京公网安备 11010802034615号
经营许可证编号:京B2-20210330
广东具备加快发展 大数据产业的基础和条件
一、缺乏高质量的数据,直接影响大数据的价值实现
其一,对大数据的理解和重视程度远远不够。长期以来,我们的文化基因当中,数据文化很弱。没有把数据作为一种方法论,作为一种价值观,作为一种社会运转尺度来看待。
其二,丰富的数据源是大数据产业发展的前提。目前数字化的数据资源总量远远低于美欧,其中政府和制造业的数据资源积累远远落后于国外。就已有有限的数据资源来说,还存在标准化、准确性、完整性低,利用价值不高的情况,这大大降低了数据的价值。
其三,数据共享程度低。政府、企业和行业信息化系统建设往往缺少统一规划和科学论证,系统之间缺乏统一的标准,形成了众多“信息孤岛”,而且受行政垄断和商业利益所限,数据开放程度较低,以邻为壑、共享难,这给数据利用造成极大障碍。
其四,政府业务数据库公开的广度和深度都有限。各级政府已实行网上政务信息公开,不过,主要是行政事务性信息的公开;实时的政府业务数据库公开尽管已经取得进步,但是,政务业务数据库中的很多数据目前还没有实现公开,很多数据因为部门利益和“保密”等因素,仅限于部门内部人员使用;已经公开的数据仅限于一部分基本信息和统计信息,更多数据还没有被公开。
二、缺少稳定可靠的公有云基础设施平台,不足以支撑企业创新和大众创业
首先,自主研发能力限制了公有云平台的发展。美国以Amazon为代表的IaaS服务商构建了生机勃勃的公有云生态系统,不过,我们是以私有云的建设为主。因为公有云的建设一定要自主研发才能做到,必须具备核心的技术能力,没有现成产品可以使用,没有任何捷径可走,而私有云的建设可以采购美国公司的成熟产品。
其次,云计算的基础技术方面,美国是领导者,包括服务器虚拟化、网络技术、存储技术、分布式计算、OS、开发语言和平台等核心技术基本上都掌握在美国公司手中,我们的产品开发大多数是两个路径,一是在美国开源软件基础上修改使用,二是产品引入销售,包装后形成解决方案。近10年来,虽然有腾讯、华为、中兴等公司在大力投入研发资源,很多创业公司也在进行技术研发,但能够真正掌握核心技术的云计算公司还是太少,积累依然不足,很难形成主导性的产业链。
第三,公有云的安全问题导致众多大中型企业对公有云的使用存在安全疑虑,因为企业数据上传到公有云就一定程度上失去了对数据安全的控制力。
三、大数据的技术影响力仍然有限
大数据的市场发展前景是非常广阔的。自2013年以来,大数据每年的市场发展增长率都在百分之百以上。不过,目前大数据还没有形成普遍应用的局面。
大数据应用基本上还是发散状,并没有形成燎原之势,应用也主要集中于互联网营销场景。大数据现有技术水平的主要受益产业仍然是云计算和各类基于云计算的商业模式,在信息基础设施普及率、社会开放性以及与网络智能交互技术的结合度没有达到一定能级时,大数据的应用是有限的,达不到面向社会的“无所不能”。
四、支撑数据服务的大数据产业链有待完善
大数据价值的实现需要一条成熟的大数据产业链给予支撑。
广东已具备加快发展大数据产业的基础和条件,大数据产业链也正在加速形成。作为一个独立的产业来看,大数据的产业体系能够应对绝大多数的产业应用需求。不过,存在以下问题需要解决,一是,在建设重点上,企业侧重于物理上数据存储能力建设,纷纷推出了各自数据中心项目,通常以容量来衡量成就,而国外企业则主要侧重分析工具手段和围绕用户的解决方案开发。二是,在建设方式上,广东企业往往采取“各自为战”、“平地起楼”的建设方式,从基础层面分头进行大数据存储或处理的开发。国外企业却多采用收购兼并、合作开发多种方式来进行建设,推进大数据存储、处理、分析综合发展,而不偏于一隅。三是,大数据面临巨大的安全性挑战,企业、个人数据的隐私保护,需要相应的核心技术来保障。四是大数据面临着有效存储、快速读写、实时分析等挑战,将对芯片、存储产业的发展产生影响。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化市场调研体系中,大数据与小数据是两类核心调研数据形态,分别对应海量行为统计与精准样本深度调研。行业普遍存在认知误 ...
2026-08-07数据透视表是Excel、WPS中最核心的数据分析工具,凭借快速汇总、分组统计、动态筛选的优势,被广泛应用于销量统计、业绩复盘、数 ...
2026-08-07 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-08-07在商品销量、市场需求、营收规模等业务数据中,季节性波动是最普遍、最核心的数据特征。零售快消、食品餐饮、家电服饰、电商行业 ...
2026-08-06在流量红利消退、市场竞争白热化的商业环境中,传统依托经验、跟风投放、广撒网式的营销模式,逐渐暴露出成本高、精准度低、转化 ...
2026-08-06 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-08-06【核心关键词】知识、设备、工程师、数字化、建模、算法、工业大数据、数据分析、控制算法、机器学习、深度学习、业务目标、工 ...
2026-08-05增长率是数据分析、业务报表、可视化看板中最核心的指标之一,常用于衡量营收、销量、用户量、流量等业务数据的涨跌幅度与发展趋 ...
2026-08-05小陈是某电商平台的数据分析师。老板交给他一个任务:“我们平台的注册用户已经突破1000万了,想了解一下用户的平均月消费金额。 ...
2026-08-05在机器学习建模、数据预处理、抽样划分、模型初始化训练的全流程中,随机种子是控制实验随机性、保证结果可复现、提升模型稳定性 ...
2026-08-04Python作为面向对象的主流编程语言,核心编程体系由变量、方法、类三大基础要素构成。三者层层递进、相互协作,支撑起所有基础代 ...
2026-08-04 很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问 ...
2026-08-04为什么学习数据分析? 当下,我们已然步入数据要素价值全面释放的智能时代。数据不再只是零散的数字记录,更是驱动新质生产力运 ...
2026-08-03CDA等级认证证书有效期为三年,三年进行一次年审,主要考察CDA持证人的职业发展情况;学历、工作单位及职业变更情况;继续教育 ...
2026-08-03【核心关键词】金融、岗位、企业、算法、知识、专业、理论、课程、软件、数据分析、业务类型、应用场景、经营管理、大型企业、 ...
2026-08-03在日常数据分析、业务报表复盘、业绩预测工作中,平均增长率是衡量数据长期变化趋势的核心指标,广泛用于营收增长、用户增长、销 ...
2026-08-03很多人把统计学理解为“一堆公式和计算”,却忽略了它的本质——一门让数据“开口说话”的科学。真正的数据分析高手,不是会算平 ...
2026-08-03在数据指标体系搭建工作中,从业者常困惑于指标搭建的核心逻辑:究竟是依托一线零散数据自下而上汇总指标,还是基于战略目标自上 ...
2026-07-31在数据分析、问卷研究、实验复盘、业务建模的工作中,大多数人最关注的是“用什么统计方法”:是做T检验、方差分析、卡方检验, ...
2026-07-31 许多数据分析师精通Excel函数和SQL查询,但当面对一张上万行的销售明细表,要快速回答“哪个地区销量最高”“哪款产品增长最 ...
2026-07-31