京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据:数据源瓶颈消除在望 行业进入黄金发展期
三大要素齐推动,大数据行业站上风口。大数据时代赋予了数据新的意义,数据资产价值凸显。(1)8 月31 日国务院发布《促进大数据发展行动纲要》,对行业发展做出系统部署,由工信部主导的《大数据产业“十三五”发展规划》以及中国大数据交易标准和中国政府数据公开标准有望发布,行业发展获得政府支持和引导;(2)产业资本和一级市场对大数据行业的投资也保持活跃,估值屡创新高;(3)产业链逐渐成熟,数据源及交易平台活跃发展。预计2015 年中国大数据市场规模超过100 亿,2018 年将达到258.6 亿人民币,复合增长率达37.2%。
多国将大数据上升至国家战略层面,优秀公司不断涌现。随着行业从IT 时代进入DT 时代,大数据重要性得到广泛认同,包括美国、英国、法国和新加坡在内的各国政府纷纷将其提高至国家战略层面。行业内迅速涌现出了许多以Teradata、Splunk、Tableau 和Palantir 等为代表的数据库类、工具类和应用类公司,业绩高速增长,估值获得市场高度认可。
国内数据源匮乏问题有望解决,行业发展制约因素消失。通过比较中美大数据产业,可以看出 “数据源”匮乏是制约我国应用类公司发展的主要因素,但这一情况正在逐步得到改善。过去,中国对数据的使用并不多,而美国早已开放数据接口,发布数据开放标准,且拥有完善的法律法规和行业指导规范,使得在大数据到来之前,西方国家已经有了很多数据应用,比如在金融的风控与征信领域。就中国目前整个行业发展情况来看,数据相对比较封闭,政府数据现在还未完全开放,企业数据也相对封闭。随着各级政府逐渐开始通过与企业的合作建立数据开放平台,政府数据开放被提上议程,企业数据交易活跃发展,国内数据源匮乏的的问题正在逐步得到改善。
看好应用类公司横向纵向拓展的机会。目前国内大数据上市公司以应用类公司为主,随着政府数据公开和数据加强流通,善于在海量数据当中挖掘有价值数据的公司将占据行业领导地位,特别是本身在行业内深耕多年,具备数据源优势的公司。我们认为国内大数据上市公司未来的投资机会集中于以下两个方面:1)横向扩张 - 切入大数据应用新领域,包括政府应用、智慧交通、智慧医疗以及工业大数据领域的应用;2)纵向拓展 - 提升大数据产品能力,解决企业内部数据孤岛和碎片化现象,优秀的大数据公司不仅仅是数据集成、处理,分析平台,数据处理分析需要人的辨识能力,应关注行业的业务发展模型,具备很深的行业洞察,把人和机器的最强优势发挥出来,是大数据公司获得成功的关键。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27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