中国的大数据能力在全球是什么水平？

利益相关。阿里云的用户，大数据领域。

BigData 概念在上世纪90年代被提出，随Google的3篇经典论文（GFS，BigTable，MapReduce）奠基，已经发展了超过10年。这10年中，诞生了包括Google大数据体系，微软Cosmos体系，开源Hadoop体系等优秀的系统，这其中也包括阿里云的飞天大数据平台。这些系统一步一步推动业界进入“数字化“和之后的“AI化”的时代。

先来回答答主：云计算、大数据和人工智能的关系，为什么大数据的讨论少了。

云计算和大数据是硬币的两面，大数据的发展离不开云计算的支持。简单理解，你要做大数据得算的起、算的准、算的快。

前些年，本来大数据是一个挺时髦的概念。谁知道人工智能突然火了，于是大家纷纷都去讲人工智能的故事了。

技术体系的发展，可以通过如下Hype-Cycle概述，大数据系统的发展进入技术复兴期/Slope of Enlightenment，并开始大规模应用Plateau of Productivity。而人工智能正处于关注的巅峰期。

三者什么关系呢？云计算是大数据的基础，云计算+大数据又是人工智能的基础。但大数据又不止是人工智能，它是整个“数字地球”的核心技术。它的对于实际生产和生活的意义远大于人工智能，有时候也可以把人工智能理解成处理大数据的一种手段。

比如吧，现在政府推行的最多跑一次，本质上是系统的打通和数据的互通。靠的是大数据的技术，但与现在异常性感的人工智能关系不大。

所以总结下来：云计算为大数据技术提供了可能，目前大数据的已经产生的社会价值原大于万众瞩目的人工智能。

然后是，中国的大数据技术的水平？

有一些世界知名的大数据比赛，可以作为技术水平的一个反应。

国内云计算最屌的阿里，也是大数据技术做的最好的。我的理解，阿里坚定的做云计算，很大原因是为了做大数据。你看，马云喊出的是DT时代，而不是云计算时代。

Sortbenchmark的官网http://sortbenchmark.org/

这里能看到历届的冠军。国内开始大规模关注是从2015年阿里的夺冠开始（印象中，鼎盛期的百度也夺过冠），当时是在计算速度和计算成本上破了4个记录。

第二年，腾讯和IBM合作，靠超豪华的硬件配置也拿到了一些领域的冠军。阿里也有拿到，但领域不同。

其他参赛选手有AWS、微软、Google以及一些知名高校。

另一个比赛是BigBench。

国内有突破是2017年，阿里和英特尔合作，第一次把数据规模扩展到100T，比同类产品平均性能提升了3倍。具体见：http://news.mydrivers.com/1/551/551630.htm

这个比赛更具产业价值，看的是端到端的计算能力和成本等。参与的基本也是全球性的厂商。

帖一个去年云栖大会的图片：

总结：

中国大数据应用全球一定是领头羊。因为场景最复杂。我们的庞大的人口、拥堵的城市、众多的互联网巨头还有强大的国家意志。

在核心技术上也在不断的突破，大数据计算平台完全可以实现自主可控，阿里的飞天也算是一代技术人员的骄傲。

想花一分钟了解下大数据的发展史吗？那就往下看吧。

一、谷歌“三马车”开启大数据

三驾马车是指谷歌从2003-2007年间发表的三篇论文。加上2007年亚马逊也发表了一篇关于 Dynamo系统的论文。由此奠定了大数据时代的基础。

为什么说三驾马车开启了大数据时代呢？

因为它让大家开始意识到，原来大数据可以这么有效地帮助公司发展广告业务——而谷歌成功的广告业务可以说，是它能在互联网泡沫后迅速崛起的一把利器。

因为它的成功，很多相关的互联网企业都认为大数据是改变自己命运的机会，纷纷入局，比如微软、阿里巴巴、雅虎、Facebook、LinkedIn、Twitter等公司。

