京公网安备 11010802034615号
经营许可证编号:京B2-20210330
避免大数据产业招商低端庸俗化
2015年,全国各地一批大数据产业园、数据中心建立,各地也在争建大数据交易所,大数据产业进入真正落地的元年。同时,工信部也正在研究编制大数据“十三五”产业发展规划,引导产业发展。
围绕大数据产业链和地方如何布局“大数据产业”,21世纪经济报道记者采访了参与大数据产业“十三五”规划制定的中国电子信息发展研究院电子信息产业研究所所长安晖,他认为,大数据的分析挖掘服务是产业核心中的核心,也是最具有商业价值的一部分。
他建议,地方政府不应该盲目夸大引入数据中心的作用,还是要优先引进以数据分析挖掘为核心业务的大数据产业体系,而不是把一些附加值较低的产业作为重点;其次,还是要做需求导向的招商引资,要和当地经济社会发展的实际情况相符合,要让大数据能够在当地实现价值。
大数据分析挖掘服务企业成长性好
《21世纪》:有人说大数据是未来的石油,发展大数据的价值在哪里?这些价值如何实现?市场对大数据的认可程度如何?
安晖:孙子兵法说,多算胜少算不胜。拿什么去算?其实就是靠信息,而数据就是信息的表现。掌握的数据越多,在处理能力与之匹配的条件下,对决策往往也就越有帮助。从大量数据中发掘出有用的信息,以及信息之间的关联关系,这是大数据的核心,也是大数据商业价值的最高端。
在这里我们可以把数据和信息等同,大数据产业对信息的加工就是对知识的加工,这实际上是知识经济的一种形式,知识经济的成果是非常有价值也非常容易变现的。市场对大数据的认可程度非常高,因为实际经营中企业需要这样的有用信息。
从数据的生命周期来说,可以将大数据企业分为数据的采集、整理、存储、分析挖掘和数据应用这几个部分,应用里包括数据的可视化。在这个生命周期里,每个方面都会涉及相应的软件、硬件开发和服务。数据的分析挖掘服务是产业核心中的核心,也是最具有商业价值的一部分,其他的可能跟传统的IT行业没有区别。
《21世纪》:你觉得目前国内整个大数据产业链上达到比较高产值的企业有哪些?有没有一些代表性的企业?
安晖:大数据行业的核心是数据的分析和挖掘,这实际上是一种智力型服务。过去为了提供一个完整产业链,往往把软硬件的研发生产、数据收集等行业都加入到大数据产业中去了,这就使得大数据产业的概念广了很多,不用发展大数据产业也有很多规模非常大的企业。需要注意的是,如果大数据产业发展的核心比如数据分析挖掘、可视化呈现,包括大数据应用的增长上不来,这样的规模毫无意义。我们认为这是一种大数据产业的“庸俗化”:产业链上肯定有低端的和高端的环节,做不了有知识性和服务性的高端环节,转而做低端环节,这实际上是产业的低级化发展。
从纯粹的大数据企业角度来说,国内现在确实有了一批专业从事大数据分析挖掘的服务型企业。可能短时间内其中还没有规模特别大的,但这批企业的成长性都非常好。
《21世纪》:现在国内企业的责任分工上下游关系是否清晰?或者都是数据的收集、储存、分析和应用一把抓?
安晖:大部分还是比较清晰的。比如我们和发改委一起调研过一家公司,这个公司就专门从事商贸大数据挖掘。在国外收集国外市场需求和价格的变化,把这些数据整理完之后卖给国内的出口公司。
国内还有一些整合数据服务和数据平台建设的公司。我国的数据产业还处在起步阶段,摸索怎么把散乱的数据整理好收集好,也是一个很重要的探路工作。
大数据中心不能做成“硬盘”
《21世纪》:包括贵阳、重庆、武汉在内,各地纷纷出台大数据产业规划,都提到引进大数据企业。一些大企业也将把数据中心建在贵阳,这样的数据中心建立对于当地意味着什么,有没有实际效果?
