天地大数据论坛

A. 大数据“点将”，这些世界级大咖牛在哪

国际大咖全能王：柯克·伯尔尼(Kirk Borne)25位全球顶尖大数据科学家之一、博思艾伦高级数据科学家、天体物理学家和空间科学家柯克·伯尔尼现担任博思艾伦（Booz AllenHamwuilton）公司高级数据科学家。被媒体评为25位全球顶尖大数据科学家之一，并在2014年被评为IBM大数据与分析英雄。除了任职于博思艾伦，他还是很多其它公司的顾问委员会成员。他在加州理工学院获得了天体物理学博士学位，是一名天体物理学家和空间科学家，不愧为一个全能王。塔尖人物：马克·范·雷蒙南(Mark van Rijmenam)全球十大顶尖大数据影响人物之一、知名大数据网站Datafloq创始人马克·范·雷蒙南，全球十大顶尖大数据影响人物之一、著名演讲家、博士。在大数据、数据区块链、物联网和颠覆性创新方面有很高的建树：知名大数据网站Datafloq创始人、数字化领导力实验室创建合伙人、荷兰Data Donderdag大数据论坛联合创始人，著有《Think Bigger: Developing a Successful Big Data Strategy for YourBusiness》。前瞻：杰克·肖(Jack Shaw)美国BBT公司总裁，美国数据区块链委员会高级负责人、全球区块链委员会高级顾问、高级战略咨询专家杰克·肖，作为当今世界极具前瞻性的世界著名未来学专家，杰克•肖致力于通过定量、定时、定性和其他科学方法，探讨现代工业和科学技术的发展对人类社会的影响，拥有超过30年探索未来社会发展预测的研究经验，专注领域包括新生技术，如大数据、AI、物联网、3D打印技术、移动商务、数据分析等等，是世界5大顶尖科技未来学专家之一。

B. 了解下数据的平台都有哪些呢谢了

现在的数据平台有很多的，基本上每一个互联网金融公司，都有自己的数据平台。

C. 大数据时代发展历程是什么

可按照时间点划分大数据的发展历程。

D. 认清现实吧 中国大数据产业的痛点和困难

认清现实吧 中国大数据产业的痛点和困难

大数据作为一个新兴的产业，一直在处于舆论的风口浪尖。就像互联网＋的概念一样，大数据被神话了，被送上了“宗教”的神坛。大数据企业总是有一个担心，生怕大数据被捧得的太高，将来可能会被摔的很惨。

2015年中国大数据产业的热度从贵阳大数据交易所开始，到9月国务院的2015第50号文《促进大数据发展行动纲要》进入高峰，相信10月份的乌镇互联网大会上，大数据还会是一个大的热点。

大数据论坛上，数据产品和解决方案被介绍的很多。数据给企业带来的具体价值、数据应用场景、大数据产业的痛点介绍的很少。中国大数据产业经历着很多痛苦，大数据产业前景很好，但是大数据企业却很难做大，很难实现质的飞跃。中国大数据产业的痛点和困难如下。

中国大数据企业大概有200多家，将近60%集中在北京，以小微企业为主，年销售额达到十亿人民币的企业几乎没有。大数据产业处于春秋时代早期，各家诸侯割地而立，每家占领了一块小的细分领域，很难做大，都面临着同行的激烈竞争，有的领域例如舆情监控已成为红海。

大数据企业人数大多在几十人到几百人，少有千人以上的企业。没有一家大数据企业可以统领一个行业，没有一家企业占有细分市场10%的份额，没有一家大数据企业建立了行业标准，领导行业发展。

中国大数据产业处于极度分散状态，优秀的人才分布在不同企业，很难形成人才合力。各家企业规模小，很难在企业做深做大，很难利用大数据帮助企业实现业务提升。大多数企业的工具和数据很难满足企业整体的数据要求，中国的数据挖掘和分析产品也很难和国外的产品进行竞争。

大数据产业如果要形成产业优势，必须需要一批领军企业。参考国外大数据产业，中国在大数据基础架构，数据产品，数据工具、数据清洗和数据挖掘、数据分析、数据人才都需要产生一批标杆企业。每个领军企业都规模应该在千人以上，销售额应该在百亿以上，否则很难形成技术和人才优势，也很难利用大数据帮助客户实现业务提升。

