
挖掘DT时代“新原油” 成都加快布局“大数据”
日前出炉的成都“产业新政50条”明确提出,要强化数据资源支撑,推进数据资源的开发利用。搭建全市统一数据交换共享平台,提升政务数据共享应用水平。企业和社会机构面向行业应用构建专业大数据服务平台,主动采集、加工并开放数据,形成以数据平台为核心的产业加速器,可按平台投资额30%给予最高300万元一次性补助。国内外行业领先企业来蓉开展数据业务、发展大数据产业的,产业部门按重点项目帮助企业协调数据资源……
大数据就是现代“新原油”。从it时代走向dt(数据处理技术)时代,大数据到底在怎样改变我们的生活?在大数据从概念渗透转向应用发展的当下,中国大数据发展情况怎样?世界各国在大数据领域如何布局?而正在加快建设全面体现新发展理念的国家中心城市的成都,其大数据发展又是怎样的场景?
前沿故事
大学教授“变身”创业者
探索大数据发展的“成都模式”
“假如按照经验,一个刀具可以切割300个手机壳,每当切割到300个手机壳时,刀具的使用寿命就结束了。而利用大数据我们发现,有的刀具只能切割280个手机壳,有的刀具则可以切割330个手机壳。大数据的价值就在于,通过合理的算法对大量的刀具数据进行加工,计算出每个刀具的使用寿命,而不是像以往那样 一刀切 ,从而节省成本,让每个刀具都 物尽其用 。”上周,在成都数之联科技有限公司董事长办公室里,傅彦深入浅出地给记者“普及”大数据知识。
有意思的是,2012年才正式成立的数之联,是由一群大学教授创办的。作为电子科大教授、博士生导师的傅彦就是其中之一。而另外一个不得不提的创办者,则是电子科大“80后”最年轻教授、中国大数据领军人物的周涛。长期从事数据挖掘、看到巨大社会需求的他们,带着引领大数据产业发展的初衷,化身创业者,为政府、企业挖掘数据背后的“宝藏”。
为众多知名企业提供解决方案
“我们长期从事数据挖掘工作,也意识到大数据的广阔前景。如何将科研成果用以解决实际问题?如何从这些数据中挖掘出有价值的信息,从而对企业发展起到帮助作用?带着这些问题,2012年我们创办了数之联。经过前期的孵化和技术准备,2013年3月正式运行。”回想起公司创办之初的情形,傅彦如数家珍地告诉记者。
虽然公司成立仅5年时间,但得益于良好的政策支持和自身强大的科研实力,数之联已经先后服务了阿里巴巴、腾讯、中国联通、工商银行、五粮液等众多知名企业。傅彦向记者举例说道,“2015年,我们开始与五粮液合作,致力于生产线的优化和设备运行情况监测。在以往的生产过程中,何时加水、加原料都是靠经验,不同的人经验也不一样。这样一来,高质量酒的产量就比较有限。而根据他们生产过程中产生的大量数据,我们通过大数据手段加以分析,就可以得出最佳加水、加原料的时间,从而提高高质量酒的产量。此外,生产设备的使用寿命也可以通过大数据来预测。设备的损坏往往不是一瞬间的事,而是一个渐进过程,这一点很难通过肉眼发现。通过大数据的精准分析,我们可以预测一个设备大概什么时候坏,从而优化生产线,降低运营成本。”
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