
大数据发展要经历三个阶段:存起来 用起来 联起来_数据分析师
存起来 用起来 联起来 深耕大数据产业潜力领域
“大数据发展要经历‘存起来’‘用起来’和‘联起来’三个阶段,目前国内和国外大数据正处于‘存起来’向‘用起来’发展的阶段。”近日,在接受数据观记者采访时,无锡华云数据技术服务有限公司首席战略官郁珉说。
“贵州发展大数据产业,可立足本土扩大开放,关注还未被深耕但很有潜力的领域,通过政策扶持促进这些行业和大数据的融合发展。”郁珉建议。
开放合作 大数据是共享资源
“在我看来,大数据其实是相对于静态性、单纯的小数据而言,指比传统数据有更长的生命周期、更加活跃的应用空间,更多的维度去采集和描述的数据。”郁珉说,大数据最早叫做数据库,发展之后称之为数据仓库,后面演变成现在所说的大数据。
在郁珉看来,大数据并不是一个独立的产业,而是应用于跨行业的。从大数据的发展趋势来看,它凌驾于行业之上、超越行业本身发展,并能促成行业的业务创新。
有人说大数据好比未来的“石油”,是一种战略资源,现在发展大数据是在为5年后、甚至10年后作储备。对此,郁珉有着自己更为客观的看法。
“大数据对未来世界的影响和改变世界的力量无疑是巨大的,说它是战略资源需要储备,这种出发点是基于资源有限、只能供一部分人使用、另一部分人不享受的消耗品的角度来说的。”郁珉解释道,在互联网领域存在一种开放、共享和合作的价值观,在这种价值观的前提下,互联网资源不应该成为稀缺资源,大数据应该是共享资源。
大数据发展要经历三个阶段
郁珉说,大数据发展分为三个阶段。第一个阶段叫做“存起来”,就是把数据存放堆集起来,表现在数据的大规模、多样性,数据有可以被利用的价值。
第二阶段是“用起来”,这个阶段有三方面特点,第一是采集,采集的角度和范围是尽可能扩张的,有一种主动性;第二是容易访问,可以灵活查询和调用;第三是分析,这种分析是基于大数据的内部关联,比如建立数据模型,进行模型推理等。目前国内和国外的大数据基本处于第一阶段向第二阶段发展的过程。
“大数据第三个阶段叫‘联起来’,目前国内外大数据都还没有发展到这个阶段。”郁珉介绍,“联起来”的表现在于无论是行业、企业或者个人的大数据都是自我组织和自我成长的,积累经验并不断完善自己的数据结构。大数据会自我表达给予和需要,表达自己可提供的数据和经验,同时表达自身需要别人提供的数据和经验。与此同时,基于大数据的自我表达和自我成长,大数据将会有社区化的方式来联合,联合起来将会产生更深远的智慧。“这就不仅是数据,而是技术了。在云的世界里,每个大数据都会互相握手,互相表达,互相获取大数据的经验,从而再获得自己的成长。”郁珉说。
贵州可立足本土深耕潜力领域
“虽然国内外大数据发展总体处于早期阶段,但不同行业间发展也参差不齐,目前国内的电商和互联网产业处于‘用起来’比较发达的阶段,但在传统制造业、政府部门等还处于‘存起来’的第一阶段,同时国外的医药产业、大型制造业及金融业相对国内都更加成熟和领先。”郁珉分析道。
贵州、贵阳正在将大数据产业作为战略性新兴产业进行发展,成立了国内首个大数据交易所。对此郁珉表示非常赞赏:“成立大数据交易所,这是非常勇敢、非常积极的创举,大数据未来的发展是互相交易和分享的,这将给大数据本身的发展带来积极正面的作用。”
“贵州大数据产业发展劲头很足,在发挥大数据中心自身优势之外,可以关注国内还未发力但很有潜力的领域,比如水利、生物工程、医药健康及城镇化发展等方面,通过政策扶持将资源吸引到贵州,促进贵州这些行业和大数据的融合发展。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22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