Red de conocimiento informático - Material del sitio web - Las aplicaciones de big data deben resolver tres puntos clave

Las aplicaciones de big data deben resolver tres puntos clave

Las aplicaciones de big data deben resolver tres puntos clave

Los puntos clave de las aplicaciones de big data son que las fuentes de datos, la productización y la creación de valor están distribuidas de manera desigual, y es más probable que las aplicaciones de big data logren avances en los datos; campos intensivos; se deben reformar los modelos inadecuados de gestión industrial y se debe promover la aplicación de big data en las industrias existentes.

El valor del big data reside en su aplicación. Actualmente, a nivel nacional, el Consejo de Estado ha emitido un "Esquema de acción para promover el desarrollo de Big Data"; a nivel local, Big Data se ha convertido en un motor estratégico para el desarrollo regional y se han desarrollado varios conceptos de Big Data; Las empresas están en ascenso y se desarrollan vigorosamente. Solo nos centramos en la aplicación de big data, centrándonos en de dónde provienen los datos, cómo se utilizan y quién paga por los resultados, es decir, los tres puntos clave de la fuente de datos, la productización y la creación de valor. Una buena aplicación de big data puede ser técnicamente compleja, pero su modelo de negocio debe ser simple, directo y factible. También nos preocupa la existencia de algunas industrias o campos "intensivos en datos" que pueden facilitar el desarrollo de aplicaciones de big data. En términos de política industrial, nos preocupa que los big data sean una industria emergente. ¿Seguirán siendo eficaces los métodos probados en el pasado, como donar tierras, dinero y proyectos?

Tres puntos clave de la aplicación de Big Data

El "Esquema de acción para promover el desarrollo de Big Data" del Consejo de Estado (denominado "Esquema de Big Data") posiciona a Big Data como "una nueva generación de tecnología de la información y la industria de servicios", asignándole las funciones estratégicas de "promover la transformación y el desarrollo económicos", "reconfigurar la ventaja competitiva nacional" y "mejorar las capacidades de gobernanza gubernamental", y definir los datos como "recursos estratégicos básicos nacionales" . Y define los datos como "recurso estratégico básico nacional". En términos de aplicación, el "Esquema de Big Data" propone múltiples direcciones de desarrollo en los asuntos públicos, como el macrocontrol científico, una gobernanza gubernamental precisa, servicios comerciales convenientes, garantías de seguridad eficientes y servicios de medios de vida inclusivos para las personas en los asuntos públicos; A nivel, se divide principalmente en big data industrial, big data de industrias emergentes, big data agrícola y rural, big data de innovación pública, así como sistemas de productos de big data y cadenas industriales de big data divididas por campos industriales. Estas direcciones solo tienen potencial y espacio para aplicaciones de big data. Su aplicación y su papel dependen de si existen modelos factibles y efectos reales. Ya sea en el sector público o a nivel industrial, la aplicación de big data es inseparable de la fuente de datos, la tecnología y los métodos de procesamiento y el modelo de creación de valor. En resumen, es necesario responder a las siguientes tres preguntas aparentemente simples pero realmente críticas. (1) ¿De dónde provienen los datos? En cuanto a la fuente de los datos, generalmente se cree que Internet y el Internet de las cosas son la base para generar y transportar big data. Las empresas de Internet nacen como empresas de big data, que acumulan y generan continuamente cantidades masivas de datos en sus respectivas áreas comerciales principales, como búsqueda, redes sociales, medios y transacciones. Los dispositivos de IoT recopilan datos en todo momento y la cantidad de dispositivos y el volumen de datos aumentan día a día. Estos dos tipos de recursos de datos, como minas de oro de big data, continúan generando diversas aplicaciones. La mayoría de las experiencias exitosas de big data introducidas desde el extranjero son casos clásicos de aplicación de este tipo de recursos de datos. También hay algunas empresas que han acumulado una gran cantidad de datos en su negocio, como transacciones inmobiliarias, precios de materias primas, información de consumo de grupos específicos, etc. Estrictamente hablando, estos recursos de datos no pueden considerarse big data, pero para aplicaciones comerciales, son los recursos de datos más accesibles y relativamente fáciles de procesar, y también son recursos de uso común en China. En nuestro país, existe otra categoría de recursos de datos en poder de departamentos gubernamentales. Estos recursos de datos generalmente se consideran de mejor calidad y mayor valor, pero tienen un menor grado de apertura. El "Esquema de Big Data" toma la seguridad pública, la interconexión de datos y la seguridad abierta, y el intercambio de datos como dirección de los esfuerzos. Se cree que la tecnología de big data puede lograr este objetivo. De hecho, durante mucho tiempo, la información y los datos entre departamentos gubernamentales han estado cerrados y separados entre sí. Esto es una cuestión de gobernanza más que técnica. Dios público, abrir datos a la sociedad es un muy buen deseo, pero me temo que no se hará realidad hasta dentro de un tiempo. En lo que respecta a los recursos de datos, la aplicación de "datos pequeños" y "datos medianos" en China no es suficiente para intentar entrar en la era del big data y aprovechar la oportunidad para resolver los problemas que no se resolvieron en la etapa inicial. En el proceso de informatización, las perspectivas no son optimistas. Además, dado que el negocio de las empresas chinas de Internet es principalmente nacional, sus recursos de big data no son globales. De dónde provienen los datos es la primera cuestión a la que debemos prestar atención al evaluar las aplicaciones de big data. El primero es ver si la aplicación está realmente respaldada por datos, si los recursos de datos son sostenibles, si los canales de origen son controlables y si existen peligros ocultos en la seguridad de los datos y la protección de la privacidad.

