
当前,随着移动互联网的普及和“可佩带计算”等智能设备的出现,人类的行为、位置,甚至身体生理每一点变化都成为了可被记录和分析的数据。以此为基础,“反馈经济”(feedbackeconomy)等新经济、新商业模式也开始形成。可以说,一场全新的、以大规模数据生产、分享、使用为代表的技术革命正在发生。
大数据让人类对自己,也让人类对外部世界的认识更加全面,决策上更加科学。大数据不但可以更好地了解到每个人的爱好、特长、信用等情况,还可以获知社会整体的供给、需求、情绪等信息,帮助我们实现更好的计划和管理,创造出更加符合需求的、定制化的产品,为众多的传统行业和部门带来颠覆性创新的机会。
正如工业革命的开始,是以蒸汽机、运输系统和大规模制造为代表,新经济、商业模式都是几种技术相互影响和推动的结果。今天,移动互联网、“可佩 带计算”和云计算、大数据一道,共同开启一个新时代的到来。数据挖掘不仅会成为公司竞争力的来源,也将成为国家竞争力的一部分。
大数据中国战略机遇与路径
三大关键技术力量出现
今天,人类已经拥有三种信息技术力量:无所不在的数据和计算,无处不在的网络和大规模分布式的存储和运算能力(云计算)。比如,“可佩带计算” 设备的广泛运用,忠实地记录了我们的衣、食、住、行及状态,并通过无处不在的移动网络,将大量的数据传输到“云中”去,进行分析和处理。
云计算、移动互联网、“可佩带计算”几种力量一道,为我们打开了新一轮技术革命的大门。现在,人类一天创造的数据相当于2000年一年的数据 量。把一个人一生的生理、心理数据等全部记录下来,大约需要1000T的数据量(1024G等于一个T)。如此量大并且不规则的“非结构数据”,只有云计 算才能进行有效、快速的处理。
作为IT新一轮浪潮的代表,云计算使得计算资源像水、电一样便宜、唾手可得。云计算强大的存储、计算平台,推动了终端的智能和简单化,并带动软,硬件设计的革命。如以苹果、谷歌为代表的智能手机、可穿戴设备,3D打印以及开源软硬件的发展。
云计算、移动互联网和“可佩带计算”的结合,让每个人、每辆车甚至每个建筑都成为信息感知和接收的终端,带动了一个可感知、反馈、分析和预判的 “大数据时代”的到来。在这个以PB(1PB=1024TB)为单位的非结构化数据为主的大数据时代,使用云计算对这种非结构化数据进行适时分析、挖掘, 可以让我们的决策更加精准,释放出数据的隐藏价值。
“反馈经济”革命性兴起
2012年初,斯坦福(Stanford)大学的三个学生针对脊椎病的防治创立一个公司。一般来说,脊椎病的形成与人们的坐姿有关。问题是经常 意识不到坐姿有问题。他们的解决方案是:将一个传感器放在皮带上,此传感器可适时监测患者的坐姿,并通过移动网络,传输到“云中心”去。
“云中心”的服务器不断积累数据,通过经验数据的比较分析,评估你的坐姿并计算出多长时间需要调整,然后将调整的信号发到你的手机上。不仅如此,它还可以将你坐姿状态数据直接发给好友。佩带同样设备的朋友在社交网络上,可以知道彼此的状态,进行分享、反馈和纠正。
这个小例子说明,利用移动互联网、云计算及大数据,可以帮助你完成一个行为的纠正或调整。这几种看似分离的要素合到一起之后,一种新的经济形态——“反馈经济”出现了。
在硅谷,创业者们把利用这种技术建立创业公司,称之为有“反馈经济”的企业。通过把云计算、大数据、“可佩带计算”和移动网络,这几种技术及技术提供的可能性放在一起,一种新的闭环形成。这个闭环的形成,其代表的经济意义及商业模式的创新意义巨大。
首先,人类的行为,无论个体行为、群体行为,还是社会行为的调整与改变,都是非常难的一件事情。一个有效的方式就是反馈机制,比如效果、情绪、行为的反馈,越有时效性的反馈就越富有意义。同时,我们还可以通过社交网络实现过程的分享和监督。
其次,云计算将大规模数据不断收集、积累、计算,将使计算模型具备学习能力,因而会越来越精确。上例中购买脊椎病纠正仪的患者越多,收集的数据也越多,对患者预警模型也就越精确,越有指导意义。
如果把这类技术应用推广到多种设备、多个行业来看,人类对自己、对商业、对社会的认识、理解、反馈就会更有效,预测性更强,供给与需求的矛盾便 更容易解决。如果每个人的心跳都能被记录下来,各种各样的生命指标能记录下来,很多的疾病就可以预防;如果每个人学习的擅长能够被记录下来,每个人的课本应该是不一样的,每个人的考试也应该是不一样的,也可以让天才在更早期就被发现出来。
