京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在用户从“接触产品”到“完成核心目标”的全链路中,流失是必然存在的——电商用户可能“浏览商品却未下单”,APP新用户可能“ ...
2026-01-14在产品增长的核心指标体系中,次日留存率是当之无愧的“入门级关键指标”——它直接反映用户对产品的首次体验反馈,是判断产品是 ...
2026-01-14在CDA(Certified Data Analyst)数据分析师的业务实操中,“分类预测”是高频核心需求——比如“预测用户是否会购买商品”“判 ...
2026-01-14在数字化时代,用户的每一次操作——无论是电商平台的“浏览-加购-下单”、APP的“登录-点击-留存”,还是金融产品的“注册-实名 ...
2026-01-13在数据驱动决策的时代,“数据质量决定分析价值”已成为行业共识。数据库、日志系统、第三方平台等渠道采集的原始数据,往往存在 ...
2026-01-13在CDA(Certified Data Analyst)数据分析师的核心能力体系中,“通过数据建立模型、实现预测与归因”是进阶关键——比如“预测 ...
2026-01-13在企业数字化转型过程中,业务模型与数据模型是两大核心支撑体系:业务模型承载“业务应该如何运转”的逻辑,数据模型解决“数据 ...
2026-01-12当前手游市场进入存量竞争时代,“拉新难、留存更难”成为行业普遍痛点。对于手游产品而言,用户留存率不仅直接决定产品的生命周 ...
2026-01-12在CDA(Certified Data Analyst)数据分析师的日常工作中,“挖掘变量间的关联关系”是高频核心需求——比如判断“用户停留时长 ...
2026-01-12在存量竞争时代,用户流失率直接影响企业的营收与市场竞争力。无论是电商、互联网服务还是金融行业,提前精准预测潜在流失用户, ...
2026-01-09在量化投资领域,多因子选股是主流的选股策略之一——其核心逻辑是通过挖掘影响股票未来收益的各类因子(如估值、成长、盈利、流 ...
2026-01-09在CDA(Certified Data Analyst)数据分析师的工作场景中,分类型变量的关联分析是高频需求——例如“用户性别与商品偏好是否相 ...
2026-01-09数据库中的历史数据,是企业运营过程中沉淀的核心资产——包含用户行为轨迹、业务交易记录、产品迭代日志、市场活动效果等多维度 ...
2026-01-08在电商行业竞争日趋激烈的当下,数据已成为驱动业务增长的核心引擎。电商公司的数据分析师,不仅是数据的“解读官”,更是业务的 ...
2026-01-08在数据驱动决策的链路中,统计制图是CDA(Certified Data Analyst)数据分析师将抽象数据转化为直观洞察的关键载体。不同于普通 ...
2026-01-08在主成分分析(PCA)的学习与实践中,“主成分载荷矩阵”和“成分矩阵”是两个高频出现但极易混淆的核心概念。两者均是主成分分 ...
2026-01-07在教学管理、学生成绩分析场景中,成绩分布图是直观呈现成绩分布规律的核心工具——通过图表能快速看出成绩集中区间、高分/低分 ...
2026-01-07在数据分析师的工作闭环中,数据探索与统计分析是连接原始数据与业务洞察的关键环节。CDA(Certified Data Analyst)作为具备专 ...
2026-01-07在数据处理与可视化场景中,将Python分析后的结果导出为Excel文件是高频需求。而通过设置单元格颜色,能让Excel中的数据更具层次 ...
2026-01-06在企业运营、业务监控、数据分析等场景中,指标波动是常态——无论是日营收的突然下滑、用户活跃度的骤升,还是产品故障率的异常 ...
2026-01-06