El segundo es observar la calidad de los recursos de datos de la aplicación, si es "mineral rico" o "mineral pobre" y si se puede garantizar la eficacia de la aplicación. Para los recursos de datos de su propio negocio, la controlabilidad es mejor y la calidad de los datos generalmente está garantizada, pero la cobertura de datos puede ser limitada y debe depender de otros canales de recursos. Para los datos capturados de Internet, las capacidades técnicas son clave, tanto para obtener una cantidad de datos suficientemente grande como para filtrar contenido útil. Para los datos obtenidos de terceros, se debe prestar especial atención a la estabilidad de las transacciones de datos. Las fuentes de datos son el punto de partida para analizar aplicaciones de big data. Las mejores y más sofisticadas técnicas de análisis de datos son inútiles si una aplicación no cuenta con una fuente confiable de datos. (ii) Cómo utilizar los datos Cómo utilizar los datos es el segundo enfoque cuando evaluamos las aplicaciones de big data. Los big data son sólo un medio para lograr un fin. No pueden usarse para todo ni pueden ser inútiles. Nos centramos en lo que Big Data puede y no puede hacer. Ahora parece que Big Data tiene principalmente las siguientes funciones de uso común. pista. Internet y el Internet de las cosas registran todo el tiempo, y los big data pueden rastrear y rastrear cualquier registro para formar una pista histórica real. El seguimiento es el punto de partida para muchas aplicaciones de big data, incluido el comportamiento de compra del consumidor, las preferencias de compra, los métodos de pago, el historial de búsqueda y navegación, la información de ubicación, etc. Identificar. A partir del seguimiento integral de diversos factores, se logra una identificación precisa mediante el posicionamiento, comparación y filtrado, especialmente de voz, imágenes y videos, lo que enriquece enormemente el contenido que se puede analizar y obtener resultados más precisos. retrato. Al rastrear, identificar y comparar diferentes fuentes de datos sobre el mismo tema, se puede formar un retrato más tridimensional y una comprensión más completa. En el caso de los retratos de consumidores, los anuncios y los productos se pueden presentar con precisión; en el caso de los retratos corporativos, el crédito y el riesgo se pueden juzgar con precisión. Consejos: basándose en trayectorias históricas, identificación y elaboración de perfiles, prediga tendencias futuras y la posibilidad de recurrencia, y proporcione indicaciones y alertas tempranas cuando ciertos indicadores muestren cambios esperados o inesperados. En el pasado, las predicciones basadas en estadísticas han enriquecido enormemente los métodos de predicción y tienen una gran importancia para el establecimiento de modelos de control de riesgos. fósforo. Realice un seguimiento e identifique con precisión en información masiva, utilice la correlación, la proximidad, etc. para seleccionar y comparar, para lograr vincular productos y combinar la oferta y la demanda de manera más eficiente. La función de comparación de big data es la base de nuevos modelos de negocio en la economía de riqueza, como el transporte de vehículos por Internet, el alquiler de vehículos y las finanzas. mejoramiento. De acuerdo con la distancia más corta dada, el costo más bajo y otros principios, las rutas, los recursos, etc. se configuran de manera óptima a través de varios algoritmos. Para las empresas, significa mejorar los niveles de servicio y mejorar la eficiencia interna; para los departamentos del sector público, significa ahorrar recursos públicos y mejorar las capacidades de servicio público. La mayoría de las aplicaciones actuales aparentemente complejas se pueden subdividir en los tipos anteriores. Por ejemplo, el "Proyecto de Alivio de la Pobreza con Precisión de Big Data" implementado en Guizhou, desde la perspectiva de la aplicación de big data, puede identificar y definir con precisión los hogares pobres mediante la identificación y elaboración de perfiles, e identificar el objetivo del alivio de la pobreza mediante el seguimiento y las indicaciones, la pobreza; el alivio de la pobreza se puede identificar con precisión Monitorear y evaluar los fondos, los comportamientos de alivio de la pobreza y los efectos del alivio de la pobreza a través de la comparación y la optimización, el papel de los recursos de alivio de la pobreza se puede utilizar mejor. Estas funciones no son exclusivas de big data, pero big data supera con creces las tecnologías anteriores y puede ser más potente, más preciso, más rápido y mejor. (3) ¿Quién paga por los resultados? ¿Quién paga por los resultados? es el tercer y último enfoque cuando evaluamos las aplicaciones de big data. La razón es simple, una aplicación que no crea valor no es una buena aplicación. En lo que nos centramos es en si las aplicaciones de big data realmente mejoran las capacidades y el rendimiento. Si los big data se utilizan en el diseño de sus propios productos, la promoción de marketing y la asignación de recursos, entonces lo que queremos ver es si la competitividad de la empresa ha mejorado y si, en última instancia, será más rentable que antes. Si se utilizan big data para prestar servicios a terceros, depende de si alguien está dispuesto a pagar y sigue pagando. Pero si se utiliza en servicios públicos, también depende de si los esfuerzos del gobierno o de los departamentos de seguridad pública valen la pena, no sólo desde la perspectiva de los contribuyentes, sino también desde la perspectiva de la gente común. Cuando nos enfrentamos a una aplicación de big data, podemos descubrir muchos "disfraces" simplemente haciendo las tres preguntas anteriores: ¿de dónde provienen los datos, cómo se utilizan y quién paga por los resultados? Por supuesto, si puede resistir las "Tres preguntas de Big Data" anteriores, es posible que no necesariamente se le considere excelente, pero no está lejos de ser una excelente aplicación de Big Data. Encontrar áreas con uso intensivo de datos Dado que los macrodatos se consideran un recurso, se debe considerar la cuestión de la asignación de recursos.

