
大数据融合彰显价值 跨界链接产业变革
12月7日电 5日,由国家发改委牵头组织的“中国数据创新行”主要活动——2017中国国际大数据挖掘大赛复赛在北京举行。复赛现场,来自江苏的“心脏康复大数据平台”项目正在台上为专家评委们带来精彩的路演,并博得阵阵掌声。
作为全国首个数据挖掘的国际性赛事,从今年3月赛事启动至今,已经吸引了全球19个国家和地区的万余支项目团队报名参赛。经过评委专家精心筛选,有200支项目入围复赛。据了解,大数据挖掘大赛在结束北京的复赛单元后,将在贵阳举行总决赛暨颁奖礼。
赛事评委、清华大学数据科学研究院执行副院长韩亦舜在纵览复赛项目后表示,大数据技术的渗透融合,催生了新的行业与领域,也给更多的传统行业带来了新生机。“数聚华夏 创享未来”,通过技术引领、深度融合提高实体经济发展质量,是新时期的重要探索方向,同样是本次复赛的重要主题。
数据融合 深挖“跨界”富矿
据“心脏康复大数据平台”项目负责人高锐介绍,项目通过案例大数据智能管理(Big Case)、数字心肺步行试验(DCW)、康复训练和检测设备(CTIM)等核心技术为患者提供心脏康复评估、处方、训练监测等心脏康复全流程解决方案,实现三期心脏康复的无缝对接。“我们以临床案例为基础,首创案例大数据智能管理系统,根据病人数据、健康数据自动进行分析,来提出处方建议、知识推送、服务组织,能极大程度降低失误率。”
来自深圳的“城市交通大数据在线检测与动态仿真系统”项目同样也是数据融合与挖掘利用的典型案例。项目主讲人周勇告诉记者,他们正致力于打造一个面向精细化管控和全方式智慧出行的实时在线仿真系统。系统基于移动车辆GPS、手机信令、地磁流量、视频图像等动态大数据和静态数据的多源融合,通过现实交通系统与虚拟交通系统的互动学习,以动态OD估计、中微观交通流仿真为核心,结合无人机航拍与图像识别技术对驾驶行为参数的标定,实现车道级的动态仿真与高精度的实时在线推演。目前,项目已经在深圳市福田区、新洲路和深南大道等案例中实现了深度应用。
“如何融合多元数据资源,跨越产业转型升级壁垒?这些项目给出了亮眼的答案。项目通过挖掘潜在于多种产业中的多类型数据,让大数据技术与产业发展得到深层的融合。”赛事评委、赛仕软件研究开发(北京)有限公司总经理刘政认为,多个参赛项目的出现正是我国大数据与全产业深入融合发展的具体体现。
比赛现场,各项目选手紧扣大赛主题“唤醒沉睡的数据”,从平台搭建、技术创新、数据有效利用、应用实现等多个方面,全面展现了数据融合的新前景和大数据发展的新进程。
数据挖掘是数据应用的核心,是发现新应用、创造新价值的关键,是数字经济最核心的动力,而融合则是全面激发大数据价值的最佳途径。赛事评委、TCL股权投资有限公司董事总经理游浩认为,“互联网+是大数据应用的幼年期,从技术、数据、人才、资金等资源匹配程度来看,目前大数据已经进入全面融合的新阶段探索。”
数据渗透 成为“转型”支点
多位参赛选手表示,吸引他们参赛的,是组委会提供的一系列政府开放的数据源,这其中包括14个政府开放数据平台的11600多个数据集,1600多个数据接口。“数据就是生产资源。我们的项目涉足领域广泛,得到更多领域数据的支持,才能够进一步加速应用与多领域的融合开发和完善。”
“共享开放是大数据应用的重要基础,共享的同时数据的价值也可以无限放大,通过多种形式的开发得到全方位渗透,这是数据开放的重要目的,甚至是大数据发展的重要落脚点。” 云上贵州大数据产业发展有限公司首席技术官秦晓东曾在大赛启动仪式上表示。
赛事评委、清华大学数据科学研究院执行副院长韩亦舜在分析大数据与全产业融合趋势时表示,党的十九大报告提出加快发展先进制造业,推动互联网、大数据、人工智能和实体经济深度融合,为传统行业与大数据全面融合指明了方向。本次大赛的项目从整体看,比往届赛事项目更为成熟,在数据的挖掘、分析等技术层面更为先进,尤其重视通过数据融合与渗透,在多行业多领域找到痛点解决方案或行业转型升级策略。
以此为视角,从大赛初选中脱颖而出的复赛项目不乏新颖之处。
号称“24h无人便利店”的“X空间”项目以其新颖的商业模式和便捷的购物体验吸引着各界的关注。项目负责人刘霏介绍,除了无人的特点之外,“X空间”作为线下物联网终端,将收集用户基本信息及消费数据,依靠大数据挖掘结果实现精准营销及供应链精细化管理。据了解,该项目已落地北京、长沙、青岛、汕头,并获得了市场的认可。
赛事组委会负责人告诉记者,通过赛事,引导大数据的纵向探索与全面融合,以比拼和选拔的方式,为优秀项目提供展示平台和融资机会,真真切切地为大数据行业发展做实事,是赛事的重要责任和使命。
据悉,本月晚些时候将举行2017中国国际大数据挖掘大赛总决赛及颁奖礼,这也将是“中国数据创新行”活动的收官之战。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04