
大数据这词,我们并不陌生,它的本意是指从海量的数据中,发现有价值的规律,并为人们所用。比如说,前不久支付宝发布的用户“十年账单”,实际上就是一次大数据在商业领域的应用。
当然了,大数据不光只用在淘宝上,在生活中的方方面面都会涉及。今天,在北京举办了一场声势浩大的科技会议,全世界最顶级的大数据公司云集于此,一起分享大数据在现代生活中的各种应用。接下来,我们一起来听听中外企业对大数据的运用,到底达到了什么样的水平了?
首先来听听国外企业。wandisco是一家硅谷的创业公司,主要做医院大数据的信息整合,目前公司已在伦敦证交所上市,今年刚刚进入中国市场,总经理张涛告诉记者,在美国,他们公司做的大数据产品主要针对患者。比如说,有些患者的病容易复发,他们可以通过大数据,精准的预测患者何时复发。
张涛:比如说我们在美国的医院里面,已经做了一个完整地一体化电子病历和整体的大数据医疗行业应用,他们能够更好地预测病人的二次入院时间。以前病人可能在治疗之后,有一个问题是之后可能会复查,之后可能会复发,那我能不能预计一下哪些病人可能在哪些时候有高发的可能性,主动通知他们,而不要等他们发病以后再来。
张涛说,这款大数据应用,对于国内的医生很受用。为什么呢?因为国内的医生每天要看很多的病人,时间很紧张,很难对病人有一个细致的了解。而大数据的运用,则可以大大的提高诊疗效率。
张涛:医生也会更加舒服,因为他也会提前知道,我今天会有哪个病人会进来,这个病人他的上一次治疗在什么时候做的。他会有一个更完整的记录,而不会每一次都是单纯的谈话,这样会影响效果。而我们在美国做的这个案例,是所有的历史记录无论是详细的片子、治疗等等,无论是在这个医院,还是在其他医院,都整合在一个医院里,全部电子化。所以病人不需要出具任何的东西,医生已经全有你的档案,甚至可能是在你来的前一天医生都已经看过了,这样整个效率都得到了提升。
大数据是行业趋势,不光是国外企业,国内企业也相当重视。在今天的会场上,记者还遇到了专做大数据可视化系统的数字冰雹信息公司总经理邓潇。当着记者的面,邓潇演示了他们的可视化系统,通过环保部的公开数据,把全国100多个重点城市的污染情况在屏幕上有了非常直接的呈现。
邓潇:做数据可视化的话,最主要的价值是帮助人们整体把握和驾驭这种大规模的数据。你现在看到的北京市从“优”“良”“轻度污染”“中度污染”“严重污染”全都有,只有“严重污染”的均值略低过全国的所有城市。所以说非常简单的数据可以让你得出非常非常多的结论。然后可以让你按照不同的维度,并且按照不同的指标,跨纬度,跨指标。分析其中的关系并且做出判断。
尽管大数据广泛运用于生活中的方方面面,能够帮助我们寻找到数字背后的规律。但也有专业人士提醒我们,大数据是一把双刃剑,如果管理不慎,它可能会泄露我们的隐私。启明星辰公司副总裁潘柱廷:
来潘柱廷:举个例子说,大家可能会把自己喜欢的照片晒到网上去。比如说小孩做了什么活动,幼儿园怎么样。他其实完全可以把你小孩是在哪个幼儿园,他现在几岁,他老师叫什么,你家长是什么名字,你家长是什么工作的。那这些是有一定的危险性的。所以我们尽量不要晒未成年尤其是小孩的内容。
在今天的会场上,来自美国卡内基梅隆大学计算机技术教授邢波谈到了一个话题:大数据产生了,有人收集了,但他们会互相分享吗?如果不分享,这些大数据还能起到该有的作用吗?
邢波透露,在美国对于大数据的公开标准,有一个严格的界定。
邢波: 一种是所谓的社会知情权,对政府的一些决策、一些经济数据是不是要公布涉及到安全问题;另一种是为了科学使用这样的大数据,用户的数据、科学数据、天文望远镜照了很多星星的照片、或者生物里面很多DNA的生物的数据,在美国我想他是有一个严格界定的。凡是你用公共部门产生的数据,你有义务把他公布,政府也会提供资源让你去公布,比如有一个地方让你可以存、可以放。但是对于公司的话,他有时就要求公司有权利保护自己的数据。
同样的问题,在国内也存在。中国工程院院士李国杰说,院校的大数据研究要落后于企业,为啥?就是因为院校没有数据,而企业有数据;与此同时,国家很多数据也都不公开,导致无米下锅的状态。
李国杰:但是你要大家把希望都寄托在百度、腾讯这些大公司把数据公开,这个不现实。人家花钱的,人家建平台几十亿几十亿的建立,白干了,公司指着什么花呢。国外也不是这个样子的,公司有公开一些觉得对大家有帮助的触及科研工作,这个他可以做到。你让他把所有的东西都拿出来,那他赚什么钱,所以这些东西我们也没必要太苛求这些。
因此,中科院计算机所研究员程学旗建议,数据公开可以先在政府部门内部搞起来,但是目前,即便是各个部门之间,也都是有很多壁垒。比如智慧交通、智慧医疗的建设,如果有了部门间信息的共享,那效果会有很大改观。
程学旗:其实有很多,比如说我们这个智能交通的管理。第二如果我们把城市的一些数据比较好的关联起来,其实在上面做方法、做运用、做决策、甚至城市规划这块,其实我们可以很好地走近一步,但是恰恰在一个城市里面,各委办局,各个行业部门的数据就没办法把他整合在一起,一个目标驱动的情况下都很难做,这是我觉得大数据落地面临的第一个公职上的大的难点问题。
本文来源:CDA数据分析师培训官网
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15