
“数据是物理世界和网络世界的DNA。发现数据DNA、重组数据DNA,是人类不断认识大数据、探索大数据、实践大数据、挖掘大数据、实现数据大价值的持续过程。”2014年10月29日,第27期“信息化大讲堂”活动在北京大学燕园大厦举行。本次的分享嘉宾是中关村大数据产业联盟副秘书长、工业和信息化部电子科学技术情报研究所副主任、和君商学院社会导师陈新河先生,他与大家分享了“数据驱动新商业世界”。
中关村大数据产业联盟副秘书长 陈新河
在开始分享之前,陈新河先生首先解释了为什么分享题目中是“数据”而不是“大数据”,因为今天的大数据很快就会成为明天的小数据,人们应该反思大数据,大数据是这个时代的标签,在大数据时代人人要树立:数据意识、数据思维、数据决策、数据行动。其实数据行动古今中外早就有,他举了约翰·斯诺使用病例分布的标点地图法找到霍乱传染源与中国经济社会的胡焕庸线等相关实例。随着信息技术的不断演进,不断拓展了人类的在线空间,而传统行业不断被改造或颠覆,网民数量不断增加,应用类型也不短增加,这就导致目前的数据源异常的丰富,每天都会产生大量的数据,与此同时,数据能力也不断地提升,而数据机制不断的被挖掘,在这个过程中,互联网是大数据的活化剂,云计算的出现,也带来了计算模式的变革,这为大数据提供了强劲的计算引擎。
紧接着,陈新河先生提到现在是消费IT引领IT潮流,企业IT时代是从1981年-2007年,消费主体主要是企业级用户,主要特点是管理数字化与IT资产化,而从2007年至今,是消费IT时代,消费主体是普通消费用户,特点是产品数字化与数据资产化,而产业规模也达到了十多亿美元。企业的数据也从内向外不断的延伸,所有交互节点都能产生数据,数据量激增,随着企业IT1.0时代向企业IT2.0时代的转变,数据开始驱动业务。同时他也提到人类活动不断向网络空间迁徙,数据是物理世界与网络世界之间无缝融合的DNA,高速无线宽带让无处不在的高速数据接入成为可能;智能终端让终端用户享受更多样化、更高级的应用;云计算实现IT/CT深度融合,实现随时随地的体验交付;物联网让人人互联向物物互联/人物互联延伸。在这个过程中,物理空间加速向网络空间映射,通过数据分析实现精准营销。
随着大数据的发展,各行各业都纷纷开展大数据应用,政府、银行、电信、保险、能源及公共事业、医疗保健、零售等众多行业,国内外的大数据应用也初见成效,陈新河先生分别从不同行业的成功实践案例为在场的做了分享,细致分享了各行各业在大数据时代新的举措,以及大数据带来的好处,但是从整体上来看,大数据应用处于初级阶段,当然也有很多的大数据创业公司出现了,他也与大家列举了很多大数据创业公司,大数据产业可划分为六大类,共38中产品,分别为:大数据基础设施类、大数据分析类、大数据应用类、大数据数据源类、跨基础设施分析、开源项目。
在分享的最后,陈新河先生从国家战略层面为大家解读了未来的大数据发展方向。人们认识到大数据价值具有很强的“应用驱动”特征,数据通过开放、开发和利用,就能产生成倍的价值,反之,数据沉淀不用,其价值无法发挥和体现出来。他分别与大家分享了美国、英国以及其他一些国家的大数据战略,各国政府掀起开放数据运动,促进经济,激发创新,提高透明度。
嘉宾合影
分享结束之后,来自不同行业的嘉宾朋友们也纷纷提问,陈新河先生纷纷给与了详细的解释,最后,各位嘉宾与分享嘉宾合影留念。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14