二、抱团取暖的 Hadoop 生态圈

2008年的时候，大部分公司围绕在一个叫作 Hadoop的项目周围，这个项目最初开始于 2006年 1月，是“大数据之父”道格 · 卡丁（Doug Cutting）把他对谷歌文件系统、MapReduce的实现，从爬虫项目 Nutch里独立出来形成的。Hadoop的主要贡献者是雅虎，Facebook、LinkedIn、Twitter等公司也都贡献了一些影响深远的项目。

三、自造轮子的微软和阿里巴巴

微软自己研发 Cosmos的原因很简单：一方面，微软当时和开源社区处不来，没法合作；另一方面，抹不开面子，觉得自己怎么也还是有能力自己造轮子的。

至于阿里，实际上作了两手住别，成立了两个团队：一个是在 Hadoop基础上做开源系统，另一个是自研一套叫作 ODPS的系统。开始投入得差不多，但是最后 ODPS得到了大力支持，Hadoop团队衰弱了。

四、大数据挖掘时代

赚钱才是商业的本质，所以挖掘数据的目的是为了利用它们挣钱。

讲个真实的案例，很早以前商家就通过数据发现，买尿不湿的人通常也会买啤酒，于是就把这两样商品放在一起，以促进销售。

在商业环境中，怎么解读啤酒和尿不湿的关系并不重要，重要的是它们之间只要存在关联，就很有可能促进销售。

除了商品和商品有关系，还可以利用人和人之间的关系推荐商品。如果两个人购买的商品有很多都是类似甚至相同的，不管这两个人天南海北相隔多远，他们一定有某种关系，比如可能有差不多的教育背景、经济收入、兴趣爱好。根据这种关系，可以进行关联推荐，让他们看到自己感兴趣的商品。

五、大数据元年

2013年被称为中国的“大数据元年”，因为这时候“大数据”三个字开始越来越频繁地出现在人们视野中了：

涂子沛的《大数据》一时成为畅销读物，阿里成为最早提出通过数据进行企业数据化运营的企业。2015年，我国政府通过了《关于促进大数据发展的行动纲要》，大数据更是上升为国家战略，同美国市场一样，以Hadoop为代表的大数据技术，在中国的大数据产业中也经历了一段狂热期，在很长一段时期内，Hadoop几乎成了大数据的代名词。

谢谢你看到这里，如果能让你对大数据有多一点了解就太好啦。

最近看了央视网的记录片《大数据时代》，被中国的大数据水平震惊了，我们国家大数据发展真的超级棒。

《大数据时代》讲述了大数据时代下的中国发展现状，《数据时代》讲述了大数据怎么改变我们平民百姓的民生日常，《转型之路》介绍了大数据为工业转型带来的变革，《决策之智》讲述了大数据技术提高效率、维护网络安全，《商业之变》讲述大数据如何改变传统的行业让其焕发生机，《未来已来》讲述大数据带领我们走向未来中国。

如果你对大数据感兴趣，这个大片可以引导你走进大数据精彩的世界。

当下“大数据”已经不再是一个陌生的名词，不论老人小孩都对此有所耳闻。随着科技的不断发展，各种数据呈裂变式增长。目前，全球每天产生的数据量将近2.5百万兆字节。而截止2017年12月31日，中国总共有7,72亿网民，每天产生836ZB数据量。

如何从海量数据中提取有用的信息，获得先人一步的机会？这也是全球大数据行业共同思考的问题。

纵观全球，大多数发达国家政府都非常重视大数据背后的战略价值，各个国家也在大数据方面积极探索相关的应用。谁能够灵活自如地运用大数据，谁就可能走在别人前面。

以美国来说，早已在2012年发布《大数据研究与发展计划》，把大数据上升为国家战略。

2019年5月12日，在“2019首届天府大数据与数字经济发展论坛”上发布了《2018全球大数据发展分析报告》。

目前来看，美国一直处于领先状态，而中国大数据的发展稍微晚些，还处于不断探索不断突破的阶段，任重而道远。

从以上国内外大数据产业融合企业情况中可看出，从事数据分析服务的大数据企业偏多，同时大数据 也逐渐向各个行业渗透。但不同国家间的大数据企业分布情况不一样，各有所侧重，也跟每个国家的发展相关。

