京公网安备 11010802034615号
经营许可证编号:京B2-20210330
运营商刚挖到大数据宝库的皮毛
人来人往的展馆中究竟有多少人驻足展台?大数据可以告诉你。本届展会上,中国电信展出了大数据能力可视化系统,通过采集电信运营商及政府公共服务部门现有的各类数据,利用大数据分析手段,对人流密集程度进行动态监控,对可能出现的人流高密度聚集风险采取事前预警、事中处置和事后分析,并对特定区域人流情况提供专题分析报告。同时展出的个人征信评分产品,通过大数据分析,让一个电话、一纸通信账单都成为用户信用的参考依据。
“其实,电信运营商拥有非常优质的数据,但是这些数据的价值仍未被充分挖掘出来。”中国信通院技术与标准研究所移动与大数据研究部副主任魏凯对《人民邮电》报记者表示:“用户数据经过脱敏加工、合理使用,可以做到隐私不泄露,希望各界都能给电信运营商一个更为宽松的环境,让这些数据得以‘解冻’,而当这些数据得以很好地应用时,真正受益者将是用户。”
必须抓住大数据机遇
本次展会上,很多企业并没有把大数据作为展示重点,魏凯认为,一方面是因为大数据“躲”在很多应用的背后;另一方面,大数据类的产品和解决方案目前仍不是企业利润增长的重要来源,但是从长远来看,大数据大有可为。
今年以来,国内大数据政策的环境不断完善。1月初,国务院《关于促进云计算创新发展培育信息产业新业态的意见》提出要“开展公共数据开放利用改革试点”,重点在公共安全、疾病防治、灾害预防等领域开展应用示范。随着今年8月国家大数据政策颁布,大数据产业正式上升为国家战略发展地位,各部委也制定落实大数据在各层面的实施管理推动工作。
魏凯介绍,大型互联网企业引领大数据应用前沿,腾讯、阿里、百度等,不仅在社交、电商、广告、搜索等业务上越来越深入地使用大数据技术,还以大数据作为核心引擎发展金融、打车、医疗、教育等跨界应用,推进“互联网+”发展。
电信运营商也在积极推进自身数据整合,深化大数据在客户细分、经营分析、反欺诈、征信等方面的应用。中国电信展出的大数据能力可视化系统就能实现智能交通、舆情分析、电商精确营销、精准广告、金融评估、位置OTO等深层次应用服务。
魏凯表示,BAT等互联网企业在大数据领域的来势汹汹,也为电信运营商敲响警钟,电信运营商的数据活性很高,但同时也意味着变化很快,电信运营商必须抓住机遇。
政府可带头使用大数据
对于大数据产业发展的突破口,魏凯表示,政府的示范带动作用非常重要。他介绍说,英国、澳大利亚、日本等国政府都带头在公共服务领域率先使用大数据。“一方面,政府拥有非常丰富的数据资源;另一方面,政府需要运用大数据来提升治理效率。”
魏凯进一步解释说,具体而言,首先是重点面向提升政府治理能力、改善民生服务和城市治理等方面,通过政府向社会开放数据、加强与社会企业和组织的数据合作、向社会购买服务等方式,积极推动环保、医疗、教育、交通等关键领域的大数据整合与集成应用,进一步提高政务和公共服务效率。其次是在政府数据开放基础上,在跨行业大数据应用方面出台推动政策,打破行业壁垒,促进互联网、电信、金融、制造等数据资源丰富和信息化程度较高的行业企业与其他行业开展大数据融合与创新,带动全社会大数据应用不断深化。
除了政府带头使用大数据,魏凯认为还需大力发展自主可控的大数据技术体系。“要把大数据获取、海量数据存储管理、分布式实时计算、新型数据仓库、人工智能与机器学习和大数据安全等大数据关键技术,作为信息领域技术研发的重心。”对此,魏凯建议,机制上可重点依托百度、腾讯、阿里巴巴、华为等技术实力好、产业化能力强的龙头企业,突出应用带动技术创新的一体化组织形式,把自主创新与开源运动有机结合,着力打造自主可控的平台级大数据服务和软硬件产品,逐步实现大数据核心技术的自主可控。政策措施上要综合采取科研专项、政府采购、人才和税收政策优惠等措施,对企业开展前沿技术研究给予充分激励。
对于数据资源相关法律法规建设,魏凯建议,一是要围绕个人隐私、商业秘密、知识产权、国家安全等范畴,在数据采集、管理、流通、应用和安全等环节梳理研究现有法律法规的缺陷,提出制修订意见。二是要加快研究制定《数据跨境流动管理办法》,对跨境数据流动做出分级分类规定,保护数据主权。三是尽快启动数据资产管理相关制度的研究工作。四是引导行业组织制定数据流通规则,规范不同主体之间数据的交换共享活动。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21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