
以大数据消费提升城市发展_数据分析师
神州数码控股有限公司董事局主席,中国人民政治协商会议第十二届全国委员会委员,国家信息化专家咨询委员会第四届委员会委员,北京信息化协会会长,中国智慧城市产业技术创新战略联盟理事长,中国民营科技实业家协会第六届理事会理事长。
产业转型要提升服务
郭为认为,东莞的“十三五”规划要坚持以人为本,产业的升级要考虑本地居民的升级。
郭为说,东莞具有发展物流的地理优势,可引导产业工人向物流行业转移,并吸引一部分物流公司在东莞设立总部,发展服务制造业。在技术学院方面,传统技术工人的升级非常重要,高端制造业的转移实际上是人力成本的问题。此外,东莞的娱乐业非常发达,而香港理工学院拥有全亚洲乃至全球最好的酒店管理学院,东莞可以考虑将酒店管理学院移植过来,将产业工人真正变成酒店的管理者。东莞拥有酒店数量的优势,这是一个很大的实习基地,能够让才人更好地落地。
产业布局突出APP模式
郭为认为,传统制造业向智能的提升,要发挥东莞传统的优势,包括采购和展览等资源,再利用互联网的传播模式,结合开发APP和定制化服务,有目的地发展现代制造业的服务模式。东莞要充分运用本地的展会资源,举办有针对性的、专业化的展会,并结合互联网O2O的模式,将一次性的展会变成长期的网上交易。他举例说:“前段时间,我在扬州做的一个规划获得了当地政府的好评。扬州是中国一个大规模酒店用品生产基地,我们在当地每年办一个小展会,去年展会当天的合同成交额高达30亿元,一个星期下来收益颇丰。我们考虑将这个小展会长期建立下来,使当地成为全世界各大酒店采购的集散地”。
郭为认为,东莞有传统制造业的良好优势,可通过引进大学和研究机构,面向自身的产业特征,打造东莞传统产业的服务模式。“今天的智能化在互联网和移动互联网的结合下,与传统智能有一个很大的差别,那就是APP模式。”APP每天都在更新,设备的智能程度会随着数据运用的数量成正比增长,这个市场一旦形成,是别人很难进入的。郭为建议,东莞可以考虑如何在整个产业布局上凸显出APP模式。“我已经在中国走了超过一百个智能城市,这次智能城市的经济转型中,我发现做得最好的企业都是当地培育起来的本土中小企业,一点一滴地成长起来。最近我在佛山顺德帮助传统小家电进入电商领域,已经在3年时间里产生了当地的品牌。”
大数据改变传统产业
在节能环保领域,郭为认为,东莞可以利用现有的城市发展过程遇到的瓶颈孵化出服务于华南地区的产业,既解决城市发展过程中的问题,同时使这些产业服务到周边城市。
他还有一个重要观点是,未来城市的发展会从传统的石油、天然气资源变成大数据资源。数据从哪里来?如何处理这些数据?如何使这些数据发挥更多的作用?郭为认为,东莞作为外向型经济城市,可出台“东莞指数”。“东莞作为出口的一线城市,任何行业跟其他数据连接起来,这将会是一个巨大的信息爆炸。而且东莞拥有天然的资源,例如海关、商检、统计局等部门的数据都是一笔很大的财富。东莞可以通过政府各部门数据的集中和开放,以大数据的消费提升城市的发展。”
对话
实施大数据战略建智慧城市
南方日报:您认为,智慧城市的建设,将会为东莞产业发展及新型城镇化建设带来哪些具体影响?
郭为:智慧城市是面向市民为中心的公共服务,其中包括政府服务、交通服务等。搭建这些服务平台后,要进一步以人为中心开展工作,使老百姓能够用得上,方便他们的生活,这是第一步。进一步而言,市民使用情况本身就是一种新的数据资源。我认为,智慧城市不仅仅在于管理,更理想地是与市民形成互动关系。本质而言,是一种大数据,用得越多,价值越大。
南方日报:您曾提出,中国的信息资源一直存在“部门化”现象,您认为,东莞政府在打破信息“部门化”,实施大数据战略方面,可以做哪些率先尝试?
郭为:中国传统的管理方式是按条条管理的,在一个区域内数据相互之间不能共享。要打破信息“部门化”,必须从服务对象的角度来打破,因为无论是哪方面的工作,其主要目的都是为人服务的。在这个视角下,就能实现数据的融合,融合之后就能产生更大的发展。
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在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09