京公网安备 11010802034615号
经营许可证编号:京B2-20210330
2017大数据产业发展趋势大揭秘
2016年,是我国大数据产业市场规模明显增长、技术创新与应用创新特征凸显、地方政府结合需求推动顶层设计、行业应用成为新热点的一年。接踵而来的2017年,立足于上述发展基础,大数据产业将持续发力。基于对过去一年产业发展中政府数据公开共享、应用落地、大数据与信息化分野等问题的深度思考,九次方大数据创始人王叁寿提出了十个与众不同的数据观,从中不难窥探出未来大数据产业发展的走势。
一、政府数据将成为地方政府最重要的资产
政府手里最值钱是土地和数据,数据是可以反复利用的,政府数据一旦释放,所产生的价值要比土地高太多。在一个互联网和信息化程度不断加深的时代,开放数据不只是面子工程,还能有效反映各地投资环境、信息化程度、政府开放度等问题,数据开放势必会产生新的生产力,政府数据将成为地方政府最重要的资产。
二、大数据四要素是预警、预测、决策、智能
大数据不应该是静态存在的,而是与周边数据发生碰撞和聚合,是政府或企业洞察力与行动力的体现。大数据的四要素是预警、预测、决策、智能。预警,即通过数据采集、数据挖掘、数据分析,对已经存在的风险发出预报与警示;预测,是指立足于纵向时间轴,对相对长时间内某些问题的判断形成指导;决策,是指通过所有相关数据的联动,形成基于数据和分析之上的决策或结论;智能,即当我们基于对现实问题的分析与判断,通过技术手段实现智能化的行为。四点要素从功能的角度诠释了大数据的核心,而最终实现这些功能还需要回归到大数据应用,唯有通过应用才能让大数据真正“着陆”。
三、大数据是传统信息化厂商的掘墓人
2016年是中国信息化进程的一个重要转折点,它标记了大数据与传统信息化的显著分野。传统信息化基于数据更注重查询功能,而大数据则注重信息的互通互联,可以一站式实现企业、政府需要的数据采集和数据挖掘智能分析。通过大数据,企业可以更加贴近消费者、深刻理解需求、高效分析信息并作出预判;政府则可以预测把控经济脉搏、掌握行业宏观数据进而进行预判调控等。大数据脱胎于传统信息化产业,是信息化的催化剂和助燃物,必将最终颠覆行业业态,淘汰传统厂商。
四、未来三年中国大数据70%的需求集中在政府和金融应用
去年11月,习近平总书记提出要“建设全国一体化的国家大数据中心”。大数据治国势在必行。目前,国外一些政府先行者已经在运用大数据方法提升治理社会的能力,实现政府公共服务的技术创新、管理创新和服务模式创新。大数据在公共管理领域的应用,不仅使传统难题变得迎刃而解,更是新时期应对新挑战、解决新问题的必然选择。尤其在金融行业,大数据很早在银行反欺诈工作中就有诸多体现。金融业对大数据的应用,正快速伴随着互联网金融的步伐蔓延开来。未来三年大数据发展必将主要集中于政府大数据与金融大数据之间,发挥1+1>2效应,深入纵横,迎来经济社会突破性发展。
五、政府数据的价值在于化学反应,而不是简单的物理聚合
目前,国家及省市各级出台相关政策,都在积极推动引导政府数据开放共享,数据中心遍地开花。然而并非建数据中心就能激活政府数据。数据中心仅仅实现了政府基础数据资源的存储、分类、整理,使数据资源进入规模化,却并未能充分反映数据爆发时代下的政府大数据处理与应用需求的价值。数据的价值并非静止状态的数据聚合,数据碰撞与摩擦才能释放内在价值。政府价值的释放,应该是以大数据应用为基础,以“预警、预测、决策、智能”的大数据思维,从内部对散乱的、无序的数据进行有机关联,产生融合、裂变,以此演化出颠覆式的分析逻辑,从而对落后的社会公共治理和传统行业进行重塑。
六、城市发展大数据产业应该打组合拳
发展大数据产业,需要与传统产业深度融合,培植地方新经济增长点。但对于地方政府而言,大数据产业是新兴产业,又是包含硬件支撑层、技术层、交易层、应用层、衍生层在内的一整条庞大产业链。在此情形下,城市发展大数据产业应该打组合拳,做好统筹规划、总体设计,通过一些列配套措施、有序步骤,推动大数据产业与传统多产业融合。随着政府数据信号的释放,各城市应优先发展大数据基础设施,以与市场资深大数据公司合资的方式,成立大数据公司,建设大数据平台;进而结合当地经济特色,挖掘大数据与传统产业的结合点,全局统筹,有的放矢。
