京公网安备 11010802034615号
经营许可证编号:京B2-20210330
政府应立项推进大数据产业发展_数据分析师
在今年的全国“两会”上,大数据产业成为不少代表委员关注的焦点。代表委员普遍认为,我国大数据产业应用仍然处于初级阶段,尽管初步形成了数据获取、存储、处理、应用等各个环节的大数据产业链,但仍然有不少制约发展的因素。在我国城镇化和工业化快速发展的背景下,大数据产业商业化运作会带来哪些积极的影响?如何才能破解目前存在的阻碍大数据产业发展的问题?
大数据产业发展影响深远
数据是信息的价值所在,大数据是信息集合,掌握大数据就等于掌握了未来。人或事物的行为就是信息,大数据在技术层面是计算加数据的定义,在社会及经济层面,就是将行为信息进行聚合,通过数据整理和分析,使人、物和财建立逻辑关联,从而造就了一个数字社会。
大数据产业影响深远,也体现在下面的产业链结构分析中,共分三部分:在设备方面,大数据产业发展将带动PC增长超过3亿,信息设备增长超过10亿,智能设备增长超过20亿,传感器增长超过万亿。可以看出,设备及芯片制造需求巨大,对信息设备和芯片制造业会产生巨大的推动力。在通信网络方面,大数据的通信网络包含各种通信技术,各种通信方式对芯片和通信设备的需求巨大,对与制造业相关的配套产业也是极大的促进。在软件方面,大数据面向社会各个领域,每个领域的特征决定了应用的多样性,对软件产业是极大的促进,给一批软件企业带来机遇。
大数据综合化应用前景看好
目前,我国正进入城镇化和工业化的快速发展期,经济的日益发展导致其制约因素的影响也越发明显。笔者认为,大数据综合应用能很好地解决这些难题,并通过商业运作对经济及社会产生深远影响。具体的大数据综合应用的商业运作影响如下:
—基于大数据的智能交通
我国城镇化和工业化进程不断加快,造成机动车数量激增和交通基础设施建设的快速发展,随之出现一系列交通问题,这就为基于大数据的智能交通系统提供了广阔的市场。笔者认为,大数据智能交通商业运作影响有三个方面:一是大数据将推进汽车工业与信息化全面结合,信息化部分成本在汽车制造中所占比例将高达40%以上,将带动相关产业的集群发展;二是基于大数据的管理使城市的交通设施利用率将接近90%,节约道路建设投资将达到千亿元级;三是基于大数据的智能交通服务的发展,将促进车流量控制系统等新型产业的发展和消费者对通信及软件服务的消费,保守估计也是千亿元级的。
—基于大数据的智能物流
物流越发达,产品生产至消费的时间将越短,产品转换为货币的速度也就越快,规模化效益也就越显著。随着城镇化和工业化的快速发展,对物流提出了更高的要求,重在物流品质管理。基于大数据的智能物流提供了物流差异化服务,此商业运作将产生两个重要影响:一是物流的精准化发展,要达到物流全过程的产品控制、信息反馈、资源成本最小化和利润最大化的管理;二是物流的智能化发展,根据用户不同层次的需求,提供相应物流服务,对物流精确控制将带动大批相关制造企业的发展,其商业价值至少也是千亿级的价值。
—基于大数据的智慧旅游
利用大数据对假日人们旅游出行数据进行统计分析,可以提前在景区进行人流量接待方案的部署,最大程度满足人们出行需求,提高旅游资源的最大程度使用。智慧旅游的商业运作有两个重要影响:一是及时了解景区客流分布情况,辅助旅游局、景区提供客源预判及客流规划,满足了旅游经济发展需求;二是政府可以提前制定指挥疏导等相关决策,凸显巨大的公共安全服务价值。
整合多方资源
推进大数据产业发展
以大数据为代表的新型信息化产业如何发展,还得回归信息化自身。遵循产业发展的规律,结合实地情况对资源进行挖掘和整合以形成合力发展大数据,是大数据发展的关键。目前,大数据产业发展仍存在以下瓶颈问题:
—大数据技术标准尚未统一,安全性保障不够,产业仍面临多种技术难关的束缚。大数据涉及大数据的去冗降噪技术、大数据的新型表示方法、高效率低成本的大数据存储、大数据的有效融合、非结构化和半结构化数据的高效处理、适合不同行业的大数据挖掘分析工具和开发环境、大幅度降低数据处理、存储和通信能耗等新技术,其复杂性不仅体现在数据样本本身,更体现在多源异构、多实体和多空间之间的交互动态性,而当前技术尚难以用传统的方法描述与度量,处理的复杂度很大。
—缺乏大数据产业基地建设规划,配套的政府支持政策还需完善。大数据是高新技术集合,创造产业环境是发展大数据产业的关键,建立产业环境首要的是形成大数据产业基地规划,这就牵涉政府如何支持和引导的问题,在供销流通上要进行成本补贴和专项应用推广资金的配套,甚至将大数据应用纳入政绩指标中去实施。
—缺乏大数据产业的统一协调及监督机制,跨产业协调难度大。各个产业在大数据战略布局上的缺失,致使政府机构跨产业协调困难,企业对数据共享的认识不足及投入不够导致各产业存在数据高墙,不能通过共享达到产业上的内聚以共享数据经济效益开发的成果。
—缺乏大数据产业集群的平台,应用过窄。国内能利用大数据背后产业价值的行业主要集中在金融、电信、能源、证券、烟草等超大型和垄断型企业,其他行业谈大数据价值为时尚早。随着企业内部的数据量愈来愈大,日后大数据将成为IT支出中的主要因素,特别是数据储存所耗费的成本,很可能造成企业负担,甚至望而却步。
—行业数据分享难,数据质量大打折扣。数据增值的关键在于整合,但自由整合的前提是数据的开放。行业数据壁垒导致信息不能流通,从而导致价值流不能涌动,信息数据质量降低,甚至会对行业发展产生误导。
针对以上问题,笔者建议可采取以下具体举措进行应对:
—坚持政府引导、市场主体原则。政府发展规划中要具有顶层的大数据发展规划,通过用政务、产业及民生的需求,以立项的方式推进大数据产业发展,形成价值牵引大数据应用的市场格局,真正做到政府引导和市场供需调节促进产业发展。
—依托于电信等基础运营商,加快大数据基地建设。大数据资源的配置是关键,电信运营商自身的网络及IDC资源可以利用并升级扩充至大数据平台,通过已有的渠道结合信息化项目需求真正推动大数据基地建设。
—协同大数据各领域专家,做好顶层规划、协同发展原则。大数据首先是技术性的,其次才是商务模式,大数据生态的软硬件及应用存在多种技术因素的限制,必须通过各领域专家团队协同才能促进大数据向不同的阶段性目标迈进。
—整合各行业领域资源,做好数据的开放互通,并确保安全。大数据强调的是数据集合,仅仅有平台无数据的大数据称不上真正的大数据,各行业领域要通过具体的信息平台互通为大数据应用做好准备,互通整合数据的最大影响参数是政策和利益的协调。政府应该整合各行业资源,通过法律或者其他手段做好信息互通和信息安全。
总之,大数据产业是当前经济社会创新的动力源泉之一,实施大数据产业聚合,依托电信运营商打造大数据产业服务平台,能极大地刺激地方经济,带动相关企业升级及发展,未来的时代是大数据的时代,谁掌握了大数据,谁便掌握了未来!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27