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
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19