七、只有数据源服务商才有资格构建大数据生态圈
大数据生态圈良性运转的重要根源,也可以说是大数据行业的起点,正是数据源。发展大数据产业,首要解决的是促成数据资源的极大丰富和开放使用,这决定了数据源服务商在产业链条上应该始终处于核心位置。数据源服务商通过对数据的处理挖掘,完成对整个生态圈发展基础的建构。这一基础的存在,驱动其他环节围绕数据源做高效运转,如服务器、硬件、软件厂商等。同时,数据源服务商掌握行业内重要的数据资源,在硬件、软件的支持下,可以针对行业设计出各类应用场景,服务于市场需求。大数据价值变现过程中,数据源始终占据重心位置,只有数据源服务商才有资格构建大数据生态圈。
八、终究有一天,大数据智能会取代搜索引擎
搜索引擎是人类生活中不可或缺的一部分,它使我们摆脱信息闭塞,更高效地帮助查询者将“人脑智能”匹配到合适的信息。而大数据,更胜一筹。大数据通过海量数据的相互碰撞,激发价值,开启“人工智能”,以远超人脑运转速度的服务器时速,自动在信息之间、数据之间建构关联,带来人类脑力尚难企及的理性分析结果,提供预测、预警,帮助人类在生产、生活中做出更明智的决策。和大数据相比,搜索引擎的本职是嫁接人脑智能和单类信息的桥梁工具,必然依赖人类手动的输入,必然受限于人脑的思维,总有一天会被大数据智能所取代。
九、大数据产业现阶段仅仅是朵浪花
当前有人认为大数据产业“过热”,事实上,大数据的潜力还远远没被释放出来。一个有热度的大数据产业,体现在大数据充分实现了对交通、医疗、教育、环保、农业等产业的升级改造,以及大数据应在社会生产、生活更广的范围内得到普及。但就目前的实际情况来讲,尽管目前大数据产业在硬件支承层的布局如火如荼,大数据中心也在纷纷建设之中,但是数据与数据的碰撞、数据价值的开发、数据价值的应用落地等等,仍然处于初期阶段。
十、不性感的大数据公司都会死掉
大数据行业天生就具备性感的基因——海量数据拥有无限再生能力,有一万种碰撞方式,就能摩擦出一万种火花;数据能够颠覆传统样本分析,无限接近于未来发展的必然结果;它既不像传统产业般需要深厚的时间积淀,也绝非“互联网”商业模式泡沫般的昙花一现。要想成为性感的大数据公司,需要以产品为导向,以技术为支撑,惊艳的产品、颠覆性创新的商业模式,以及改变世界的激情。不具备这些特质的大数据公司必将消亡。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-05在数据库数据查询、业务报表统计、多表关联分析中,LEFT JOIN左连接是使用率最高的SQL关联查询语句。其核心特性是保留左表全部数 ...
2026-06-05 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 ...
2026-06-05任何一款产品从诞生、普及到最终退出市场,都会遵循一套固定的发展规律,这就是产品生命周期理论。在市场竞争日益激烈、产品迭代 ...
2026-06-04在Excel数据分析、办公统计、业务报表制作场景中,数据透视表是数据汇总、分类统计、快速复盘的核心工具,能够高效完成海量原始 ...
2026-06-04 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 ...
2026-06-04在问卷调查与社会科学数据分析中,卡方检验是最常用、最基础的非参数检验方法,广泛应用于市场调研、用户分析、行为统计、满意度 ...
2026-06-03【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-03 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 ...
2026-06-03逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 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 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28