大数据另一个非常重要的应用叫做QS(QuantifiedSelf)——量化自我。“量化自我”运动最早出现在硅谷,由《失控》的作者凯文· 凯利等人发起。他们通过找到一群自愿者,带上传感器及手持移动设备,尽量把每天生活的轨迹(衣食住行)以至脉搏、情绪都记录下来,然后将数据贡献出来,进 行分析。借助着越来越多的“可佩带设备”,像手表、手环以及服装、腰带上的传感器,可以更好帮助我们了解和改善自己的身体、情绪状况和周边环境。
中国四大优势
今天,传统工业经济增长模式已经达到极限,它面临日异严峻的能源、原材料消耗,以及环境等诸多问题。历次技术革命中国均是学习者,这一轮信息技术和大数据革命,由于技术的全球化和开放性,以及中国改革开放以来,尤其是在互联网时代的积累,让我们不但第一次和西方站在同一起跑线上,还拥有一些独特的优势,在很多方面甚至具备了创新和超越的可能:
其一,“可持续发展战略和转变增长方式”战略提出,政府已经意识到传统工业带来的问题。中国的举国体制,可以“集中力量办大事”。当然,这需要决策者在思想认识统一,决定和行动上一致。
其二,大数据时代每个人都是“Prosumer,即生产-消费者”,消费者的参与变得更加重要。中国庞大的人口,复杂的市场也创造出世界最大、最复杂“大数据”,可以催生新的大数据产业群并诞生出独特的技术和商业模式。
其三,中国拥有世界上最大的大学生群体。2013年中国大学毕业生人数近700万。驾驭大数据时代,挖掘“数据金矿”,最需要的就是数学、统计人才。中国高校数理学科基础强大,大数据时代“数据矿”的挖掘需要数理功力。应该说,中国拥有全世界无可比拟的数据人才优势。
其四,中国有足够大的市场。未来5~10年,中国可能成为世界上最大的信息技术市场,在服务器、数据中心,智能终端、应用软件等各方面也都可能给中国创新企业带来前所未有的机会。
大数据中国战略路径
工业经济的基础设施是铁路、公路、航空,以及水、电等,信息时代云计算和网络、大数据结合成为新经济的基础设施。现实需求和技术的双重推动,会 让越来越多的政府机构、企业和个人意识到数据是巨大的经济资产,像货币或黄金一样,它将带来全新的创业方向、商业模式和投资机会。
今天,中国要解决由大规模数据引起的问题,探索以大数据为基础的解决方案,实现产业升级,同时完成工业化、信息化和城镇化三大任务,我们面对的最大的挑战:一是企业和创业者们有没有足够的勇气和想象力,去开创这样一个时代的到来,创造出新的商业模式;二是在此过程中,也需要政府出面,从政策,产 业支持和法律方面,扫清“大数据”发展的障碍:
首先,要解决数据的“流动性”和“可获取性”问题。美国政府创建了Data.gov网站公开数据,英国、印度也有“数据公开”运动。如同工业革 命要开放物质的交易、流通一样。开放的、流通的数据是时代的要求。中国要赶上这样一场大数据变革,首先要从政府开始公开数据,让社会享受公开数据的好处, 同时也可以提升政府的办公效率。
其次,通过数据立法,对“隐私权”、“所有权”等敏感问题通过法律形式加以保护。如何将数据更好地分类、分享和使用,需要政府、企业、社会共同努力。大数据带来的好处远远大于问题,隐私问题不会成为大数据发展的障碍,但大数据“隐私权”、“所有权”需要国家立法来规范。
其三,从国家战略层次,解决数据标准和数据交易的问题。鉴于国际上对于未来数据的所有权已经成为重大的国际战略问题,国际数据资产不仅仅关系到未来的国家经济,还关系到国际政治和战略。中国要占领国际数据资产制高点,应该发挥优势,率先发起并领导国际数据标准的制订。
比如,提出并倡导“数据主权”、《国际数据公约》,来规范世界各国数据获取、使用和所有权这些重大问题;政府启动,设立国家级“数据银行”,对数据资产的交易和流通进行保护。
其四,政府部门成为大数据的实践者。为更好提升服务能力,树立更加开放、透明,负责、高效的政府形象,应创造条件,鼓励大数据在政府部门和公共事务,尤其是关系国计民生的关键行业率先使用。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28