
聚合+分析+决策 大数据是智慧城市的核心资源
你在城市中生活幸福吗?如果人们感受到城市的方便、便利其实这就是真正智慧城市的标志,而智慧城市又需要大数据的支撑,从聚数据到分析再到提供决策,这一系列的过程正是智慧城市必不可缺的。同方股份有限公司物联网产业本部副总经理王恩勇为我们解答了大数据和智慧城市如何结合,以及同方在智慧城市上的部署。
智慧城市与大数据的结合
王恩勇指出,智慧城市应该说是城市信息化的高级范畴,从一个城市的角度讲,政府要做好一把手积极配合;从信息化角度讲,智慧城市能够带动本地业务的转型。
并且成熟的智慧城市包含五个方面,分别是大数据、公共安全、公众民情采集与服务、政府管理、整体智慧城市的运转。前三个是从事、物角度进行管理,后两个是从政府角度管理。
但对于信息化程度较低的乡镇、农村如何实现常识信息化达到智慧城市?王恩勇表示,五个方面会细分到行业,由行业信息化来支撑。我们可以结合本身城市信息化发展水平、经济发展水平、当地的特点等方面去先做一部分,把这一部分做好后在进行延伸。
据悉,国务院于2013年2月5日出台了《推进物联网有序健康发展的指导意见》从政策层面正式把大数据纳入到物联网产业领域。大数据作为建设智慧城市的重要信息技术手段,将越来越发挥其重要的支撑作用。
“一个城市是否达到大数据的规模可以分为三个阶段判断,第一阶段是各行业达到一定的数据规模,第二阶段是定期进行数据整合和一定的规范,第三阶段是达到数据信息的共享、应用、服务。”王恩勇表示,如果从大数据的内涵看,国内数据还远远没有达到大数据或者智慧城市的目标,目前还只是智慧城市和大数据的发展的初级阶段,如果进入跨行业、跨部门的数据整合阶段就意味着智慧城市进入快速发展阶段。
王恩勇表示,智慧城市管理上要从城市规划、建设、管理三方面考虑,而大数据是智慧城市的核心资源,我们要真正的把智慧城市和大数据结合才能产生价值。
聚合+分析+决策
同方目前已经把大数据产业最为主要着力点,其在大数据方向有三大业务分别是云数据中心、智慧城市、构建卓越的网络环境。王恩勇表示,同方现在已经提供数据分析、挖掘,并为领导进行决策等服务。
王恩勇表示,我们利用数据采集工具将各行业相关数据从源头汇聚,在使用整合平台按照我们信息资源体系的统一标准分类,之后进行数据挖掘和分析。智慧城市和大数据目前在某些地方和行业已经比较成熟,在采集、处理、整合上做的非常好,之后的努力方向是数据挖掘。
据悉,按照目前按照国家信息管理体制,同方目前以服务城市为主。而每一个城市都有不同的特征,需要根据每一个城市的特点做调研,设计一个适合的解决方案。
王恩勇给记者讲述了一个案例,我们将北京市72个委办局的数据整合到一个平台,在进行分析后为可以市政府的领导提供实时的或者定期北京经济发展水平、社会发展、居民生活宏观的等各方面指标。
“城市间目前还不能实现信息互通,到省级实施才有可能实现。” 王恩勇指出。
在大数据和智慧城市的结合上王恩勇表示,不论是人还是城市都有很多指标,指标的情况就能看出城市运转是都正常、有序、高效。同方设定了一些指标对进行城市运营体征管理。
同方的客户群有别于数据分析公司,其更面向行业、城市层面。王恩勇表示,我们立足于行业信息化的积累,对一个城市做整体信息化规划。并且政府更注重信息安全问题,会使用内外网的措施来保证安全。
此外,BYOD的普及使得移动终端产生了更多的数据,同方也看到了趋势,其在2013年收购了一人一本,在实施单位使用一人一本来采集移动终端信息。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10