
大数据让经济运行迅速智能化_数据分析师考试
6月19日,浙商大会暨“‘互联网+’峰会”在杭州举行。围绕着大数据、“互联网+”、工业4.0 、O2O 创业等当下热点问题,企业、专家、投资者进行了多轮热烈的探讨。
在峰会设置的主论坛报告会上,中国工程院院士潘云鹤指出,世界各国最近几年来都十分重视大数据,美国奥巴马政府2012年宣布投资2亿美元推进大数据,2013年英国政府宣布计划向大数据技术投资1.89亿英镑,欧洲市场迅速跟进。美国信息技术和创新基金会2013年11月的一个报告认为,如果说石油是20世纪经济发展的助推剂,大数据将成为21世纪经济发展的助推剂。
大数据和经济战略、技术战略、产业战略一样,就发生在我们面前,其本质是什么?潘云鹤说,中国工程院的研究认为,其本质是世界的空间正在进行一次巨大变化,这个变化的本质是世界从原来的二元空间变成三元空间。近年来信息力量迅速壮大,已经成长为物理世界、人类社会两极之外的新一极—信息世界。
信息早就存在,为什么直到现在才开始变成新的一极,引起世界如此大的变化?潘云鹤解释说,那是因为现在出现了互联网、移动通信、搜索技术。在互联网之间进行各种各样的知识搜集、数据搜集行动,形成了很多像谷歌那样的公司。就这样,我们进入到一个大数据时代。
谈及大数据的应用,潘云鹤举例说,这几年北京的PM2.5很严重,但每一次访问专家时,他们分析的导致PM2.5的原因都不一样,因为那是专家根据实验室研究结果而得出的。实际上,PM2.5参数变化非常快,不用大数据分析是不行的。
同样,巴黎政府发现PM2.5没有测准的原因,是因为监测点太少了。于是,巴黎政府动员几百个市民,每人发一个传感器,最后把巴黎市的PM2.5情况搞清楚了,包括根源在哪里、哪些是主要原因。潘云鹤说,把测PM2.5的传感器装在手机里、出租车上,用互联网方式把数据搜集起来,我们就可以准确地监测PM2.5。
潘云鹤介绍,大数据和传感器有密切关系,现在的传感器做得非常小,只要把传感器放到飞机的蒙皮里面去,就可以通过收集数据的方法感知飞行时的风速、温度和压力。这些传感器每一点的形状在1毫米以内,而且有动力源,能够把数据传到飞机内部。这样一来,飞机在飞行过程中,我们便可以知道它的受力情况,就可以大大改善飞行情况,同时飞行员的飞行水平也可以得到提高。另外,还可以知道飞机下一步应该如何改进。更重要的是,传感器还会对我们的生活产生巨大影响,比如医疗镜、睡眠评测仪器等的应用。
谈及中国的大数据战略,潘云鹤认为,大数据是中国发展的一大挑战和一大机遇。要充分利用这一机遇,中国需要抓好三类最重要的大数据应用:一是城市大数据应用,包括城市建设、环境、经济、教育、医疗卫生等数据,越来越多的巨型数据中心正在涌现,需要权威、技术和市场的合作;二是行业与企业大数据,如物流、微观市场研究等;三是科技知识大数据应用。
大数据在研究宏观、中观、微观经济和社会问题上都很重要。潘云鹤指出,城市大数据、行业与企业大数据、科技大数据是最重要的大数据,我们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,使中国的运行迅速智能化。潘云鹤说,巨量的数据聚集在一起会产生非常重要的新的知识。为此,我们需要汇集各种数据源,要把互联网、数字图书馆、专业数据汇集在一起,不同数据之间要互通,这是一个巨大工程,如果做好了贡献是很大的。
据潘云鹤透露,工程院正在进行一个有关大数据的新项目—《新本草纲目》。他说,“中国中草药的生产、开发不是最好的,但我们要搞成一个新的知识系统,把大数据聚集起来,也就是把单一药材,把几千年的配方,把各种疾病互相打通,把单味药材、成分数据、药理数据互通联通。
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