En términos generales, la distribución de los recursos es extremadamente desigual, como el agua, los minerales, la tierra cultivable, la energía y otros recursos naturales, la distribución de los recursos humanos y del conocimiento es aún más desigual. ¿El big data también tiene problemas de distribución desigual? ¿Puede el desarrollo de la industria del big data realmente arrinconar a otros? Estas preguntas merecen una consideración profunda. A diferencia de la detectabilidad de los recursos naturales, la distribución de los recursos de datos es difícil de localizar y caracterizar. Sin embargo, la distribución de los recursos humanos de big data se puede utilizar para reflejar indirectamente las diferencias en la aplicación de big data en regiones e industrias. Qué industrias y regiones tienen recursos humanos intensivos en big data pueden considerarse intensivas en datos. Examinamos la información de contratación publicada por los dos principales sitios web de contratación "51job" y "Zhilian Recruitment" desde la segunda mitad de 2014, y descubrimos que la información relevante publicada por los dos sitios web principales en los últimos dos años involucra a 227.000 empresas, 100,7 diez Mil posiciones, la cantidad de datos es bastante grande. A través de un análisis resumido por región e industria, los resultados muestran que la distribución de los recursos de talento de big data es extremadamente desigual, con grandes diferencias entre regiones e industrias. Sin embargo, para ser precisos, los sitios web de contratación reflejan la demanda de talento, no la distribución del stock de recursos humanos en sentido estricto, pero ambas están estrechamente relacionadas. A juzgar por los lugares de trabajo de los puestos relacionados con big data, Beijing, Guangdong y Shanghai están muy densamente poblados, muy por delante de otras regiones. El número de empresas que publican información sobre contratación en los dos sitios web representó el 52,35% y el 47,48% respectivamente, y el número de puestos representó el 61,23% y el 56,74% respectivamente. Se puede especular que la mitad de los recursos humanos de big data se concentran en estos tres lugares, lo que es muy coherente con nuestra intuición habitual. Fuera de estos tres lugares, lo que nos preocupa es si el gobierno local concede gran importancia a la industria del big data y utiliza el big data como motor del desarrollo económico regional. ¿Promoverá la concentración de recursos humanos y superará a otras regiones con características similares? niveles de desarrollo económico? A juzgar por los datos, al menos por ahora, no podemos ver tal resultado. Esto muestra que la estructura de recursos humanos es la deficiencia que debe compensarse en el desarrollo de la industria de big data en áreas de desarrollo tardío, y lo es. también la dificultad más difícil de superar. Cambiar la composición de los recursos humanos en un lugar es mucho más difícil que cambiar el patrón arquitectónico local. Requiere un proceso a largo plazo o un sistema único. Incluso dentro de una misma provincia, la distribución de los recursos humanos de big data es extremadamente desigual. Tomando a Guangdong como ejemplo, Shenzhen por sí sola representa aproximadamente la mitad de la provincia. Incluyendo Guangzhou, puede llegar al 90%. Aunque otros lugares tienen una buena fortaleza económica, en comparación con Shenzhen y Guangzhou, están muy por detrás en términos de recursos de talento en big data. Esto muestra una vez más que la distribución de los recursos de talento de big data es extremadamente desigual. Obviamente, la base para desarrollar la industria de big data en áreas con recursos humanos intensivos en big data es mejor que en áreas con recursos humanos escasos. A juzgar por las clasificaciones de ciudades, Beijing, Shanghai, Shenzhen y Guangzhou pueden considerarse ciudades de primer nivel con una demanda intensiva de recursos humanos de big data, mientras que Hangzhou, Nanjing, Chengdu, Wuhan y Xi'an pueden considerarse ciudades de segundo nivel. . La distribución de los recursos humanos de big data es básicamente consistente con la fortaleza económica, la vitalidad e incluso los niveles de precios de la vivienda de la ciudad. Desde la perspectiva de la distribución industrial, la demanda de talentos de big data está distribuida de manera más desigual y se concentra principalmente en Internet, tecnología de la información y industrias relacionadas con la informática. Esto demuestra plenamente que los big data son parte de Internet o de la industria de la tecnología de la información y un nuevo desarrollo basado en la base original. Estas industrias son industrias típicas "intensivas en datos" y son la cuna del desarrollo de la industria de big data. La industria financiera es otro sector "intensivo en datos" particularmente importante. La industria financiera no es sólo la base de producción de datos, especialmente datos valiosos, sino también el lugar donde se demandan y aplican los servicios de análisis de datos. Más importante aún, la industria financiera tiene suficientes capacidades de pago y se convertirá en un importante campo de batalla para la competencia en la industria de big data. Una gran cantidad de big data se irradia a todos los ámbitos de la vida a través de aplicaciones en la industria financiera. Además, las telecomunicaciones, los servicios profesionales (como consultoría, recursos humanos, contabilidad), la educación y la formación, los medios cinematográficos y televisivos, los juegos en línea, etc. también son actualmente industrias relativamente intensivas en datos. El "Esquema de Big Data" tiene planes casi integrales para todas las industrias y campos. Las aplicaciones de Big Data tienen amplias perspectivas, pero la distribución de los recursos de datos es extremadamente desigual. Las aplicaciones de Big Data en campos "intensivos en datos" tienen más probabilidades de tener éxito. mercado. ¿Qué tipo de política industrial se necesita para los big data? ¿Qué tipo de políticas industriales se necesitan para las aplicaciones de big data? Desde una perspectiva de aplicación, big data no es una industria completamente nueva, sino una integración con industrias existentes y una transformación, actualización y reemplazo de modelos existentes. Lo que restringe el desarrollo de big data a menudo no son los big data en sí, sino los problemas inherentes a la aplicación de big data a industrias y campos, como la supervisión de la industria, el monopolio administrativo y la incapacidad de que los factores fluyan libremente.

