京公网安备 11010802034615号
经营许可证编号:京B2-20210330
现在大家都知道大数据产业有很大的发展潜力,但潜力在哪,其商业模式又是什么?实际上就在于数据商业价值的挖掘。其中阿里、京东等电商企业就很好地挖掘了大数据的商业价值,例如我们在搜索购物时,淘宝、京东商城等网站就会结合你以前购买的一些商品信息,非常“贴心”地把你也许感兴趣的内容推荐给你,从而提高网友的购物体验,这也给企业带来了丰厚的回报。
记者:现在贵州也正在大力发展大数据产业,您如何看待其商业价值?
王旭:贵州拥有丰富的水电资源和气候优势,非常适合发展大数据产业。但目前来看,贵州的大数据产业现在还处于一个起步阶段,商业价值并不明朗。这也是日前省经信委主办2014中国(云上贵州)大数据商业模式大赛的主要原因,就是希望能够借助全球大数据相关的企业和团队、业内人士、创业者和高校师生的创意,为贵州大数据产业商业价值的挖掘出主意。
此外,贵阳市日前提出全方位加速重点打造呼叫中心产业的做法也是挖掘大数据商业价值的一个明智之举。呼叫中心看似一个劳动密集型的低端产业,但它一点都不低端,它的数据收集能力是其它行业难以比拟的。其实贵阳看中的是其数据收集能力。因为只有先具备海量的收集储存,然后才能进行数据的处理和分析,这是开发和应用大数据商业价值的前提和基础。
记者:贵州发展大数据产业当前最紧缺的是什么?
王旭:平台好搭建,“人才戏”难唱。目前,国内的大数据人才主要集中在北上广等东部发达城市,而贵州的大数据人才却相对匮乏,因此贵州大数据产业发展最需要的是大数据人才的储备。因为只有配备一些精通于数据采集和挖掘的数据科学家,才能够建立高级分析模型,发现趋势和隐藏的模式,使大数据真正发挥作用。
也正因如此,今年5月,经贵州省人民政府和贵州省教育厅批准,原贵州大学电子信息学院更名为大数据与信息工程学院,成为国内首个专注于大数据人才培养的高等院校。目前,学院内已经专门设立了大数据科学与工程系,并招收了首批100名学生,分别进行信息管理与信息系统、物联网工程两个专业的培养。其中信息管理与信息系统专业偏向于数据的分析和应用,物联网工程偏向于传感器、识别设备等硬件的使用。
未来,我们还计划做三个方面的工作:一是将现有的基础性课程进修完善,并在5年内将大数据科学与工程系的学生规模发展成1000人,以适应当前贵州大数据产业发展的需要。二是与国内大数据相关企业合作建立实训基地,以便让学员中的学生能够到企业中进行“实战”,以培养学生的实际数据分析能力。三是准备与惠普公司开展大数据资质认证的培训,前期先做大数据相关院校、科研机构以及企事业管理人员的资质认证培训,后期为贵阳大数据相关企业提供大数据采集、挖掘、储存等技术培训及资格认证服务,以满足大数据产业快速发展中的人才需求。
记者:您参加了“云上贵州”大数据商业模式大赛吗?
王旭:我们参加了,主要是做中草药的课题研究。
记者:中草药和大数据也有关系吗?
王旭:中草药有很多,比如说天麻,其中很多成分都是有益的,但如果拿这些成分入药,就必须要有统一的标准。但目前来看,贵州虽然盛产中草药,但大部分都是由农民进行散种,因此我们想通过大数据的食品安全云,通过数据溯源的方法进行标准化种植。具体来说,我们会通过特定传感器检测收集其生产过程中的温度、湿度、日照、气候等数据。产品一旦能够达到标准,我们便对其种植时的数据进行溯源,并按照同样的温度、湿度、日照等进行标准化种植。这种溯源的做法,就是贵州提出的“7+n”朵云中食品安全云的一种表现形式。未来,我们还希望能把这个课题向大数据金融方向延伸,建立农产品价格信息云平台,用o2o的形式贯穿整个产业链。科技力量并不是高高在上的,其真正的伟大之处是每个人都可以受益,而我们的最终目的也是以科技的力量改善农民的生活水平。
记者:您认为贵州大数据产业的未来方向在哪里?
王旭:贵州省发展大数据产业必须要结合自身实际,走一条属于自己的创新之路。当前而言,国内三大运营商数据中心同时集中落户贵州,可谓是全国首例。因此贵州大数据产业发展的第一条路是基于数据中心,做专业化的数据收集和储存平台,让外省的企业在贵州这个平台上“跳舞”。
第二条路是结合贵州民族药、旅游业、特色农产品等传统优势产业,利用大数据技术帮助传统产业直接获取消费者对其产品的反馈,以形成真正意义上的互动沟通,帮助传统产业在营销、广告以及新产品开发等方面加速互联网化,助推传统产业转型升级。
第三条路是利用大数据进行智慧城市的建设,现在贵州大学就有很多教师在进行体检数据收集、医院医师问诊服务云平台等公共领域的研究。
第四条路是结合贵阳市在“三线建设”时期留下的工业基础,利用大数据智能识别等技术大力发展高端装备制造业,例如机器人的制造等,这在国内外都是非常前沿的应用,市场前景非常广阔。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12在数据分析日常工作中,Excel数据筛选是数据清洗、数据提取、样本筛选的核心基础操作。传统Excel手动筛选、函数筛选方式,面对多 ...
2026-08-12 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-08-12在数据分析、统计建模、数据挖掘与商业调研过程中,原始数据往往无法做到绝对干净规整。受系统故障、人工录入失误、设备误差、突 ...
2026-08-11在数据分析工作中,聚类分析是典型的无监督学习方法,核心作用是依据数据自身的多维特征,将相似样本自动划分为若干类别,实现“ ...
2026-08-11