京公网安备 11010802034615号
经营许可证编号:京B2-20210330
1月8日,2016大数据生态纵览峰会在北京成功举办。逾千名来自全国各地的大数据行业从业者和业内知名专家、领军企业高管汇聚一堂,共同探讨中国大数据行业的发展现状和未来走向。
此次峰会由经管之家CDA数据分析师主办,邀请了台北医学大学教授谢邦昌、IBM大数据产品总监洪建勋,永洪科技联合创始人谢玲,贵阳大数据交易所首席运营官李国静,华为大数据总监刘冬冬,网易云市场总监章鑫辉,Oracle(甲骨文)全球职业教育项目北方区经理戎鹏、TalkingData合伙人、执行副总裁林逸飞,SAS中国首席咨询顾问高居泰等嘉宾出席峰会。
“大数据成“利器” 2016或出现新蓝海
峰会上,CDA协会秘书长玉霜峰发表致辞。他表示,助力数据分析行业的整体进步,是CDA协会始终不渝的奋斗目标,希望有越来越多的机构、企业和数据分析师能为行业进步贡献力量。
CDA协会秘书长玉霜峰发表致辞
主论坛与分论坛共30余名嘉宾分享了自己的观点,探讨大数据领域的创新发展和未来前景。
在技术层面,IBM中国区大数据产品总监洪建勋介绍, 去年2月份IBM与业内IT公司一起成立了ODP的组织,共同打造一个企业级客户所共同所期望的Hadoop环境,目的是使得公司之间工具和产品能够互融互通;去年6月份IBM对Spark开源,把十多年的积累无偿开源给Spark社区,在旧金山建立一个Spark的社群,研究Spark和已经有的业务融合在一起,做更多的发展。
“在我们看起来技是非常重要,但是技术并不是为了技术而技术,所有的技术为业务服务”,洪建勋介绍,技术很容易被淘汰,IT行业跟通讯行业这几年发展非常快,从业人员不掌握跟业务相关的东西,过几年以前学的知识就会被刷新掉。
在“以和为贵”分论坛,华为大数据总监刘冬冬告诉记者,大数据是一个可以细分出许多领域的行业,要有数据源,要有数据合并公司,要有数据挖掘,要有数据应用、可视化、存储和计算,还要有咨询,蕴藏着很大机会,但是目前这个产业链条还不完善,最难的是把这些不同功能的公司组合起来。
“2016年大数据行业会继续加速发展,可能在2017年是一个爆发点,所有行业行业都会被大数据冲击,所有企业都会意识到该玩大数据。产品同质化越来越很严重,最终会变成以客户为中心,以数据为支撑。未来企业的竞争方式是你有5个维度的数据,而我有10个维度的数据,那我就赢了。”刘冬冬说。
随着企业对数据服务方面的需求,云服务市场也会出现新的增长点。网易云市场总监章鑫辉认为,目前PaaS服务在国内的市场份额在国内占了不到10%,未来这方面的市场会有一个比较大的增长。“目前美国市场中to B业务的资本配比占到了40%,C端业务占60%,而在中国 to B业务占到了1%,大部分资本流向C端业务,而各种C端业务出现也就意味着各种企业需要被服务,需要技术服务、管理服务等等,在云服务IaaS层趋于饱和的情况下,PaaS曾和SaaS层可能是下一个增长点。”章鑫辉说。
Oracle(甲骨文)全球职业教育项目北方区经理戎鹏更加看好那些利用大数据创业者的未来,“未来预计会有许多创业公司涌现,可以会出现类似于BAT的公司,体量肯定没那么大,但是它的创意是全新的,能找到一个新的蓝海”。
“构建数据人才考核标准 甲骨文CDA开启联合认证
随着大数据产业在中国井喷式发展,数据人才缺口随之增大,数据分析人才培养教育成为大数据产业链中不可或缺的一环。而同时,数据分析师行业也面临着无认证标准、无考核体系等问题。
峰会当天,经管之家CDA数据分析师与Oracle(甲骨文)举行了签约仪式,双方将在数据分析人才认证方面展开合作,在大数据领域推出联合认证。
CDA数据分析师市场总监曹鑫介绍,去年11月份,CDA数据分析师与中华采矿协会(台湾)达成战略合作联盟,建立两岸专业人才流动性认证制度,这次与甲骨文的合作是CDA在建立行业认证标准方面的又一次新尝试。
“目前培训行业普遍存在一个问题,就是急功近利”,Oracle(甲骨文)全球职业教育项目北方区经理戎鹏表示,这一点体现在对所谓流行技术的追逐,有些底层和核心的技术与能力是不会过时的,反而会随着分析师职业生涯越来越值钱,甲骨文在做培训的时候非常关注底层技术的培养,CDA数据分析师在这方面同样把握得很好,既会考虑到行业里的流行技术,也会考虑到底层核心内容,这也是促成双方合作的原因。
曹鑫表示,未来CDA数据分析师将与更多优秀展开深入合作,推出更多优质的数据分析师人才教育课程,共同做好数据分析人才培训市场。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20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