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
主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-10在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-10在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01