安晖:如果只是单纯地把数据中心放在一个地方,就像是放了一个硬盘在那,并不算高产值的产业。很多地方引进大企业的数据中心,实际上是想引进相应配套企业。地方政府希望相关数据加工处理业务等高附加值的业务也跟进入驻,而且能利用数据中心把相应的技术人才和产业公司聚集过来,起到“磁铁”的作用。
当然,从理论上说,随着大数据、云计算的发展,数据中心的建设可能帮助到未来智能终端、云端结合的发展,这有可能是一个方向。这种理论虽然各地都在发展应用,能不能实现、如何实现还在探索。
此外,针对整个大数据产业体系而言,如果说真的能做到大数据服务落户,对地方经济的拉动会非常明显。一方面大数据产业本身作为知识经济的一部分,它的业务是高增值性的。另一方面大数据产业的发展非常有利于其他行业的发展,有很强的正外溢性。举个例子,交通大数据如果在北京得到良好应用,日均拥堵时间能减少15分钟以上。
《21世纪》:很多地方在做交易平台,有中关村的数海交易平台、数据堂的datamall,还有武汉等地方政府的大数据交易平台。交易平台的建立对地方意味着什么?
安晖:地方能把大数据交易平台建起来肯定是好事。但我个人对一段时间内地方能不能建立起完善的市场化大数据交易平台持谨慎怀疑态度。比起建立平台,各地政府现阶段更应该推动政务数据的开放。要加快向服务型政府转型,特别是服务意识上的转变,要有政府数据的归属权属于全社会、数据是用来服务社会的意识,其他的标准拟定都是技术性问题,都不难。
《21世纪》:地方引进大数据企业需要哪些区位优势?在引进过程中有哪些需要注意的地方?
安晖:对大数据产业来说,目前被地方政府当做一种新经济业态,也是产业转型的重点。对于地方来说,发展大数据主要还是看其人才资源和应用需求。另外大数据产业不能独立存在,必须和各个行业领域相结合,所以要有应用需求。
需要注意的地方,首先要优先引进以数据分析挖掘为核心业务的大数据产业体系,而不是把一些附加值较低的比如数据中心的产业作为重点;其次,要做需求导向的招商引资,和当地经济社会发展的实际情况相符合,要让大数据能够在当地实现价值。具体来说,招进来的企业一定要和实际数据应用需求相结合,比如农业大省就完全没有必要引进工业大数据企业;第三,要警惕一些所谓的大数据企业,这类企业在面对地方官员时往往喜欢混淆大数据的概念,有的还片面夸大数据中心的作用。
还没有真正意义上的大数据交易
《21世纪》:目前大数据交易行业的标准怎么样?还有哪些规则待拟定?地方如何打造数据交易平台。
安晖:现在整个大数据行业还处在一个初期的、肆意生长的阶段,没有统一的官方行业标准。
交易平台和数据企业之间没有明确的界限。从研究者的角度出发,第一,大数据交易平台作为独立的第三方,不能参与数据的处理;第二,平台要负责制定行业规则,包括交易规范和数据标准等等各个方面;在行业规则制定完善的将来,则要负责监督和管理。就具体职责而言,首先是撮合交易,帮助数据需求方和供给方顺利进行交易;其次在数据进行交易时,对交易数据进行审查,不是去审查数据内容,而是确保数据的合法性,防止“黑数据”的出现。
目前大家都不知道该怎么做,我们还没有看到一起真正意义上的大数据交易,目前应该鼓励多做探索和尝试,边探路边完善规则。
《21世纪》:工信部信息化和软件服务业司组织召开了大数据产业“十三五”发展规划编制第一次工作会议。十三五规划会涉及哪些方面的内容?
安晖:第一,这是我国第一个关于大数据产业的“十三五”规划,将会对行业发展起到引导性作用;第二,有利于技术产品服务的创新;第三,推进大数据产业实现在重点行业的应用;第四,是制定相应标准规范。这些指导性意见的出台,对未来五年的大数据发展起到一定作用。我预计未来会在大数据资源开放共享、大数据交易、大数据安全、大数据标准、大数据行业应用等领域开展工作。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据技术飞速迭代、数字营销竞争日趋激烈的今天,“精准触达、高效转化、成本可控”已成为企业营销的核心诉求。传统广告投放 ...
2026-04-24在游戏行业竞争白热化的当下,用户流失已成为制约游戏生命周期、影响营收增长的核心痛点。据行业报告显示,2024年移动游戏平均次 ...
2026-04-24 很多业务负责人开会常说“我们要数据驱动”,最后却变成“看哪张报表数据多就用哪个”,往往因为缺乏一套结构性的方法去搭建 ...
2026-04-24在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16