
大数据催生新运营模式
如今,大数据如浪潮般席卷全球,越来越多的国家开始从战略层面认识大数据、发展大数据。目前国内外的大数据技术发展到哪一步?大数据给社会及个人生活带来了哪些变化?带着这些问题,本报记者近日采访了上海德拓信息技术股份有限公司创始人、CEO谢赟。
国内大数据应用领域将实现跨越发展
记者:如今大数据越来越火,大数据企业也雨后春笋般成长起来。在您看来,目前国内外的大数据技术发展到哪一步?
谢赟:大数据之所以越来越火,是因为它已经从概念变成了技术。大数据技术可以把我们多年建设所产生的数据更大范围、更深度地聚合起来,产生新的价值和运营模式。
现在世界越来越扁平,已经没有封闭的技术,国内外的大数据技术的掌握本身差别不大。任何团队只要更多的实践,就可以达到业界一流水平。
但是国内外在大数据应用领域还是有较大差距,技术掌握不等于应用落地,相对而言应用的广度和深度还是有一定差距。要用好大数据,首先要聚合数据,但是国内有行业壁垒,不会轻易开放自身数据,就很难真正达到多元数据聚合实现新运营模式。随着数据壁垒被不断打破,国内将在大数据应用领域实现跨越发展。
记者:结合您的经历,请您谈谈大数据给社会及个人生活带来了哪些变化?
谢赟:从2003年个人创业起,我就在数据领域探索。我觉得大数据的确能让我们的社会及个人生活进入到价值发现阶段。
什么是价值发现阶段?就是通过研究我们自身工作和生活的痛点来定义我们要解决的问题。贵阳交通大数据孵化器是我们交付的一个项目,在上面有很多企业在利用共享的数据进行创业创新,如,“车来了”公司在平台数据的支持下,对贵阳市民提供出行服务。
德拓信息帮助多个行业大数据应用方案落地
记者:德拓信息长期致力于大数据领域技术与产品的研究与实践,能否介绍下德拓信息的大数据产品?
谢赟:德拓信息研究的是数据智能。数据智能是人工智能的先导,只有将自身数据和外部数据融合起来,才有可能带来新变革和走向人工智能。
数据智能就是将数据降维技术变成标准化平台,让合作伙伴和用户将精力更多发放在行业大数据落地上,而不是技术本身。这样可以快速落地、快速实践,也有利于强强联合,我们称之为“Dana Inside”(DANA是德拓信息的智能大数据开发平台)。
记者:德拓信息已经主持了政务、交通、媒体、医疗等多行业大数据应用方案的落地,能否就其中一个谈一谈?
谢赟:在北京朝阳区的智慧物业试点工程中,我们和旋极股份一起为用户建立了“三六三”大数据中心平台,将各个委办局数据进行汇聚,再收集互联网上对应的数据资源,通过大数据技术分析、比对,并结合相关工作,完成“最后一公里”的政务管理,对于人口疏解、金融风险控制、安全生产隐患、淘汰落后产能、常住人口动态更新等进行全新管理。
数据一旦聚合可以产生奇妙的化学反应,再结合互联网的快速处理能力,大大降低了管理成本,提升了管理精准度。而这些数据需要有一个优质平台。随时随地对数据进行收集、聚合和分析,随着智慧物业工程的深入展开,德拓信息的智能大数据平台将发挥更大的效用。
记者:未来,德拓信息在大数据领域将有哪些拓展和创新?
谢赟:未来五年,德拓信息将联合100家开发者,支撑1000个大数据项目,这是德拓信息拓展的目标。
保障数据安全 技术和立法都很重要
记者:目前,交通、医疗等领域已经运用大数据技术让管理更加便捷有效,但很多领域信息孤岛现象依旧存在。在您看来,如何打破信息孤岛?
谢赟:数据要实现价值要融合更多元的数据,而这些数据往往分散在各个系统之中,很难集成。我认为打破信息孤岛取决于两个方面的力量。
第一是技术的力量。如果要低成本、高效率的聚合孤岛数据,就需要有一个成熟的数据集成平台,可以自动化地收集需要的数据,处理成标准的大数据结构。
第二是制度的力量。没有更高层面的制度要求,是很难推动数据开放的,也就打破不了信息孤岛的现状。很多地方把数据做成execl供大众下载,实际上是一种公开,而非鲜活数据的开放。数据开放需要各级管理层制定相关制度来保证。
记者:未来大数据产业发展会带来哪些风险?
谢赟:大数据技术的确将数据的价值进行了提升,但也带来了数据安全问题。数据安全包括两方面:一方面是数据集中后,如果被攻击、破坏,造成的影响更大;另一方面是数据隐私的安全,被泄密的事情时有发生。我认为,应该提高相关技术,保证大数据安全。当然,技术也不是万能的,国家立法也是保证数据安全非常重要的基础。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
DSGE 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 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09