京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据将怎样改变互联网
随着大数据产业蓬勃发展,大数据技术及应用逐渐渗透、融入社会各个领域,并且推动互联网等产业加快转型升级。如何充分释放和利用大数据蕴含的巨大价值,无疑成为当下的热门议题。
传统行业“掘金”大数据
怎样给大数据下定义?“通俗地说,大数据就是量很大的数据,大到单个计算机无法处理。”工业和信息化部软件司司长陈伟此前在接受采访时介绍,目前,全球数据量每18个月就会翻倍,而由于产业链涉及数据采集、存储、分析、挖掘以及流通服务,大数据不仅改变着互联网的商业模式,而且还将重构互联网产业格局,并将人类带入互联网的全新时代。
经过多年积累,现在不少保险公司已占有大量线下数据,并圈定大批低赔付人群样本。作为互联网企业代表的百度,正与保险公司发展“深交”,通过对保险公司数据科学建模,利用人工智能算法海量计算,将这批具备相同特征的群体挖掘出来,寻找低赔付人群的准确性已超过了85%。
随着“双11”电商节临近,快递业紧锣密鼓地开始准备“迎战”。与保险行业类似,物流行业也在积极拥抱大数据。阿里巴巴利用菜鸟物流雷达预警,去年“双11”货品预测率达到90%,“双11”期间2.78亿订单仅用10天时间便已发送到位。
“因物流与商家供需信息不匹配,前年或者更早时货物送达时间甚至超过1个月,有人‘双12’还没收到‘双11’的货品……”阿里数据经济研究中心秘书长潘永花进一步介绍,结合商家销售数据和物流公司快递数据综合分析,可为物流公司提供智能物流解决方案。
伴随人们大步迈进互联网时代,各传统行业不断争相拥抱“大数据+”,云、网、端逐渐成为各行业重要基础设施体系。潘永花认为,从“端”的角度来看,除智能终端外,还有越来越多的App;从“网”角度来说,互联网、物联网、云和大数据都将是核心资源,而正是基于云、网、端的基础,才有了“互联网+”各种行业的化学反应。
巧用数据资源释放大能量
有人说,“IT”代表着过去,“DT”才代表着未来。这里所说的“DT”正是指的数据技术。也就是说,当下大数据核心技术成了诸多产业的发展驱动力。“人们逐渐意识到,数据是推动产业发展的动力,也将为今后各行业提供全新服务。它不再仅是业务的附属品!”Teradata天睿公司大中华区副总裁姜欣表示。
根据大数据产业发展需求,不少互联网企业不仅巧用大数据助力自身发展,而且也尝试逐渐向外界开放数据资源,推动传统企业在“互联网+”的大潮下转型升级。
“大数据与行业数据融合,可以产生‘核聚变’,迸发出新能量。”百度公司高级副总裁王劲告诉记者,百度正通过大数据技术识别各类目标客群,进行多维度分析客群搜索趋势、搜索行为、兴趣偏好,助力企业了解行业趋势、加强用户洞察、提升营销效果;此外,系列数据资源还能为网上舆情提供实时监控分析。
王劲介绍:“随着互联网用户趋于交互方式寻找服务需求,百度大数据预测未来5年使用语音、图像来表达需求的比例将超过50%。百度在语音识别、图像识别、自然语言处理等前沿技术领域,正在有针对性地进行重点突破。”
从政府角度看,如果能盘活政府机构大量数据资源,将更有利于融合并利用外部智慧,提升政府公共服务创新能力,提升社会运行效率。“政务大数据可让公众、企业深入参与政府治理,使政府与公众充分互动,实现政府对公众服务的精准化、个性化,使政府从单纯的管理角色向多元共治方向变革。”潘永花说。
大数据瓶颈消除在望
“目前,大数据产业发展主要遇到的障碍是数据的共享与互通,以及如何保障数据安全。”百度有关负责人表示。
潘永花坦言,目前我国大数据人才缺口大,相关的创新创业人才有待培养,而且我国也缺乏像发达国家一样的“大数据国家战略”以及“开放政府政策”,在标准、规范方面还存有各自为政的尴尬。
