京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27