京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据助力京津冀协同发展_数据分析师考试
2015年6月24日下午,大数据助力京津冀协同发展高峰论坛在北京文津国际酒店五层阳光厅举行。本次论坛由京津·高村科技创新园、清华大学数据科学研究院主办,清华大数据产业联合会承办,北京诺亚星云科技有限责任公司协办。天津市武清开发区总公司副总经理李富国、京津高村科技创新园副总经理杜瀛涛、副总经理孙浩、中国科学院科技政策与管理科学研究所研究员王铮、清华大学数据科学研究院执行副院长韩亦舜和大数据产业界相关代表等出席本次活动。本次高峰论坛由壳牌中国零售CIO徐斌主持。
“今天我们谈论的京津冀协同发展是一个大话题,我们的目标,不是完成疏散人口、挪出产业等单一任务,而是真正把京津冀这三地打造成适合人居的地方。这个目标只有用大数据的思想方法进行全面思考,才能够真正实现。比较北京和天津,武清算小的,但是已经可以明显感觉到这里具备了培养创新创业的土壤。世界这么大,创业可以到武清去看看;大城市发展的机会这么少,不妨到武清去找找。”清华大学数据科学研究院执行副院长韩亦舜精彩的致辞拉开了大数据助力京津冀协同发展高峰论坛的序幕。紧接着,武清区开发公司副总经理李富国在致辞中强调:“武清过去一直是一个农业县。配合着京津冀协同发展,武清渐渐形成电商、生物医药、高端制造、大数据等几大产业。京津冀协同发展,非首都功能开始向武清疏解。我们致力于打造一个良好的工作环境、生活环境给创业者们。希望年轻人、创业者到武清落地。”
壳牌中国零售CIO徐斌首先在演讲中表示,“互联网+”意味着更多的人利用移动互联网作为生活的组成部分。这对于传统企业发出了挑战:如何利用互联网技术重构核心竞争力。大数据就是所有技术中间最为核心的竞争力。互联网技术可以帮助传统企业更好地转型,但是技术只是工具,重要的是传统企业可以拥抱互联网思维:平等、开放、协作、共享。今天我们讨论的京津冀三地协同发展,也需要这样的思维。随后,银联智策副总经理呼延如生介绍了银联智策和清华大学数据科学研究院经济金融数据研究中心共同研发的“京津冀经济发展系列指数”,并解释道:“这些指数是基于银联卡交易数据计算出来的,最真实的反映了市场上的交易情况,从衣、食、住、行、用的百姓生活以及地产、金融、物流等十多个产业发展多维度全面分析,以支撑京津冀地区产业战略发展决策”。清华大数据产业联合会副秘书长邱冬晓通过演讲《大数据@京津冀》表达了他对于如何在京津冀和武清区落实大数据战略的看法,他说:“首先,要以大数据产业为核心。第二,要以生态链为抓手,从服务业入手,实现生态的双赢。第三,大力发展创新创业为引擎”。
中国科学院科技政策与管理科学研究所研究院王铮在谈到京津冀协同发展中的机遇与挑战时表示:“京津冀地区总面积21.6万平方公里,差不多等于英国的面积。英国有那么多产业、那么多发展,我们中国京津冀也足以放下这么多产业。协调京津翼发展需要金融业、研发业这两个枢纽。大数据挖掘、大数据分析就是研发产业。大数据是靠数据挖掘来支持的,所以我们武清要发展,不能只依靠大数据企业,还要把相应的数据挖掘、产业分支发展起来,而数据发展依赖于人才。”
随后,清华大学数据科学研究院执行副院长韩亦舜、天津觉明科技有限公司副总经理孟庆凯、京津高村科技创新园副总经理杜瀛涛、太平洋电信客服部产品经理范利军、百融金服市场总监张毅、创业魔法学院CEO陆伟,就“大数据助力京津冀协同发展”问题进行了圆桌讨论,进一步探讨了武清高村科技创新园在京津冀协同发展和产业转型升级中的优劣势和发展方向。
在最后的大数据企业SHOW环节中,山东蚁巡网络科技有限公司、数聚变、京东智能云、北京爱康泰科技有限责任公司、屏芯科技、海思力科技有限公司、找地儿、北京华康联创医疗有限公司、小象在线教育、易宝天创数据服务有限公司等10家大数据创新创业企业代表分别上台介绍了各自公司的大数据应用场景,活动圆满结束。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17