贵阳大数据交易所《2015年中国大数据交易白皮书》提到2014年中国大数据市场规模为767亿元。这个数字看上去不错，估计其实真正和大数据工具和大数据产品相关的不足20%（业务价值提升）。大多数的经费都用于大数据基础平台（存储和计算）、咨询、报告等和业务价值提升相关度不大的领域。中国大数据市场销售额大多数集中在传统的IT企业例如IBM，Oracle，EMC，Intel，华为，联想等。真正大数据企业所有市场份额加起来可能就在百亿元左右。

中国大数据企业规模过小，领军企业缺少，行业过于分散，这些都是制约中国大数据产业发展的因素，也是产业做大的一个痛点。

数据是大数据产业发展的基础，具有商业价值的数据可以帮助企业洞察客户、数字化运营、风险管控、精准营销、预测和决策等。具有商业价值的数据和商业分析真正能够帮助企业提升业务，创造出新的价值。

中国的大数据市场还不成熟，很多大数据企业拥的数据都是片段的数据，很难形成完整的，具有商业价值的数据。大数据市场的数据质量和企业的数据需求有较大的差距。外部数据大多处于孤岛状态，数据之间很少流动和整合；孤立、不流动、没有整合的数据很难帮到企业，很多需要数据的企业不得不从多个大数据企业采购数据，效率很低，采购来的数据价值不高，数据整合的难度较大，数据采购的整体费用过高。

大家都看到了数据分散的弊端，于是很多地方都建立了大数据交易市场，帮助大家进行数据交易和数据采购。由于缺少法律保护，很多企业不太想在交易市场进行数据交易，往往还是采用一对一的数据交易，这种交易方式可以保护交易双方的利益。具有商业价值的数据还在开发中，大数据交易市场，缺少大量可以进行交易的数据。大数据交易市场这种商业模式，还需要用很长的时间去证明。

中国质量最好的数据在金融行业、BAT、电信运营商，这些企业比较谨慎，很难向外部输出数据。这三大行业自身的主营业务也不在数据，其数据产品生产和输出的愿望也不强烈。政府的数据正在逐步开放，但是其数据质量、集中度、输出方式等多存在很大多挑战。在中国大规模的数据开放，至少需要3年时间才能达到商业应用要求。

大多数企业对数据有需求，但是其对数据商业敏感度很低。对数据商业应用的场景以及数据技术了解很少。即使是数据商业敏感度较高的银行，至少要沟通三次以上，其才能够建立起数据价值理念。其他行业例如制造业，房地产业，零售业，他们的数据商业敏感度更低。甚至万科的王石也大声疾呼，不要和房地产业谈大数据应用，房产行业数据还不全，很多还是手工数据。于是某个领先的电商开始帮助万科进行数据规划建设，研究大数据在房地产行业的应用。

已有的大数据企业商业案例中，大部分都是大数据企业主动去找客户谈合作，为企业提供数据产品、数据工具或数据技术，目的是帮助企业提升业务。但是这种商业模式很累，市场很难被引爆，被动的数据商业应用，往往和业务结合较弱，无法迅速帮助企业利用数据提升业务，同时也无法解决业务发展瓶颈。

企业内部人士深度了解业务需求，他们缺少的是市场数据和消费者反馈，缺少的数据分析方法和工具。企业内部人士更应该成为大数据商业应用的主力，参加一些行业活动，从需求出发，主动寻找数据和解决方案。移动互联网时代，商业竞争策略很清晰，一个是快，一个是要利用数据进行决策。

大数据产业的发展，不仅仅是大数据企业自身的事情，也是各家企业自身的事情。企业客户也应该依据业务需要，主动到市场寻找数据和解决方案，提升数据商业敏感度，从业务场景出发，寻找具有价值的数据。

市场上所有大数据企业和客户都面临一个难题，就是数据解决方案同客户业务结合的深度不够，数据对业务整体推动效果不如期望，这也是大数据产业爆发的一个痛点。由于外部数据质量、企业用户数据敏感度、企业管理方式、商业数据人才等问题，大数据解决方案很难和业务深度结合。

