
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
在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20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