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
在数据分析、市场研究、用户画像构建、学术研究等场景中,我们常常会遇到多维度、多指标的数据难题:比如调研用户消费行为时,收 ...
2026-03-25在流量红利见顶、获客成本持续攀升的当下,营销正从“广撒网”的经验主义,转向“精耕细作”的数据驱动主义。数据不再是营销的辅 ...
2026-03-25在CDA(Certified Data Analyst)数据分析师的全流程工作中,无论是前期的数据探索、影响因素排查,还是中期的特征筛选、模型搭 ...
2026-03-25在当下数据驱动决策的职场环境中,A/B测试早已成为互联网产品、运营、营销乃至产品迭代优化的核心手段,小到一个按钮的颜色、文 ...
2026-03-24在统计学数据分析中,尤其是分类数据的分析场景里,卡方检验和显著性检验是两个高频出现的概念,很多初学者甚至有一定统计基础的 ...
2026-03-24在CDA(Certified Data Analyst)数据分析师的日常业务分析与统计建模工作中,多组数据差异对比是高频且核心的分析场景。比如验 ...
2026-03-24日常用Excel做数据管理、台账维护、报表整理时,添加备注列是高频操作——用来标注异常、说明业务背景、记录处理进度、补充关键 ...
2026-03-23作为业内主流的自助式数据可视化工具,Tableau凭借拖拽式操作、强大的数据联动能力、灵活的仪表板搭建,成为数据分析师、业务人 ...
2026-03-23在CDA(Certified Data Analyst)数据分析师的日常工作与认证考核中,分类变量的关联分析是高频核心场景。用户性别是否影响商品 ...
2026-03-23在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17