
由新浪财经主办的“2014新浪金麒麟论坛”于2014年11月22日在北京举行。本届论坛主题:变革与决策。同方股份有限公司副总裁周侠在圆桌论坛城镇化2.0的新命题:智慧与城市中表示,信息是实体化的数据,而数据是抽象的信息,数据是产生智慧的基础。有了数据产生智慧,一个城市也一样,城市产生智慧也是数据作为基础的。
以下为发言实录:
周侠:刚才几位老大把我想要说的话都说了。从广义和高度来讲,大家的阐述都没有太大区别。我从狭义的角度讲一讲。智慧城市建设是6个字,刚才韩总解读了智慧城市的4个字,我其实理解智慧城市建设是6个字,城市建设、智慧建设和智慧城市建设,其实都有很多区别。我们提出大数据成就智慧,其实找这个区别,去解读区别,去反映客观事实的方式是有关系的。智慧城市其实一直在建设当中,之前的智慧城市和现在的智慧城市不同,李主任说智慧城市不要变成一个形象工程。其实做智慧城市,不管是企业还是政府,应该真正理解“智慧”,把智慧理解清楚之后,我们所有的顶层设计,我们的规划,我们的实施,我们的体验,才有一个主题,不然我们的主题会很混。
城市建设和智慧建设和智慧城市建设有什么区别?假如把城市作为一个人,一个人的智慧,产生智慧的唯一器官只有大脑,没有第二器官,所有其他器官都是产生信息的源,物联网叫什么传感器。而一个人产生智慧的大脑,唯一器官,而大脑干什么呢?搜集信息、分析信息、处理信息和阐述信息。信息是什么呢?信息是实体化的数据,而数据是抽象的信息,数据是产生智慧的基础。有了数据产生智慧,一个城市也一样,城市产生智慧也是数据作为基础的。假如我们把这个逻辑能够考虑好、想清楚,我们就反过来想想我们怎么产生智慧,智慧城市首先是要智慧建设。我们今天看到很多智慧城市的项目,多大多大,多少亿,其中真正智慧的部分从总量来讲并不大。智慧城市建设是在原有的城市建设的升级、提高、突破、变革。
做智慧城市的建设我们有一个宗旨是强镇、兴业、惠民,政府的职能转型我们要智慧帮忙,政府的决策要科学。兴业是对传统产业跨越式发展,对新产业拉动,和对一些产业的转型。老百姓是最根本的,以人为本的体验。我跟海曙区的一个水表厂的一个智慧合作,我们拿一个很小的例子来演绎推理真正的智慧是什么。这个水表厂是民营企业,原来是做传统水表的,5、6年前转型做智能水表,刷卡,买多少吨水插到里头才开始用,已经上升到一个高度。到今天我们在合作做什么?做智慧水表。什么是智慧水表?原有的水表不说了,抄字。智能水表是买多少吨放里头就OK了。但是每家每户用水表的习惯是不清楚的,所谓智慧水表,我们在原有的智能水表做了很大的智慧改造,在后台建立了智慧平台,通过远程操作,通过无线传输技术、软件技术、传感技术和相关所有的技术进行高度的融合,产生智慧的体验,政府对水资源管理,因为每家每户对水使用的习惯有了一个数据平台做支撑,对政府对水资源管理、对水厂生产水和水资源管理有了很高的数据基础之后,对它的决策,对水厂生产水的指标,生产水的计划和浪费,做了很大的管理。
第二,对产业拉动。本身这是一个传统企业,它要在转型当中如何转型?通过智慧转型来拉动这个市场,使它的工厂更好发展,对地方产业有拉动。第三,对每家每户的老百姓,由过去要抄水,到银行买水,到今天定时定点给你发短信,你自己可以到银行,甚至银行有关联卡,自动在手机上就把水费交掉了。同时你的用水习惯,因为现在有阶梯收费,我们都在关心我们的水用到什么地方该进入阶梯呢?其实这个数据平台为老百姓用水的体验做了很大的帮忙。除此之外,这个数据其实会演绎到比如说对房地产交易,对房地产的空置率有影响,对物业,对老百姓比如空巢老人,家里边没有子女的,老人通过用水的变化,对物业,对保安,或者是对他的家属,对这个家里老人的安全等等等等,不一列举。其实这个智慧的过程,本身我认为就是一个真正产生智慧,从产业拉动到政府管理,到老百姓体验,形成了一个产业链。
这是一个很小的例子。
今天同方提出了,我们要在2015年之前,在全国去找100个智慧城市的单位合作,我们谈智慧城市并不是做智慧项目,智慧项目天天有,而同方所谓的“百城计划”,是要跟一百个城市做战略发展合作,而不是简单的一百个某某城市的智慧项目合作,这不是我们的初衷,也不是我们的目标。
今天我们在一个城市做智慧城市建设,首先是站在共同发展的角度去考虑问题。我们提出了泛集成的概念。什么叫泛集成?今天做智慧城市绝不是传统意义做一个项目,或者做一个传统意义上的集成公司,而更多是要通过对业主的智慧理解,每一个城市的智慧理解是不一样的,特色是不一样的,从智慧的可研、设计到规划,最终才到实施或者运维。第三,如何通过资金的综合解决方案,为城市的智慧城市建设提供方案。为什么?因为我们谈顶层设计,既然顶层设计了,这个产业不是说一年、一月做完,肯定是需要五年甚至更长的计划,你的规划是什么?假如做了十个亿的规划,你只有2000万怎么建?或者你今天只有2000万,怎么做顶层设计?我们通过顶层设计,通过资金的解决方案,建设的解决方案,包括跟我们合作的友商,跟地方的扶持公司,未来跟地方产业如何结合发展,多方位的合作,是泛集成。同时再加上信息安全,没有信息安全的智慧其实也不叫智慧。所以,信息安全我们叫保驾护航。
把三者真正贯穿起来,把真正的智慧理解透,不在于大与小,而真正在于如何为我们城市解决智慧的核心,解决智慧的问题,这是我们的考虑。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12