以美国来说，金融投资领域的大数据企业较多，说明该行业比较依赖大数据技术，对大数据的需求较大。以中国来说，金融与商业营销比重差不多，但总体比重没有美国大。

其实每个国家的大数据运用侧重不同与该国的支柱行业相关，越是政府重视的产业越有大数据意识。

如今中国大数据水平虽然比国外某些地方稍微弱些，但也是一副迎头而上的势头。

目前正在努力建设“数字中国”，各种政策也在扶持着大数据时代的发展，大数据交易平台建设进入井喷期，最重要的是我们能够切身实际感受到大数据带给我们的特别体验。

近年来，国内涌现出一大批优秀的大数据相关企业，而且它们就在我们身边，为我们的生活提供着各种便利。

阿里巴巴

阿里系的电子商务服务、蚂蚁金融服务、菜鸟物流服务、大数据云计算服务、广告服务、跨境贸易服务、前六个电子商务服务以外的互联网服务。其中与大家息息相关的有淘宝、天猫、支付宝等app。

华为

华为的产品主要涉及通信网络中的交换网络、传输网络、无线及有线固定接入网络和数据通信网络及无线终端产品，为世界各地通信运营商及专业网络拥有者提供硬件设备、软件、服务和解决方案。华为手机目前也是国内手机的领头大哥。

百度

作为全球最大的中文搜索引擎公司，百度凭借强大的网民搜索数据库，能清晰洞察网民消费意愿和消费形态，成为中国“最懂消费者”的ROI媒体平台。除此之外，还有百度云、百度云盘等非常不错的功能。

腾讯

腾讯的业务面很广，它用户量最多的是QQ和微信，这两种通讯工具改变了中国的社交方式。近年，腾讯宣布正式启动新一轮整体战略升级，将进一步探索更适合未来趋势的社交、内容与技术的融合，并推动实现由消费互联网向产业互联网的升级。

其他领域不是很清楚，这里来谈一谈关于医疗大数据的看法吧～

医疗大数据在国内外都属于新兴产业，但由于医疗内容的复杂性，导致这一方面的发展相对其他领域并不成熟。就拿我比较熟悉的加拿大安大略省来说，这里真正做到数据化的地方有几个方面。一是OHIP（安省医疗健康卡），举个刚发生的例子，原本25岁以下处方药物费用是全免的，今年修改为24岁以下但有个人保险的就不能减免医药费。我有公司保险但是从来没用过，在我不知道这条新政的时候去买药刷健康卡的时候直接显示无法使用。所以省健康卡在修改政策的时候直接跟所有私人保险公司的个人数据都绑定了，最大限度的防止了违规行为。二是个人药物使用历史，我近期发现许多药房门口都挂牌表明自己家可以直接电子转移药物史，这样你就算去别家买药大家都可以在一个系统里立刻得知你最近药物服用情况等等。这也是很方便病人的一个举措。

然而目前的医疗大数据主要还是针对药物和保险公司。病例，检验资料和影像等等的数据转移，大多还是靠邮件发送，刻光盘甚至纸质病例。这就增加了病人和医生的工作量，以及数据丢失的可能性。国内现在开始普及电子病历是很好的尝试。但是由于各个医院没有统一的标准，每个医生的习惯不同，科室不同，以及病人情况不同，差异巨大会导致数据项目前期需要大量的领域知识，但绝大部分医生自己的思想重心都在临床，观念的难以转变不是一时可以解决的。还有就是医疗大数据到底是向哪个方向发展，是临床还是科研，都是后续需要研究的方向。

总之不光我国，医疗大数据在世界范围内都有很长的路要走，观念的改变，数据的质量，还有人才都是不可或缺的。

既然问到中国的大数据水平怎么样，那么我们有必要来看看什么是大数据。

对于“大数据”（Big data），研究机构Gartner给出了这样的定义——

大数据是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。

同时麦肯锡全球研究所给出的定义是：

一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。

大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。

换而言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。

而如果想客观地评价中国的大数据水平，就不得不从区域、行业和企业三个层面分开来讲。

区域层面:

全国 31 个省、市、自治区的大数据发展水平评估结果如图所示，2017 年全国发展指数总数为 1087.8，比 2016 年同期增长 179.32，各省市增长的均值为 5.78。

