
与贵阳大数据产业发展“同频共振”
当大多数人还在疑惑“贵州为什么要发展大数据”时,这家企业便已决定落户贵阳,并建起有2700余台服务器的数据中心;
当别人“以业务为主导”时,这家企业已提出以“服务为主导”,发起成立贵阳大数据产业技术联盟,聚集一批国际先进公司,致力于大数据人才培养;
当贵州大数据产业发展得风生水起时,这家企业又与戴尔、微软等知名企业联合组建大数据实验室,通过搭建开放、共享的公共实验平台和公共孵化平台,完善产业生态系统……
回顾贵州高新翼云科技有限公司在贵阳的发展轨迹,从机房建设到人才培养再到技术共享,这家企业总是在行业“领先一步”,与贵阳大数据产业发展“同频共振”,在大数据产业缺乏可供借鉴路径之时,积极为贵阳完善区域性大数据产业生态系统贡献力量,助力贵阳、贵州建成大数据产业技术高地。
看中天时地利 数据中心落户贵阳
2013年底,高新翼云的初创团队在企业总经理许宁的带领下来贵阳考察。2014年3月,贵州高新翼云科技有限公司正式落户贵阳高新区。那时,“大数据”在国内还是个新名词,很多人都还对“贵州为什么发展大数据”充满疑惑。
高新翼云在贵阳的第一个项目是建设数据中心,目标是力争打造国内一流的互联网数据中心,成为贵州乃至全国领先的应用服务及云计算服务提供商。2014年7月,高新翼云投资1.2亿元,完成数据中心一期建设,布置了216个机柜、2700余台高性能服务器。在未来几年中,高新翼云还将建设数据中心二期,机柜要达到1200个,服务器要达到12000台。
为何要将数据中心建在贵阳?高新翼云曾做过一项对比:按照1200个机柜的规模,同样大工业电价,广州为8300万元/年、贵阳为4800万元/年,每年仅电价便可节约3500万元,相当于高新翼云一期数据中心投资的15.8%,在运营稳定的情况下,加上数据中心盈利,保守估算,3至5年可利用电费节约款项再建设一个同等规模数据中心。
“贵州气候宜人、水煤资源丰富、政府政策利好,在贵州做灾备数据中心优势明显。”该企业数据中心经理樊伟焯说,目前高新翼云正在运营的216个机柜的入租率已达95%以上,仅有一个空闲的微模块留作备用。
联合行业大鳄 培养本土人才
发展大数据,贵州、贵阳具备各种自然生态资源优势,也面临着较明显的发展短板。
“其中人才缺失比较严重。”樊伟焯说,在高新翼云的技术团队中,将近一半人员来自广州、深圳等地,高新翼云未来1万台服务器大概需要10个系统管理人员,但目前只招到3个。“随着三大电信运营商100万台服务器的投入运营,贵州的数据中心仅系统管理人员就需要1000人,这还不包括其他方面的大数据人才需求。”
为此,高新翼云于2014年8月发起成立贵阳大数据产业技术联盟,聚集英特尔、戴尔、华为、甲骨文等一批产业链上的国际先进公司、教育机构和研究机构,共同在大数据人才培养上下功夫。“对大数据时代的认知、对贵州资源优势的认可、以及对人才培养的认同,是大家一拍即合的原因。”许宁说。
今年8月,高新翼云取得红帽公司在贵州地区开设课程的授权,贵州大学已有20名大四学生报名参加实训,今年10月份正式授课,实训内容包括基础架构系统、大数据分析、软件开发等。“按照规划,一年的培训规模200到500人左右,以满足贵州、贵阳大数据产业三到五年的发展需求。经过考试后,接受培训人员可取得在IT行业中极具含金量的红帽的从业资格认证。”樊伟焯说。
搭建开放平台 完善产业生态系统
在贵州大数据产业风起云涌之际,如何构建完整的大数据产业生态系统?高新翼云计划通过搭建一个开放和共享的平台,助力贵阳、贵州建成大数据产业技术高地。
今年5月27日,在贵阳国际大数据产业博览会暨全球大数据时代贵阳峰会期间,高新翼云与戴尔签署了中小企业云合作协议,共同组建“戴尔——高新翼云IT联合实验室”。目前,贵阳已将车管所3至5年的历史数据放在该实验室,供实验室进行数据的提取和研究,以开发出更多的大数据商业价值的应用。
“我们现在也与微软合作,希望通过多个联合实验室互为补充,构成一个集基础研发、测试、实验以及产业研究为一体的公共平台。”樊伟焯说,在实验室中,戴尔、微软等知名企业将免费发布自身产品的解决方案理念和软件模型,企业、创客、在校学生等均可根据发布的内容进行设计和应用研发,研发成果可立即在实验室中测试,测试完毕后如果能够满足客户需求,便可立即进入高新翼云中心企业云平台运行、销售、商用。
“这样一来就能吸引大量用户参与,以天马行空的想象力开发出形式更加多样的大数据应用产品。”樊伟焯说,作为公共平台的提供商,高新翼云不仅可以在产品出售中获得收益,还可大幅缩短自身产品市场化的周期,让企业未来的发展路径更加多元化。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03