
大数据风口要抓好三类大应用_数据分析师考试
人类正进入大数据时代,各国都在关注这一变化。中国也不例外。对此,潘云鹤指出,中国政府要抓好城市大数据、行业和企业大数据、科技大数据这三类重要大数据的应用,为民众、企业、政府做好服务。
与网上呈现的大数据信息相比,城市大数据则更重要、更富有应用价值,它涵盖了城市建设、环境、企业产业、教育、医疗卫生、食品、文化等多方面。
那么,谁有能力聚集和连接这些数据呢?是公司、公共机构,还是政府?潘云鹤认为,这要依靠权威机构、技术和市场的合作。
其中,政府应在城市大数据的管理与开放中起主导作用。这主要表现在:促进知识服务业发展,创造新的市场与技术;确保个人信息不受侵犯、公共信息安全与共享;提高城市管理能力与决策水平,更好为市民提供服务。
中国工业化与城市化的环境和政府结构有利于发展城市大数据。如果做得好,中国可以用城市大数据来深化智能城市的发展。”潘云鹤说。
在潘云鹤看来,把行业和企业大数据应用好,对我国经济结构调整和经济转型升级极为有利。他举例说,我国物流业整体能力不强,尤其是占国内运输75%以上运量的公路物流,相比发达国家落后近20年。在欧美,物流成本占物价的10%~15%,中国为20%~40%;欧美的物流费用占GDP的10%,中国为18%。
有货的找不到合适的司机,有车的找不到合适的货源。这就是大数据能够发挥作用的地方。”潘云鹤说。
传化公路港平台在这方面进行了有益的尝试:线上线下联动,以卡车司机为主要服务群体,以全网运力交易市场为核心模式,全力打造了全网络化服务产品,组成一个公路物流的信息化智能指挥体系,实现全网范围内的运力调度采购、实时监控。
潘云鹤介绍说,该平台利用大数据提升了物流效率,降低了物流成本,使配货时间从72小时降低到6~9小时,平均降低工业企业运输成本40%。同时,通过集约化管理,有效改善了公路物流“小、散、乱、差”的面貌。
工业结构调整、产业升级,不是空喊口号。中国的经济管理部门应该去研究行业生态环境、城市生产生态环境,运用大数据具体分析什么是薄弱环节,进而将新型城镇化、深度信息化和工业化升级版深度融合。”潘云鹤强调。
关于科技大数据的应用,潘云鹤谈到,中国工程院从2012年开始建设中国工程科技知识中心,以连接多个数字图书馆、专业数据库和相关网站,使数据能够从不同的角度重新组织并获得新的认识。
大数据在研究宏观、中观、微观经济和社会问题上都很重要。”潘云鹤说,“我国可以利用体制的优越性,政、产、学结合,果断地占领大数据战略的制高点,使其运行迅速智能化。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02