陈伟指出,国务院印发的《促进大数据发展行动纲要》提出要“加快政府数据开放共享,推动资源整合,提升治理能力”,此举不仅开启了数据共享的大门,而且也对各行业、各企业间进行数据互通起到引导示范作用,将有利于打破数据共享互通中的发展障碍。
同时,数据安全、数据共享等话题同样备受关注。“这是一场‘革命’,将对各行各业带来深刻影响,甚至改变我们的思维方式,但同时它也引发‘数据暴政’的担忧……”牛津大学教授维克多·梅耶-舍恩伯格在《大数据》中的这句经典话语,曾被业界津津乐道。
为保证数据安全,技术层面不容忽视。“从大数据存储、应用、管理以及隐私保护等方面应层层把关,有针对性地应对安全威胁。”王劲告诉记者,目前,百度综合采用随机干扰、散列、K-匿名、泛化等多种隐私保护手段,对用户数据实现了完全的数据脱敏处理,再供应业务方和合作伙伴进行使用,防止用户隐私泄露。
有人时常提及,“数据安全三分靠技术,七分靠管理”。潘永花对此也深表认同:“从运营管理层面上说,互联网企业须对数据安全有严格规范标准,建立数据安全保障策略以及各项应急机制。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27在CDA(Certified Data Analyst)数据分析师的能力体系与职场实操中,高维数据处理是高频且核心的痛点——随着业务场景的复杂化 ...
2026-03-27在机器学习建模与数据分析实战中,特征维度爆炸、冗余信息干扰、模型泛化能力差是高频痛点。面对用户画像、企业经营、医疗检测、 ...
2026-03-26在这个数据无处不在的时代,数据分析能力已不再是数据从业者的专属技能,而是成为了职场人、管理者、创业者乃至个人发展的核心竞 ...
2026-03-26在CDA(Certified Data Analyst)数据分析师的能力体系中,线性回归是连接描述性统计与预测性分析的关键桥梁,也是CDA二级认证的 ...
2026-03-26在数据分析、市场研究、用户画像构建、学术研究等场景中,我们常常会遇到多维度、多指标的数据难题:比如调研用户消费行为时,收 ...
2026-03-25在流量红利见顶、获客成本持续攀升的当下,营销正从“广撒网”的经验主义,转向“精耕细作”的数据驱动主义。数据不再是营销的辅 ...
2026-03-25在CDA(Certified Data Analyst)数据分析师的全流程工作中,无论是前期的数据探索、影响因素排查,还是中期的特征筛选、模型搭 ...
2026-03-25在当下数据驱动决策的职场环境中,A/B测试早已成为互联网产品、运营、营销乃至产品迭代优化的核心手段,小到一个按钮的颜色、文 ...
2026-03-24在统计学数据分析中,尤其是分类数据的分析场景里,卡方检验和显著性检验是两个高频出现的概念,很多初学者甚至有一定统计基础的 ...
2026-03-24在CDA(Certified Data Analyst)数据分析师的日常业务分析与统计建模工作中,多组数据差异对比是高频且核心的分析场景。比如验 ...
2026-03-24日常用Excel做数据管理、台账维护、报表整理时,添加备注列是高频操作——用来标注异常、说明业务背景、记录处理进度、补充关键 ...
2026-03-23作为业内主流的自助式数据可视化工具,Tableau凭借拖拽式操作、强大的数据联动能力、灵活的仪表板搭建,成为数据分析师、业务人 ...
2026-03-23在CDA(Certified Data Analyst)数据分析师的日常工作与认证考核中,分类变量的关联分析是高频核心场景。用户性别是否影响商品 ...
2026-03-23在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19