京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据发展五大关键要素
目前,大数据正成为推动企业效率提升和管理变革的强大力量,一些企业正利用互联网与物联网等带来的海量数据,通过挖掘、分析与业务应用,赢得优势。它正成为经济繁荣的催化剂,在美国,大数据已经被提到了国家战略的高度。但如何发展大数据呢?从新加坡的经验来看,政府在其中起到关键性的作用。
新加坡政府抓住了大数据发展的五大关键要素:基础设施、产业链、人才、技术和立法。它在其中发挥了关键角色,尤为值得一提的是,这五个要素是普通企业所做不到的,而新加坡政府正好填补了企业的短板。
大数据基础设施方面:一个国家在信息和存储等方面的基础设施,决定了大数据时代的海量数据能否汇集、传达,存储和应用。为了为大数据的发展提供良好的基础,新加坡在基础建设投资方面毫不吝啬。新加坡是世界十大高速网络架构之一,并承载了东南亚地区半数以上的第三方数据中心储存量。新加坡已确立其作为全球数据管理枢纽的地位,汇集了东南亚超过50%的商业数据托管及中立运营商数据中心。
大数据产业链方面:在大数据产业链中,横跨了包括数据提供者、存储商、分析和挖掘商,以及应用企业等。对于企业,往往只有应用能力,却缺乏获得、存储和分析与挖掘大数据的能力。而在这方面,当然要依靠产业链中相应的服务商,但政府在产业链建设中发挥了关键性的作用。
在数据挖掘方面,鼓励大学设立数据挖掘和分析平台,2012年,新加坡管理大学(SMU)推出的“Livelabs”创新平台,旨在增强新加坡在消费者和社会行为领域的数据分析能力;鼓励企业设立数据分析中心,一些企业通过在新加坡设立数据分析中心,洞察亚洲市场需求,已成功地实现了区域市场业务的拓展。2011年,劳斯莱斯(Rolls-Royce)与新加坡科技研究局(A*STAR)下设的高性能计算研究院合作成立了计算工程实验室,在智能数据分析领域进行合作研究。
新加坡信息通信研究院(I2R)拥有全亚洲最大的数据挖掘团队之一。
承担数据提供者角色,主动披露政府掌握的数据,在大数据建设中,这一点至关重要,因为毕竟政府是最大的数据拥有者。但是让政府能够主动开放自己的数据,并不是一件容易的事,而新加坡政府却做到了这一点。新加坡土地管理局(Singapore
Land Authority)研发的电子地图(OneMap),就为基于位置的服务(LBS)的企业提供了开放数据平台。
新加坡陆路交通管理局则通过公共数据开放计划开放新加坡交通数据,鼓励企业甚至是个人开发提升公共交通效率的应用软件。
新加坡环境局(NEA, National Environment Agency)与多家企业合作,研究如何收取降雨量,并通过掌握不同地区环境的数据,来预测哪个地区接下来会爆发热带地区可能产生的疾病。
大数据人才方面:目前企业应用大数据过程中往往最缺少数据人才,培养数据人才要充分发挥政府的作用。为了成为全球领先的数据分析中心,新加坡政府在这方面的努力可谓不遗其力。
它与企业以及本地高等院校开展合作,确保毕业生获得必备的专业知识和技能。目前,新加坡在数据分析领域开设了4个硕士课程以及5个本科课程,提供侧重于具体行业应用的多学科研究方法。
在新加坡经济发展局的协助下,亚洲顶尖学府新加坡国立大学(NUS)和IBM将开展合作,共同成立新加坡国立大学商业分析中心。该中心旨在帮助在校学生以及在职人员提升商业分析领域的最新职业技能,为未来数据分析工作打好基础。
大数据技术方面:大数据存储、分析和挖掘技术与产品往往需要巨大投资,但是一般的企业无法承受这样的投资,此时政府的作用就尤为重要。而新加坡在其中,从来就没有缺位。
信息通信研究院(I2R)与中国搜索引擎巨头百度在东盟自然语言技术开发领域进行合作。这一技术如被普遍应用,将为企业进军新兴的东盟市场创造空前机遇。
此外,数据分析会被应用在分析社会认知领域。新加坡高性能计算研究所(IHPC)是率先开发此项技术的研究所之一。通过对人们第一印象的建模研究,企业可以更好地了解亚洲消费者。这项技术能够帮助企业预测消费者对新产品的反馈。
在立法方面:大数据的发展总是伴随着与个人隐私权的冲突,而能否通过立法明确保护个人隐私权是大数据能否良性发展的关键,而新加坡在这方面做得很充分。新加坡于2012年公布了《个人资料保护法》(PDPA)。《个人资料保护法》作为一项较为宽松的立法,旨在防范对国内数据以及源于境外的个人资料的滥用行为。该法案的出台使公民得以进一步了解个人资料的使用途径;同时,在进行个人信息处理的过程中,也加强了企业与客户之间的信任程度。
新加坡在收集、存储大量数据的基础上,对数据进行有效的分析与应用,从中获得经济价值。到2017年底,预计数据行业将为新加坡经济贡献十亿新元的增值,并培养2,500名跨领域数据分析专业人才。
而所有这一切在于新加坡对于大数据的战略定位,对于自然资源稀缺的新加坡而言,“利用数据作为资源”是非常好的选择,新加坡经济发展局资讯通信与媒体业执行司长吴汭刚认为,“对于新加坡,数据就是未来流通的货币,而我们目前所做的就是将新加坡打造成全球数据管理中心,从而有能力与企业合作,将数据的潜在价值转化为可见的商业利润。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在描述性统计分析、数据预处理、异常值排查与多组数据分布对比工作中,箱线图(Box Plot)是应用最广泛的可视化与统计工具之一。 ...
2026-07-15在企业数据存储、业务统计与数据分析工作中,绝大多数业务数据都带有时间维度属性,例如订单创建时间、用户注册时间、支付完成时 ...
2026-07-15 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 ...
2026-07-15【核心关键词】产品、经营、客户、调研、销售额、宏观、会计行业、客户满意度、发展趋势、经营状况、数据分析、竞争对手、数据 ...
2026-07-14问卷调查是市场调研、用户研究、社会调研与产品分析的核心数据采集方式。问卷数据大多以分类数据为主,例如用户性别、年龄分层、 ...
2026-07-14 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 ...
2026-07-14在数据分析、业务效果验证、AB实验扩展、行业对比等场景中,我们经常需要对比三组及以上样本的均值差异,例如不同区域的客单价对 ...
2026-07-13在互联网产品运营、用户生命周期管理与商业化数据分析中,留存指标是判断产品价值、用户满意度与商业模式健康度的核心基准。常规 ...
2026-07-13 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 ...
2026-07-13【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-07-09【核心关键词】采购、周期、原材料、企业、产品、成本、要素、库存、供应商、数据分析、生产计划、生产制造、加工制造、技术工 ...
2026-07-08在数据分析、特征工程、机器学习建模的工作流程中,原始数据往往包含多个不同维度的数值指标,例如客户交易数据中的消费金额、交 ...
2026-07-08 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-07-08商业谈判是企业采购合作、渠道签约、价格议价、项目合作、客户签约的核心关键环节,直接决定企业的合作成本、利润空间与经营风险 ...
2026-07-07在数据分析、业务效果验证、AB 测试、学术研究等场景中,T 检验是假设检验体系里最基础、应用最广泛的统计方法,也是均值差异分 ...
2026-07-07