
政府正探索大数据服务企业
9月29日,佛山市经信局举办专题直播访谈节目,聚焦“大数据”话题。在当天的访谈中,佛山市经信局相关负责人认为,大数据时代冲淡了行业间的界限,佛山的信息服务业正迎来很好的发展时机,强调接下来将继续加快佛山制造拥抱大数据。
应用大数据关键在思维不在技术
“大数据隐含了很多本来就存在的东西,小数据的时候它反映不出来,一定量以后它能够把规律含在里面。”佛山市经济和信息化局总工程师马力认为,基于大数据隐含了许多规律的价值,大数据已经成为了一种资源,而这种资源决定了它是不可忽视。
在意识到大数据的价值后,对于如何利用大数据来推动社会经济发展,马力认为,做好数据的对外开放是重要的一步,其中政府的数据开放是一个核心的环节。
对此,佛山市经信局产业投资服务办公室副主任刘炯也认为,对于大数据来说,现在技术已经不是问题,关键还是在于思维。“大家是否愿意把数据共享出来,开放出来,解决思维的牢笼。”刘炯认为,这是直指核心的问题。
而对于佛山来说,也需要经历同样的阶段。马力认为,对佛山而言,信息化已经具有大量数据的阶段,而且这些数据也正逐步的走向开放、互通和融合使用,包括佛山的企业和行业数据,机遇各种需求,也将往开放的方向发展。
制造业是优势佛山信息服务业将迎机遇
但对于向来信息服务业相对较弱的佛山,目前的发展情况能否及时拥抱大数据?
马力坦言,佛山作为在珠三角,乃至整个广东省制造业发达的地区,确实存在信息服务业和软件业发展相对较弱的问题。但她强调,“大数据时代,大、小、强、弱行业之间已经没有这种明显的界限。”大数据的出现,反而是给佛山带来了机遇而不是困难。
她认为,信息服务业是建立在实体经济的基础之上,对于佛山发展了三十多年的制造业而言,制造业发展尤其是转型升级以后的制造业发展对信息服务的需求非常迫切和庞大。而这样的需求将为市场创新服务提供足够的发展空间。
在认清佛山制造业发展大数据优势的同时,对于佛山市政府接下来将如何推动佛山制造业与大数据的融合上,刘炯表示,接下来一方面将继续加快政府数据的开放和共享;另一方面也将推动大数据相关的产业发展,让相关产业渗透到佛山制造业中。
另外,尽管佛山市政府目前没有直接制定专门针对大数据方面的政策。但马力表示,政府在这方面已经开展了工作。包括目前每年佛山的科技发展专项扶持政策,通过这个专项政策,将对佛山信息技术发展起到引领的作用。
马力还透露,“目前相关部门正在探索如何让政府的数据逐步为企业服务,让企业在数据基础之上做一些创新,提供一些数据服务。”为此,她现场呼吁能有更多的软件企业与政府部门进行交流,为推动佛山制造更好地拥抱大数据,提供好的点子。
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