其中，大数据发展指数增长超过 10 的省市有浙江（12.22）和重庆（10.12），两地在2017年的大数据产业发展水平远高于其他省市。北京、江苏、广东、浙江、上海位列大数据产业发展第一梯队，大数据指数增长平均值为 8.13。

综合来看，全国大数据发展已形成了以 8 个国家大数据综合试验区为引领，多区域集聚发展、第一梯队领先优势明显的格局。

国家大数据综合试验区所在区域的大数据发展总指数合计408.36，比去年同期增长 62.26，各省市指数增幅均值为 6.23，高于全国增幅均值的 5.78，大数据产业发展速度高于全国平均水平。

我国大数据产业发展已形成京津冀区域、长三角地区、珠三角地区、中西部地区和东北地区五个集聚发展区的集聚发展格局。

其中,东部地区整体发展水平最高，增幅远超全国平均水平；西部地区：未来仍有巨大发展空间，渝、宁、蒙发展势头强劲；中部地区：整体发展速度较快，山西排名明显提升；值得一提的是，东北地区：辽宁蝉联东北地区榜首，辐射带动作用逐步凸显。

国内大数据发展分化较为明显，北京、江苏、广东、浙江、上海等五省市，由于信息化程度较高、大数据发展起步早、两化融合工作开展顺利等因素推动，位列大数据产业发展的第一梯队。

行业层面:

我国行业大数据总体发展水平受各行业大数据发展水平受基础环境、数据汇集、行业应用等因素影响，各行业大数据发展水平整体呈现差异化态势，由高至低依次为：

金融、电信、政务、交通、商贸、医疗、工业、教育、旅游、农业。

行业大数据发展指数结果如图所示。

总体来说就是:

行业大数据发展水平提高，金融、电信和政务依旧荣获大数据行业发展前三,工业大数据快速发展，智能化转型成效显著。

发展特点也同样有迹可循——

各行业大数据基础环境持续优化；政务大数据基础环境发展指数稳居榜首；医疗、工业大数据基础环境指数增量明显。

企业层面:

依据大数据企业发展评估指标体系，从基础画像、研发创新以及市场拓展三个维度对我国大数据企业进行了梳理分析和总结评估，并按照企业发展指数对国内大数据企业进行区间分布排列。

总体来看，我国大数据企业整体仍呈现“金字塔”状的实力分布，但随着新晋企业数量增多、初创企业发展活力不断提升，金字塔根基更趋稳固。同时，随着专精特新的独角兽企业发展势头迅猛，成为我国大数据企业发展的中坚力量。

从金字塔上层来看，我国大数据企业发展指数高于 50 的企业数量占比达到 7.4%，其中大数据企业发展指数处于 50 到 100 之间的占 4.9%，高于 100的占 2.5%，与去年相比，这两大区间的龙头企业发展指数均有

不同程度的提升，体现出“强者恒强”的发展势头，牢牢占据金字塔尖端；

从金字塔中层来看，我国大数据企业发展指数处于20-50 之间的企业数量占比为 20%，处于 10-20 之间的企业数量占比为 29.2%；

从金字塔底层来看，我国大数据企业发展指数处于 10 以下的企业数量占比达到43.4%。

不难看出，我国从事大数据业务的企业仍以小微企业为主。具体如图 所示：

从上面所提到的三个方面概括来讲即——

基础画像方面:领军阵营优势显著，中坚阵营不断壮大 ；

技术研发方面：巨头企业优势扩大，中小企业保持跟进；

市场拓展方面：龙头企业强势带动，市场拓展全面壮大。

总的来说，大数据企业的发展特点就是——

大数据企业发展指数差距明显，独角兽企业发展势头强劲；融合应用型企业快速增长，市场拓展型企业稳步发展；产业链全覆盖综合型企业增多，数据预处理企业强势崛起；大数据产业特色区域集聚发展，企业积极布局重点区域。

最后，大数据已经成为这个时代创新与发展的重要主题，从不同视角下看，大数据均有其独特的价值和地位。

大数据是互联网快速发展引发的时代现象，海量数据正在加速集聚；是信息技术创新发展的前沿方向，技术创新日趋活跃；是创新驱动的产业发展新兴领域，新业态新模式不断涌现；是推动经济社会持续进步的应用工具，新经济社会形态正在形成……

