
2008年,IBM提出“智慧地球”理念,引发了中国智慧城市建设的热潮。大数据带动的智慧城市市场涵盖交通、旅游、医疗、教育等领域。在交通方面,打车软件使用量、使用频率远远超过此前出租车预约服务平台,其运作原理就是供需大数据的优化分配。在旅游景区管理方面,全国多个景点已经采用了电信运营商数据监控人流分布,避免人流密集导致的危险事件。
“前瞻产业研究院”估计,“十三五”期间,在移动互联网发展、大数据产业支持的情况下,智慧城市市场规模有望达4万亿元。
三重力量推动经济增长
如今,大数据不仅是经济“富矿”,更是战略资源。国务院去年印发的《促进大数据发展行动纲要》明确指出,数据已成为国家基础性战略资源。“十三五”规划纲要更是利用一章专门阐述了实施国家大数据战略的思路。
中国社会科学院信息化研究中心秘书长姜奇平表示,应从战略高度理解大数据对于经济增长的意义。
首先,大数据为创业创新提供了机遇。据业内估算,全国的大数据公司已超过了500家,分布在北京的最多,贵阳、武汉等推动大数据产业的城市也是创业重镇。根据大数据研究机构“数据猿”统计,2016年上半年,全球大数据行业共计发生157起投融资事件,中国发生了97起,超过总量的一半。
大数据分析服务公司神策数据创始人兼CEO桑文锋告诉记者,大数据创业之所以火热,一方面是由于技术条件成熟,另一方面是在经济转型升级的情况下,企业增长压力陡升,希望借助数据精准营销、高效生产。
其次,大数据为欠发达地区创造了赶超契机。以贵州为例,经济并不发达,却是首个获批建设国家级大数据综合试验区的地区。今年贵州省政府工作报告明确提出“把大数据作为全省‘弯道取直’、后发赶超的战略引擎。”
贵州省政府提供的数据显示,贵州省如今共有大数据电子信息产业企业1849家,今年上半年新增664家,同比增长60.92%。今年上半年,大数据核心业态、关联业态、衍生业态共实现产值868.89亿元。河北张家口也大力支持大数据产业,打造了京北云谷大数据管理基地、张北云联数据中心等大数据基地。
第三,大数据助力政府治理能力的提高,客观上为经济增长减少了阻力、提供了“润滑剂”。如天津建成运用大数据的智慧型“审计监督一张网”管理系统,实现对财政资金和公共资金等的实时监督;咸阳市政府和亚信数据公司合作,建立了识别诈骗获取医保行为的模型,2015年为咸阳政府节省了3000万元的财政开支。
产业健康发展需完善顶层设计
大数据虽然对经济发展而言意义重大,然而产业刚刚起步,仍有诸多挑战。
首先,企业“垄断”数据现象突出。BAT三大巨头凭借其固有的互联网优势,掌握了大量的数据。根据易观国际数据显示,阿里和腾讯的第三方支付服务占据了中国市场的九成。但BAT体系并不开放,如高德地图被阿里巴巴收购之后,不再向外界公开开放地图数据。国家工商总局也曾表示,个别互联网巨头不愿配合监管分享数据。
其次,数据非法交易猖獗。山东出现两起针对高校新生的电信诈骗案,便涉及数据非法交易利用。除了传统的非法数据兜售外,借助技术手段盗取信息的现象日益增多。记者发现,不少网站都出售“移动终端信息采集仪”,利用无线技术快速提取手机电话簿、通信记录、短消息等数据。
第三,数据“孤岛”林立、融合困难。政府与企业都面临这一难题。“拿走数据的多,贡献数据的少。”贵阳大数据交易所执行总裁王叁寿表示,不少企业以保护商业机密或节省数据整理成本等为理由,不愿意交易自身数据。部分政府部门也缺乏数据公开的动力,有的是因“懒政”而让数据沉睡,有的则是利用数据已经开展商业化应用,因此不愿共享。北京市经信委自2013年起推动建设北京市政务数据资源网,至今仍有多家政府部门不配合提供数据。
第四,相关法律体系尚不健全。对于个人数据隐私保护、数据权属、政府数据公开等问题,尚无明确规定,基本处于监管缺失的状态。中国政法大学传播法中心研究员朱巍介绍,目前对个人数据的保护,大多依照2012年通过的“关于加强网络信息保护的决定”,远不能应对实际需求。王叁寿表示,数据交易平台在运行中也有数据权属不明的困惑,期待法律明确交易规则和红线,让企业有法可依。
第五,大数据产业对外技术依赖现象严重,安全堪忧。中国工程院院士邬贺铨表示,发达国家,尤其是美国,大数据产业链非常完整,软硬件能力均领先全球。而中国在芯片、硬件、云计算等方面则较为薄弱,芯片尤其依赖进口,或成为未来产业掣肘。
业内人士建议,我国应加强顶层设计,完善立法,规范数据交易行为,鼓励数据互联互通,将数据公开共享纳入政府部门考核,同时加大力度攻坚克难,在芯片、云计算等大数据的关键领域取得突破,建成健康、安全的大数据产业环境。
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