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
在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 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 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 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。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 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 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21