我国再一次抓住了大数据的历史机遇，我相信，不久的未来，建设数字中国的梦想即将实现！

参考资料:

工信部《中国大数据产业发展水平评估报告》（2018）

大数据应用的特点

大数据越来越多地来源于生产或服务过程中的副产品。每年双十一，在阿里的淘宝、天猫这样的电子商务平台上，每时每刻都有成千上万笔交易正在进行，所有这些交易数据在阿里交易平台的内部，都可以实时汇总，供人们对双十一当天的交易情况进行分析、汇总。一部分数据的时效性非常强，如果不能实时利用，则数据的附加值会大幅降低。

大数据往往混合了来自多个数据源的多维度信息。比如说，将你在微博上的社交行为，和淘宝、京东、拼多多等电子商务平台关联起来，通过对不同来源的数据的整合，可以采集到最准确的数据，这样就可以向微博用户更准确地推荐他需要的商品。

各软硬件共享信息。不知道大家在生活中有没有发现这样的事情，比如说你在淘宝、京东搜过某个商品，当你打开拼多多的时候，它会自动推荐你在淘宝上搜索过的商品。甚至当你在B站搜索搜索过一首歌，当你打开网易云的每日推荐时，还会为你推荐同一首歌。

大数据的应用

大数据和人工智能的结合。围棋程序Alpha Go就利用了大数据和人工智能结合，这样它就可以从数百万的棋谱中学习。

有一份报告：《The Forrester WaveTM: Cloud Data Warehouse, Q4 2018》对数仓的当前产品功能、产品路线和发展策略、市场表现等几个方面进行全面的评估

前10的国内只有阿里。这个排名主要是产品能力的排行榜，不完全等于技术水平，权作为一个参考吧。

一、什么是大数据？

大数据可不像咱们仓库里装的粮食，就是一堆庞大数据信息。当然，获取和存储这些海量的数据信息，是前提，但大数据技术，更关键的意义在于，对这些数据进行加工处理，实现数据的增值。大数据跟云计算是密不可分的，只有在云计算的技术创新下，这些分散的、难以被收集、分析、处理的“粮食”，才被拉出来展示在时代面前，为人类提供营养价值。

二、生活中有哪些常见的大数据应用场景？

1.精准营销。比如网购会根据你的消费行为、浏览足迹等数据，分析行为偏好、进行用户画像，然后向你推荐你喜欢的商品或者信息。个人认为，在这个领域做的很不错是今日头条和淘宝网。

2.网约车。比如滴滴出行，打开客户端，你就能看到周边的车辆，下单后，滴滴会通过大数据的分析运算，将订单推送给附近适合区域的司机，然后通过路劲核算价格、司机补贴等等，这些都涉及到庞大的数据信息和运算。

3.地图导航。如今大部分人手机中都安装了地图APP，以百度为例，打开APP就能实现定位，还可以看到周围的实景图，需要寻找去往目的地路劲时，可以查询步行、公交、驾车不同交通方式的最佳路线，还会根据实时交通情况，规避拥堵路段。

4.健康管理。最常见的就是智能手环了，它会自动收集我们的运动数据、睡眠数据等等，通过这些数据记录，可以分析我们的身体健康状况，给出改善计划。

三、国内顶尖大数据公司的发展如何？

中国大数据产业生态联盟承办的"2018第三届中国大数据产业生态大会"，公布了“2018年中国大数据企业50强”榜单，截图看一下top10:

大数据企业按照出身大体可以分为三类：一是以BAT为代表的的拥有大数据核心技术能力和大平台运营能力的平台型公司；二是以华为、中兴、浪潮等为代表的大数据核心技术和底层基础设施提供公司；三是提供大数据行业解决方案的公司。

