
产学研深度融合 共掘大数据“钻石矿”
大数据是21世纪的“钻石矿”,首都北京是如何挖掘这个“钻石矿”的呢?
成立北京大数据研究院,共建清华—青岛大数据研究院,成立中关村大数据产业联盟,成立清华大数据产业联合会……北京大数据行业的频频动作,树起了“政产学研用”一体化发展的风向标。
高校云集、人才密集、政企集中,作为中国学术中心的北京,从挖掘数据,到数据的落地应用,都有着得天独厚的优势。采访团此行走进普林科技、北京大数据研究院、清华—青岛大数据研究院等,探访大数据时代下,北京在“政产学研用”方面的突破、经验。
A 厚植企业成长“沃土”
中关村软件园,这里集聚了百度、新浪、联想等众多互联网行业“大咖”。同时,也藏身着众多“小而大”的大数据企业,普林科技就是其中之一。
国家级高新技术企业、中关村前沿技术企业、2015年度中国大数据行业创新企业奖……在普林科技,荣誉墙上的各种奖章,让采访团为之一惊。没想到一个一百多平方米、几十个员工的“小公司”,竟能如此强势。
成立于2014年的普林科技,是一家应用人工智能提供行业大数据解决方案的科技公司。
“对每一个领域,我们聚焦其中的若干细长分支领域做深层次的挖掘和分析。普林科技的特色或者说优势是对领域挖得很深,聚焦核心关键问题和细分领域,提供完整的、并且能落地的大数据解决方案。” 北京至信普林科技有限公司CTO王亦伦介绍道。
国内唯一一家进驻中国人民银行征信中心做数据分析的团队、擅长数据建模,提供风控决策官、营销全能通和数据嗨客等产品,成立至今,普林科技以其业内领先的技术优势,服务了大批重要客户,如中国人民银行、招商银行、中国电信、南方电网、中国电子集团、中国普天、贵州茅台等。
从某种意义上讲,如今的普林科技已经成为细分领域的“独角兽”。
一个成立不到3年的企业,能够拥有数倍的成长速度,其战略定位等优势必然不是全部因素,而其“出生”及成长的“土壤”更值得关注。
有趣的是,普林科技快速发展的背后因素,在公司CTO王亦伦身上可见一斑。
王亦伦有着“双重身份”,他不仅是普林科技CTO,也是北京大数据研究院研发部主任。“顶天”与“立地”,这是王亦伦眼中北京大数据研究院和普林科技之间的关系。
普林科技是北京大数据研究院的孵化企业,在二者关系中,北京大数据研究院更侧重于战略层面,提供技术支撑,而普林科技更侧重于具体的落地实施。
这种“顶天”“立地”的关系,无疑是普林科技的强力后盾,是其快速发展的一片“沃土”。
B 构筑大数据科研“高地”
北京大学静园6号院,深藏于北大校园内的一个普通四合院,如今正成为中国大数据产业发展的一面旗帜。
自然语言与认知智能实验室、大数据安全实验室、京津冀大数据协同创新中心、交通大数据研究中心、空间大数据研究中心、环境大数据研究中心……采访团走进北京大数据研究院,这些不同领域的各类大数据实验室、研究中心,让人眼花缭乱。
2015年成立的北京大数据研究院,是国内首个整合了政府、大学和市场资源的大数据研究院。研究院依托北京大学、北京工业大学等机构建立北京大数据高精尖创新中心,成立股份制的技术成果转化中心,建立纯市场化的大数据创业企业孵化机制和载体,培育一批大数据领域技术创新型企业……
从大数据研究院的目标计划中,可以窥见其“政产学研用”一体化的清晰发展思路。
这个承载着诸多领域的大数据课题研究的小小四合院,有着“政、产、学、研、用”结合得天独厚的优势——置身名校,有着集中的学术资源;政府机构及大公司云集,有着集中的科技资源和数据生产能力,研发实力不言而喻……
“大数据时代面临的最大挑战是人才。目前我们在人才工作方面已经实现了一些突破,跟北京大学联合推出‘双聘制’,对于高端的科研人员,允许他同时在体制内和体制外开展科研工作,可以获得双重待遇的叠加和发展空间的叠加,帮助科研人员完成科研成果的转化。”北京大数据研究院院长助理傅毅明说。
解决了人才瓶颈,北京大数据研究院还致力于科研成果的转化。前段时间,北京大数据研究院与北京市公安局合作共建的公共安全大数据重点实验室引起了业内的广泛关注。研究院引进的一个海外博士团队,在短短的半年时间里,就研发了一套新一代的指纹识别系统,并具有颠覆性技术,目前已经注册企业独立发展。
“数据要落地,最终要靠企业作为主体来推动。”傅毅明说。在中关村管委会的支持下,北京大数据研究院成立了大数据创业引导基金,首期规模是1亿元,将为孵化项目提供启动资金的支持。
“政产学研用”的深度融合,让北京大数据研究院不仅成为大数据科研“高地”,也成为大数据应用的孵化基地。
C 搭建产学研“生态圈”
在清华大学学研大厦,清华—青岛大数据研究院没有安静的氛围,满是年轻人的“聒噪”。在这热闹的环境中,一位背着双肩包的老人“闯入”了采访团的视线——
他不时同这些年轻人热切地交谈着,俯下身子,用手打着比方……
临近约好的采访时间,采访团得知,这位老人就是我们的采访对象——清华—青岛大数据研究院执行副院长韩亦舜。而与韩亦舜打成一片的年轻人们,是一批年轻的“创客”。
魏子敏是“创客”中的一员。一年前,她的团队入驻清华数据创新基地,彼时起,便开始在这里经历思想的洗礼,步入发展的快车道。一年时间里,他们的创业项目,已从想法到产品落地,进入融资阶段,即将“破壳而出”。
“在我们的成长过程中,得到了研究院的太多支持。比如为我们提供免费的办公场所、技术支持、发展战略方向建设咨询等。一旦遇到问题,我们可以直接找韩院长等老师寻求帮助。从这里获得的各种优势资源,是我们成长的动力所在。”魏子敏说。
“大数据产业的发展应该是一个‘自下而上’的过程。”在韩亦舜看来,大数据真正产生价值,是在应用上。而清华—青岛大数据研究院的实践也证明了这个观点。
在清华—青岛大数据研究院指导下成立的清华大数据产业联合会,又为大数据“创客”提供了一个思维碰撞和资源对接的平台,促进“政、产、学、研”的良性互动。
清华大数据产业联合会办公室的黑板报上,密密麻麻的活动档期格外醒目。联合会每周都会举办大型活动,许多的需求、人才汇聚于此,话题也汇聚于此,营造出浓厚的产学研氛围。就在这一个个活动的思想碰撞中,形成了一个个帮助初创企业成长的“智库”。
在清华大数据产业联合会常务副秘书长邱东晓看来,由清华大数据研究院提供技术标准和技术支持,大数据产业联合会提供交流平台,大数据创新基地则将思想碰撞中产生的话题以及技术等落地实现,形成了良好的“产、学、研”“生态圈”。
从一个话题、一个想法,到其落地,再到发展成为企业……每一颗“种子”都落在了肥沃的大数据产业“土壤”上,汲取营养,生根发芽,长成大树。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10