Por lo tanto, para promover el desarrollo de big data, depender de tierra, dinero y proyectos no puede resolver el problema fundamental. Debemos comenzar desde la perspectiva de los campos de aplicación de big data, reformar los modelos de gestión industrial inapropiados, ajustar el patrón de interés existente y garantizar que las aplicaciones de big data tengan las condiciones necesarias. Incluso dentro de una empresa, la aplicación de big data no es sólo una cuestión técnica, sino que implica la reorganización de los procesos de negocio y cambios en los modelos de gestión, lo que constituye una prueba de las capacidades de gestión empresarial. Las industrias "intensivas en datos", como las finanzas, las telecomunicaciones, la educación y los medios cinematográficos y televisivos, no sólo son áreas con un enorme potencial para las aplicaciones de big data, sino también áreas clave que necesitan urgentemente una reforma industrial. Por otro lado, la aplicación de big data también puede proporcionar apoyo técnico para la reforma industrial y lograr objetivos de desarrollo industrial a través de rutas técnicas más efectivas.

Las políticas industriales necesarias para las aplicaciones de big data son en realidad las políticas que deberían ser necesarias para el desarrollo de diversas industrias en condiciones de economía de mercado, como flexibilizar el acceso, competir leal, reducir las cargas corporativas y eliminar la discriminación en la propiedad corporativa. y eliminar la discriminación en materia de propiedad empresarial, la discriminación por tamaño, etc. Sólo en un entorno industrial abierto se podrán aplicar de manera efectiva los big data en estas industrias. Si un lugar quiere promover vigorosamente la aplicación de big data en finanzas, atención médica, educación y otros campos, la política más eficaz es llevar a cabo reformas sólidas en estas industrias.