大数据核心价值就是揭示事务发展规律，帮助企业利用数据进行科学决策。目前大数据的商业应用领域主要集中在数据采集、数据存储、数据计算、用户画像、精准营销等领域。大数据最具商业价值的预测和辅助决策功能并没有被充分利用。特别是在重大战略决策方面，大数据的作用并不明显。企业的产品开发，市场策略，战略决策还是依靠过去的精英决策和经验主义。未来社会只有两类企业，一种是利用数据发展的企业，另外一种是不重视数据被淘汰的企业。

大数据企业如果想发展壮大，如果想成为行业领先的企业，其必须放弃短期利益，深入到客户的运营中去，了解客户的数据，了解客户的业务，了解客户的商业需求。同时利用数据了解客户，了解市场，了解业务场景。数据和业务深度结合的核心是掌握正确的数据、正确的方法、正确的工具。业务人员要懂数据，技术人员要懂业务。复合型数据人才是数据生意的关键，业务人员掌握数据技术的门槛较高，但是技术人员了解业务的门槛很低，复合性人才倾向于从技术人才培养开始。

企业内部的数据人才和大数据企业的数据人才需要互相学习，了解对方环境和需求，在同一个平台上进行对话和沟通。数据团队需要深入了解业务场景和背后的规律，从业务出发，从场景出发，从数据出发，将大数据解决方案同业务深度结合，利用数据推动业务发展，发挥大数据预测规律的核心价值。

传统的数据挖掘工具和BI系统存在很久了，通过各类报表展示，让管理层了解企业运营信息，过去的确帮助企业提高管理水平，达到了预期目的。

在大数据时代，企业需要的是实时数据，需要的是高效工具，需要的是决策支持和预测。传统的数据挖掘工具的性能和灵活性已经不能满足企业的需要，另外非机构化数据的应用也对传统数据工具提出了挑战。BI领域中的SAS，SPSS，TD等数据工具越来越被边缘化，R语言正在成为数据统计和可视化的新宠。

数据的时间价值正在得到重视，特别是金融企业，所有的业务部门都期望在最短的时间里，看到资金使用情况，客户交易情况，风险管控情况。企业越早了解信息，就会越早进行决策，时间就是Money。过去数据需求可能是T＋5或者T＋30，现在的数据需求往往是T＋1或者T＋0，数据实时性、准确性、相关度被提到了一个非常重要的地位。业务的需求已经很明显了，但是数据工具和人才却是一个很大的挑战。

中国200多家大数据企业，看到了大数据产业的曙光，看到了大数据产业的价值，同时也在经历着大数据企业的痛苦。大数据产业发展很快，市场正在逐步变大，但是其产业优势不明显，优势企业很少，数据商业化较慢，市场还不成熟，客户数据商业敏感度较低，缺乏高质量数据工具和人才。所有大数据企业内心的感受就是，站在了时代的风口，选对了方向和行业，但是发展壮大还是很难。200多家大数据企业正在努力耕耘着大数据产业，痛并快乐着。

以上是小编为大家分享的关于认清现实吧 中国大数据产业的痛点和困难的相关内容，更多信息可以关注环球青藤分享更多干货

E. 提速新基建 华云数据受邀参加5G、大数据产业高质量发展论坛

2020年9月28日，由合肥市高新区管委会主办的“智链生态圈——解码新基建 提升新动能”5G、大数据产业高质量发展论坛顺利召开。华云数据作为中国云计算独角兽企业、数字新基建领跑者受邀参会，与中国电信、科大国盾量子、龙芯中科等省内新基建代表企业一起探讨5G时代下新基建发展机遇以及如何赋能企业数字化转型，并就数字新基建下云计算的应用发表主题演讲。

华云数据解决方案中心高级顾问李纪亨在演讲中指出，在未来万物互联的智能世界，云、AI、5G，数据以及算力将成为新生产工具、新生产资料和新生产力，是未来经济的基础设施。预计到2025年，“新基建”细分产业规模中，5G、云计算、大数据中心产业规模将达90000亿元人民币。

“新基建”的提出让“上云”变成刚需，传统政企机构“上云”潮再次掀起。李纪亨坚定认为，云计算已经成为IT基础设施的主导者，云计算在成本、稳定性、安全和效率层面已经远超传统IT。行业公开数据表明，企业上云后综合成本下降一半，稳定性有10倍以上提升，安全性更是提升50倍。

