
看“大数据”未来如何改变人们的生活
“大数据”到底是什么,将会如何改变我们的生活?今日,我们将以“智慧城市”为切入点,看看“大数据”将为我们的生活带来哪些便利。
“数据”融入城市 能“预测未来”
去年8月,贵阳、遵义等五个城市(县)入选了住建部公布的智慧城市第二批试点名单。而作为智慧城市项目的领军企业,神州数码的智慧城市战略布局已经在全国近70个城市展开。
智慧城市的核心,在于数据信息的融合和共享。神州数码副总裁谢耘认为,如同水电气一样,“数据”也将成为人们生活中不可或缺的元素。智慧城市就像一个好学的学生,不断汲取着方方面面的数据信息,通过这样的“学习”不断升级,能让生活在其中的人们感到更简单舒适,也能“预测未来”,为城市管理人员提供决策依据。
智慧城市是个很宽泛的概念,谢耘介绍了其中一种应用场景:当你患上流感到A医院就医,从挂号开始到恢复健康,期间诊断的全部数据信息将会被上传到系统,下次去B医院时,过往的数据将呈现在新的医生面前,对哪些药物过敏、什么治疗手段最有效等信息一目了然,让医生可以更好地对症下药。同时,这一次的诊疗也将被计入系统,成为下一次看病的依据。
而当个体的数据汇聚起来,样本数据达到一定量级后,城市的未来便可以预测,通过对各医疗机构上传的数据汇总、挖掘、分析,政府将能准备预判每年流感来袭的时间、规模,并能形成应急机制,提前囤积分配药物、向市民发布宣传提示,把疾病带来的风险和影响降到最低。
信息服务平台 减少办事流程
不仅是医疗,智慧城市还覆盖了市民卡、市民服务平台、肉菜溯源、智能交通、智慧旅游等城市生活的方方面面。在国内某些地方,它正在逐渐变成现实。
从去年10月开始,张家港市的市民只要登录市民公共信息服务平台,再输入身份证号和密码,不出门即可享受到公积金、社保、医保等240余项“在线预审”和130余项“网上办事”服务。与传统的“一站式服务”窗口不同,张家港的公共信息服务平台,通过大数据和云计算的完整应用,对原本由数十个各自独立、互不相通的政府部门单独运行的数据库进行了整合。对市民来说,无需再为政府各部门职能分工和复杂的办事流程苦恼,只需在网上提交自己办事的目的,就可以坐等结果,不但不用跑腿,而且办事时间最少可以节省一半以上。
在福州市,从去年12月开始,通过独有的“市民融合服务平台”,市民可以随时为政府支招。只需在手机里下载一个软件,随手拍下不文明行为,照片将自动附带上拍摄时间和地点,传送到系统。而在平台另一端,政府能获取到海量真实的城市运行数据,通过大数据运算,将市民呈报事件将分类呈现,形成分布图,快速了解问题的分布趋势和严重性,确定处理工作的先后次序。并可根据统计数据,设计出预测性的城市管理措施,消除各类隐患。
IT技术越透明 生活更便利
据神州数码副总裁谢耘介绍,这些平台的后台是云计算、移动互联、物联网、大数据等新兴热点信息技术,前端则是电脑、智能终端、有线电视等各种便民渠道。他认为,IT技术更透明、更开放的特质,能加快城市各种信息的融合,让工作生活在城市中的政府、市民、企业得到更大的方便。
作为神州数码“智慧城市”业务的总负责人,在他的规划下,神州数码的智慧城市战略布局已经在全国近70个城市展开,并与10多个城市签订了战略合作框架协议。作为西部省会城市,贵阳也进入了“神州数码”的视线。谢耘表示,智慧城市的本质是对数据的智慧处理,大数据是智慧城市的核心资源。随着三大运营商的南方数据中心在贵安新区的落地,贵阳拥有庞大的数据中心存储和云计算能力,会吸引大量相关企业聚集,再加上贵阳建设“智慧城市”的自身需求,贵阳的大数据和云计算行业发展潜力不可估量。
智慧城市城市的虚拟镜像
“通过IT技术,把城市变成各方能平等参与、公平分享的幸福家园。”这是谢耘对智慧城市的定义,而支撑这个梦想的,是由神州数码核心研发团队构建出的城市虚拟映像系统。
通俗的说,这个系统将抽取城市中的主体,例如生活在其中的自然人的各种数据,在系统中建立一个虚拟人模型,这个虚拟人将是自然人在网络上的镜像,它包含了你的身高、收入、伤病史、社会关系等各种信息,千千万万个虚拟的人,就组成了一个虚拟的城市,和我们生活着的真实城市同步运行。
谢耘表示,这一架构的优势在于城市的虚拟映像是稳定的,而城市服务的需求是多样的,构建这样一个稳定的城市虚拟映像,就可以随时根据需求,开发出不同目的、不同主体的公共信息服务应用。在具体使用中,根据不同的需求,系统将会进行数据清洗和关键数据抽取,例如在进行统计城市居民平均身高和饮食习惯的关系时,就可以只保留这两项数据,然后重新形成一个人的数字映像关系,以尽可能提高云计算的处理能力,减轻数据库的存储负担。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30