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
在数据处理的全流程中,数据呈现与数据分析是两个紧密关联却截然不同的核心环节。无论是科研数据整理、企业业务复盘,还是日常数 ...
2026-03-06在数据分析、数据预处理场景中,dat文件是一种常见的二进制或文本格式数据文件,广泛应用于科研数据、工程数据、传感器数据等领 ...
2026-03-06在数据驱动决策的时代,CDA(Certified Data Analyst)数据分析师的核心价值,早已超越单纯的数据清洗与统计分析,而是通过数据 ...
2026-03-06在教学管理、培训数据统计、课程体系搭建等场景中,经常需要对课时数据进行排序并实现累加计算——比如,按课程章节排序,累加各 ...
2026-03-05在数据分析场景中,环比是衡量数据短期波动的核心指标——它通过对比“当前周期与上一个相邻周期”的数据,直观反映指标的月度、 ...
2026-03-05数据治理是数字化时代企业实现数据价值最大化的核心前提,而CDA(Certified Data Analyst)数据分析师作为数据全生命周期的核心 ...
2026-03-05在实验检测、质量控制、科研验证等场景中,“方法验证”是确保检测/分析结果可靠、可复用的核心环节——无论是新开发的检测方法 ...
2026-03-04在数据分析、科研实验、办公统计等场景中,我们常常需要对比两组数据的整体差异——比如两种营销策略的销售额差异、两种实验方案 ...
2026-03-04在数字化转型进入深水区的今天,企业对数据的依赖程度日益加深,而数据治理体系则是企业实现数据规范化、高质量化、价值化的核心 ...
2026-03-04在深度学习,尤其是卷积神经网络(CNN)的实操中,转置卷积(Transposed Convolution)是一个高频应用的操作——它核心用于实现 ...
2026-03-03在日常办公、数据分析、金融理财、科研统计等场景中,我们经常需要计算“平均值”来概括一组数据的整体水平——比如计算月度平均 ...
2026-03-03在数字化转型的浪潮中,数据已成为企业最核心的战略资产,而数据治理则是激活这份资产价值的前提——没有规范、高质量的数据治理 ...
2026-03-03在Excel办公中,数据透视表是汇总、分析繁杂数据的核心工具,我们常常通过它快速得到销售额汇总、人员统计、业绩分析等关键结果 ...
2026-03-02在日常办公和数据分析中,我们常常需要探究两个或多个数据之间的关联关系——比如销售额与广告投入是否正相关、员工出勤率与绩效 ...
2026-03-02在数字化运营中,时间序列数据是CDA(Certified Data Analyst)数据分析师最常接触的数据类型之一——每日的营收、每小时的用户 ...
2026-03-02在日常办公中,数据透视表是Excel、WPS等表格工具中最常用的数据分析利器——它能快速汇总繁杂数据、挖掘数据关联、生成直观报表 ...
2026-02-28有限元法(Finite Element Method, FEM)作为工程数值模拟的核心工具,已广泛应用于机械制造、航空航天、土木工程、生物医学等多 ...
2026-02-28在数字化时代,“以用户为中心”已成为企业运营的核心逻辑,而用户画像则是企业读懂用户、精准服务用户的关键载体。CDA(Certifi ...
2026-02-28在Python面向对象编程(OOP)中,类方法是构建模块化、可复用代码的核心载体,也是实现封装、继承、多态特性的关键工具。无论是 ...
2026-02-27在MySQL数据库优化中,索引是提升查询效率的核心手段—— 面对千万级、亿级数据量,合理创建索引能将查询时间从秒级压缩到毫秒级 ...
2026-02-27