近年来，华云数据以推动中国行业数字化转型为己任，致力于帮助政企客户采用云计算、大数据提升IT能力，实现业务变革。目前，凭借定制化私有云、混合云服务,华云数据在政府金融、国防军工、教育医疗、能源电力、交通运输等十几个行业打造了行业标杆案例，客户总量超过30万。

李纪亨以智能制造云为例，华云数据基于企业级云平台为中国最大的包装集团劲嘉集团构建了“智能包装”、“工业物联网”等业务，通过二维码和物联网接入技术为企业提供面向消费者的数字化服务，扫一扫二维码便可以实现产品原产地、生产日期等信息的溯源。

通过工业物联网私有云平台的建设，劲嘉集团数据中心IT资源利用率提升了70%-80%，基础设施成本降低了40%，监控大屏故障自动化识别率提高了60%，大大提升了运维效率、系统稳定性以及业务的连续性。

信创产业是“新基建”的重要抓手，为“新基建”全面构筑安全之基。华云数据积极推动信息技术应用创新与数字基建紧密融合，并在安徽落地了信创云数据中心项目，推动政府和企业用户加快数字化进程，引领经济发展，为推进长三角一体化贡献力量。

李纪亨介绍，作为2020年长三角地区重大新基建项目，“华云信创云数据中心”已于今年8月底在安徽省合肥市高新区正式开工奠基。该数据中心以信息技术应用创新为标准打造，总投资10亿元人民币，占地面积为68.9亩，总建筑面积约8.2万平方米，将建设11栋数据中心及相关配套设施，并于2021年正式投产，可为党政、金融、教育、医疗等用户提供近万个机柜的计算和存储能力。

数字新基建兼具稳增长、惠民生和促转型等多项意义，正成为我国推动经济高质量发展的战略基石和关键支撑。李纪亨最后表示，华云数据愿意与产业界各方合作伙伴携手积极 探索 、共同创新，为新型基础设施建设贡献智慧和力量。同时，充分发挥自身云计算、大数据等领域的优势，加快数字化赋能和智能化升级，助力安徽贯彻国家 “新基建”的决策部署，驱动安徽经济新一轮的内生性增长和高质量发展。

F. 大数据的特点有哪些

根据《大数据时代》大数据的特点主要分为以下四点：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）
一、Volume（大量）
大数据的特征其实是我们现在理解的海量数据。“大数据”在互联网行业是必备项：互联网公司在日常运营中生成、累积的用户网络行为的数据。比如社交电商平台每天的产生订单， 各个短视频、论坛、社区发布的帖子、评论及小视频， 每天发送的电子邮件， 以及上传的图片、视频与音乐，等等， 这些无数个体产生的数据规模很庞大，数据体量早已达到了PB级别以上，大数据的大量就是我们说的海量数据。
二、Velocity（高速）
随着网络传输速率不断攀升，从传统的百兆到千兆万兆网络，移动网络也已经逐步升级到了5G时代，数据的产生和传输都越来越高速。所以客户越来越强调实时反馈，就是无论是在线看电影还是在线直播、刷视频都要求低延时，对于传输、存储、播放都要求高度，人们和企业都越来越依赖互联网，网上的实时交易、在线培训、社交等都与每个人息息相关，云计算平台大数据平台担负着高质量的服务功能，运营方还是服务商对于海量数据，谁能提供更快的速度，谁就能获得更多的用户和订单！
三、Variety（多样）
数据多样性其种类包括文字、图片、视频、语音、地图定位信息、网络日志信息等等，正是多样化的数据形式决定了大数据的更高价值。对于数据挖掘和数据资产越来越受到企业的重视，多类型的数据对数据的存储和处理能斗做力都提出了更高的要求。目前应用最广泛的就是智能推荐系统，如今日头条，网络、抖音等，这些平台都会通过对用户的行为进行分析，从而智能地推荐用户喜欢的内容页面。
四、Value（低价值密度）
随着物联网的广泛应用，往往人们需要从仿销脊海量的数据中提取相关联的有用的信息，所以对于大数据的机器学习深度学习算法可以发挥巨大作用。大数据最大的价值备渗在于通过从大量不相关的各种类型的数据中，挖掘出对未来趋势与模式预测分析有价值的数据，并通过机器学习方法、人工智能方法或数据挖掘方法深度分析，发现新规律和新知识。