
“云端”发力做大做强大数据产业基地
近年来,桐梓县按照打造贵州大数据产业人才培训基地、遵义大数据应用产业基地、渝遵大数据产业合作基地、桐梓大数据云应用基地“四大基地”的总体思路,以大数据重点项目为抓手,抢抓机遇、攻坚克难,使桐梓大数据产业呈现出良好的发展态势。截至2017年4月底,大数据企业已发展到8家,大数据及相关产业总产值超过2亿元,大数据成为桐梓跨越发展的内生动力。
贵州朗盛科技股份有限公司、贵州娄山云计算有限公司、甲骨文(ORACLE)公司,作为桐梓的代表企业出展了2017中国国际大数据产业博览会。
大数据产业培训基地推动就业
夏日,笔者走进桐梓娄山关高新区,一栋栋排列有序的标准化厂房,一条条宽敞整洁绿树成荫的主干道相互交错,一条清澈的河流蜿蜒其间静静流淌。甲骨文(贵州)OAEC人才产业基地正在开展中、高端大数据人才培训。
2016年1月,世界500强、全球大数据行业的领军企业甲骨文公司落户桐梓,在该县建立甲骨文(贵州)OAEC人才产业基地投入运营,并与贵州师范大学、遵义师范学院、遵义职院、毕节职院等省内十多所高校开展校企合作,共同培养大数据领域专业人才、共建大数据实验室、共同招收大数据相关专业学生。目前已在基地成功举办大数据专业领域人才培训共9期500余人,毕业学员已全部实现就业。
2016年2月,该县还在桐梓职校率先举行省内提倡的“大数据+大扶贫”战略有机融合的大数据客户服务培训,来自建档立卡贫困户家庭的121名学员参加培训,培训合格的学员已全部推荐到渝遵大数据服务外包示范园就业。
“在桐梓华唐大数据产业发展有限公司上班,不仅有工资,还可以提高计算机操作水平和普通话水平,更好地学习与他人沟通交流的方式。”通过桐梓职校培训后,在桐梓华唐大数据产业发展有限公司上班的松坎镇三元村光明组21岁的张静高兴地说。
甲骨文(贵州)OAEC人才产业基地与桐梓职校开展的大数据专业人才培训,实现了大数据领域高、中、初级人才培训的全覆盖,为桐梓县乃至省市大数据产业的发展,提供了必要的人才保障。
大数据应用产业发展如火如荼
来到渝遵大数据服务外包示范园,只见服务员们纷纷在接听滴滴打车等服务电话,忙得不亦乐乎。2015年3月,桐梓县政府与北京华唐集团签署了《渝遵大数据服务外包产业园示范项目合作协议》,该项目总体规划为10000席呼叫能力及其配套设施建设。2015年7月,该项目一期1000席建成并投入运营,目前正承接滴滴代驾、滴滴出行、中国移动、中国人寿等方面的呼叫服务外包业务。
2016年4月,桐梓县与深圳富盛通通信设备有限公司签订了发展大数据服务外包产业的合作协议,该项目规划为1000席呼叫能力建设,一期300席呼叫坐席建成并投入运营。该县还依托娄山关高新区25000平方米孵化器大楼建设的贵州娄山关大学生创业园(众创空间)大力推进大数据、智能制造等领域的创新创业,如今已有38支创客团队入驻,其中“教学机器人研发与教学服务”团队在第二届“中国创翼”青年创业创新大赛遵义分赛暨遵义市第四届“青春遵义激情创业”创业设计大赛中获第三名。众创空间获省中小企业局“大众创业万众创新示范基地”授牌,入驻的创客团队已申报发明专利18项,软件版权著作1项。
桐梓县还与重庆市经信委对接,探讨如何共同承接新加坡离岸呼叫中心项目转移到高新区,共建渝遵大数据产业合作基地,并正积极与中国“西部声谷”重庆永川区对接洽谈,拟转移部分呼叫服务外包项目入驻渝遵大数据呼叫服务外包示范园,共同发展、借梯登高。
大数据多领域应用便民利民
去年3月,由广东省深圳华旭科技开发有限公司及贵州省娄山关高新区共同建设的国家智慧水务云计算中心(娄山云)正式签约落户该县。该项目规划总投资10亿元,重点建设大数据计算存储中心、研发中心、方案解决中心、运维及技术支持中心以及国家级大数据实验室,预计经过3-5年的努力,打造成市值超过100亿元的国内大数据行业领军企业。
目前,娄山云数据中心机房及娄山云云应用展厅已建成投入使用,正开展与之相关的高端智能水务终端设备制造,形成“云+端”的产业集群,打造国家智慧城市智慧水务“云+端”产业基地。
“智慧水务投入使用后,市民再也不用每月排长队交水费。只需安装一个手机APP,便可通过手机支付,在手机上还可了解所饮用水的质量是否安全,还可查到自家用水的情况,省事又省心。”娄山关高新区党工委副书记、管委会副主任龚光林说。
据了解,桐梓自来水公司每年因管网漏损造成的损失在400万元至500万元,智慧水务投入使用后,什么地方漏水,系统便会自动报警,维修工人在手机上一看便知道精确位置并可立即进行“靶向”修理,既省时又省事,大大降低自来水的漏损率。
随着娄山云的建成并投入使用,越来越多“云上”的大数据应用将在桐梓落地,智慧城管、智慧医疗、智慧旅游、智慧社区等“接地气”的大数据应用将为老百姓的生活带来真正便利与实惠。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20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