
贵阳市大数据产业快速发展 上市公司加速布局
8月14日,中国财富传媒集团举办的“投资中国·贵州行”大数据考察小组对贵阳市大数据产业相关项目进行考察。据介绍,贵阳发展大数据的三个主要方向分别是数据共享开发、大数据安全和区块链应用。
本次参加大数据考察小组的上市公司包括洋河股份、大庆华科、贵州茅台、骅威文化、柏堡龙等。其中,多家上市公司正加速布局大数据产业。业内人士认为,大数据加速传统经济转型升级,结合各行业的大数据分析,上市公司业务布局将受助力。
大数据产业快速发展
随着各国大数据战略实施,全球大数据投资保持高速增长态势。目前,全球大数据投资主要发生在美国、欧洲、亚洲等主要区域,美国仍将排名靠前,将占到37.22%,中国紧随其后,占比为 20.3%。
近年来,政策红利助力大数据产业快速发展。2015年,国务院印发《促进大数据发展行动纲要》,各类资本大量进入互联网、大数据等新经济领域。2015年超过50家大数据公司进行融资,总融资金额超过50亿人民币,2016年上半年,发生了22起大数据相关的融资事件,大数据各细分领域中,应用类获得融资占比达81.1%。
根据贵阳市此前发布的《贵阳市大数据精准招商规划(2016—2020)》,贵阳市将引进15家以上大数据领域的世界500强企业,引进30家以上大数据领军企业,引进100家以上有竞争性的大数据骨干企业,培育5000家以上大数据创新创业企业,引进20家以上大数据智库,形成三类业态协同发展的大数据产业生态体系,打造出大数据全产业链。
本次大数据考察小组考察的贵州货车帮科技有限公司近来获资本热捧。货车帮副总裁赵强在接受中国证券报记者采访时表示,尽管目前公司营收仅有数千万规模,但公司已完成B轮融资,估值10亿美金,目前正在进行B+轮融资。
据了解,货车帮已经获得了多轮融资,投资人包括腾讯、高瓴资本、钟鼎资本、DCM中国、元生资本、全明星基金、国际金融公司(IFC)、百度资本等。
“目前,有包括阿里在内的多位资本方在接触我们,这一轮融资的投后估值还没有最后定。” 赵强介绍,货车帮目前的运营逻辑是:以现有资源先做到行业第一,再考虑变现的事情。公司未来的变现模式包括会员费用、交易金额抽成、增值业务等。
数据显示,截至2017年4月底,货车帮注册会员车辆达370万,注册货主会员达63万,平台日发布货源信息达500万条,日促成货运交易超13万单,日成交运费超15亿元。该公司已有2500名员工,并在全国360个城市建立了1000家直营服务网点。
贵阳大数据瞄准三大方向
根据贵阳市此前发布的《贵阳市大数据精准招商规划(2016—2020)》,到2020年,贵阳市大数据产业当年完成投资额达到300亿元以上,实现大数据产业产值规模1600亿元。
在本次大数据考察项目中,贵阳市相关人士介绍,贵阳发展大数据的三个主要方向分别是数据共享开发、大数据安全和区块链应用。具体看,贵阳市以数据共享开放重塑大数据生态,以大数据安全保障网络空间治理,以区块链引领信息技术创新、共建社会互信机制。
据《2016年中国大数据交易产业白皮书》预计,中国大数据产业市场规模2020年将达13626亿元,其中大数据交易545亿元。对此有业内人士分析认为,在合法的数据隐私保护条例下,未来大数据会作为国家与社会的重要资产,将诞生一个万亿级别的交易市场。
据了解,贵阳大数据交易所在国家大数据政策的推动下以市场化方式运作,在中国大数据交易领域已是领军者。贵阳大数据交易所相关人士表示,随着数据交易迸发的巨大价值越来越被认可,为满足市场竞争中迥异而迫切的信息需求,贵阳大数据交易所的交易量和交易额必将再获双重提升。因交易所所交易的数据产品,源于不同行业领域,且为通过数据脱敏、清洗、分析、建模后安全的、可交易的数据产品,其涵盖种类丰富,应用领域广泛。
当前,大数据正在成为“新经济”的新引擎,提供强而有力的经济新动能,已上升为国家战略。贵州省日前发布了2017年大数据十大工程,其中拟定了贵阳大数据交易所年度发展目标:交易会员达到2000家,交易规模累计3亿元以上。
相关数据显示,截至2016年9月1日,贵阳大数据交易所交易额累积突破1亿元,交易框架协议接近3亿元,已发展华为、阿里巴巴、京东等企业会员500多家,可交易数据产品接近4000个。
本次参加大数据考察小组的上市公司包括洋河股份、大庆华科、贵州茅台、骅威文化、柏堡龙等。其中多家上市公司正加速布局大数据产业。
骅威文化董秘刘先知在接受中国证券报记者采访时表示:“大数据对我们也很有帮助,我们拍电影拍电视都用得上。”他表示,其对于贵州的大数据建设有一定了解,但是了解不是很多。
业内人士认为,大数据加速传统经济转型升级,结合各行业的大数据分析,上市公司业务布局将受助力。
柏堡龙董秘江伟荣在接受中国证券报记者采访时表示,公司时尚生态圈平台正在加速构建。
据了解,柏堡龙集设计、供应链、销售渠道为一体的时尚设计生态圈对接设计师与渠道及供应链,在解决目前困扰设计师的“打版”、“面料”以及“供应链+销售渠道”三大方面问题的同时,通过自营门店及向时尚买手店等销售渠道销售产品的方式,满足了当下消费者对个性化服装的需求,为设计师实现了变现闭环。目前该平台已经逐步落地,各项工作正有条不紊地推进。
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在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09