当然，企业发展到后期，便没有如此明显的领域划分了，比如阿里、腾讯、华为等，他们同样为行业提供各种解决方案。

1.阿里巴巴。作为国内电商的始祖，阿里在大数据营销方面是最早启动的，在实力技术方面也是最为雄厚的。在2014年，马云就提出，“人类正从IT时代走向DT时代”。 阿里巴巴拥有交易数据和信用数据，这两种数据更容易变现，挖掘出商业价值。当然阿里更多是在搭建数据的流通、收集和分享的底层架构。阿里的数据体系包括数据采集，数据计算，数据服务和数据应用四大层次。结合阿里云、大数据和人工智能，阿里作为平台型技术公司，为企业赋能，在旅游、智慧城市等方面提供价值。

而阿里的发布的城市大脑，将交通、能源等所有的基础设施数据化，把所有数据链接起来，对整个城市进行全面的实时分析， 灵活调配公共资源，每天都有上百TB的城市数据在阿里云上计算，它的出现，将为城市建设带来巨大的变革，这也是阿里大数据技术能力的最佳实践。

2.华为。华为的FusionInsigh大数据平台，其技术能力和战略能力领跑市场。我们知道，华为的技术实力一直非常硬核，华为在大数据方面的最大的优势就是，每一个部分都将数据的收集、整理、脱敏、分析和管理、安全等做到了极致，拥有350多项专利技术。华为主要是为大数据的挖掘和分析提供专业稳定的IT基础设施平台。

3.腾讯。腾讯拥有用户关系数据和基于此产生的社交数据，而腾讯的第一步便是利用这些数据，对自己的产品赋能，打通后台的数据，提升产品的服务体验，其腾讯游戏的崛起离不开对大数据的挖掘。同时，腾讯的这些社交数据，可以分析出人们的生活和行为，进一步挖掘出商业、健康等信息，在社会、民生、医疗等方面提供价值。

5G已经商用，真正的物联网时代正在向我们走来，而数据这座蕴藏着巨大能量的煤矿，必将被挖掘出更多的含金量，为我们的社会、生活提供更多的便利。

01

我们身处在一个科技大爆炸的时代，随着互联网应用的不断发展与积累，人们对数据概念的重新认识，与其相关的技术应用给网络技术带来了新的革命。大数据概念应运而生，并迅速成为新技术的引领者，为我们带来了前所未有的新成果。

大数据（big data），指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

具有5V特点（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）。

02

大数据，不是随机样本，而是所有数据；不是精确性，而是混杂性；不是因果关系，而是相关关系。 ——Sch?nberger

或许这样讲有点抽象，但其实生活中处处可见大数据的应用。

一、社交软件

比如微信、Facebook 或其它交友软件等，在用户使用过程中会产生大量的数据，包括文本、声音、视频等信息，对这些信息进行批量处理，可以发现人们之间隐含的关系，通过推荐相关用户，扩大人们的交际圈，系统成为一个发现朋友的链接者，把用户的关系需求进一步优化，提高用户的交流体验。

二、电子商务

大型的电子商务网站拥有众多的用户，在使用过程中，会产生大量的数据，如点击量、评论、位置等，通过分析这些数据，可以给用户推荐偏好产品、好评产品、物流效率高的产品等信息，挖据出用户的独特需求。这一点，淘宝干的很好：）

三、搜索引擎

例如百度、Google 等智能搜索引擎，会基于搜索大数据的分析，提供商家有偿广告投放（百度的投放广告的力度大概是个中翘楚），给用户给供有价值的结果，还可以根据用户搜索偏好，设置筛选条件，推荐用户潜藏的需求。

四、交通领域

过动态的网络交通信息，寻找最短路径，为用户提供最优的导航服务等。也由于图的复杂性和动态变化，给系统应用提出更高的挑战，如何最大化开发图数据的信息价值，应用到广泛的领域，是未来图数据技术研究的重要课题。如旅行必备APP高德地图/百度地图。

03

大数据时代的脚步已经越加明显。

国内外各类巨头分别把大数据战略提升到了空前高度，并在各自优势领域吞食和消化着海量数据。细数国内外大数据公司布局情况：（以下公司排名不分先后）

• 关键联系——Palantir【国外】

Palantir堪称硅谷最耀眼的大数据公司，而且不是寻常人立马想到的那种数据公司，它更像数据界的神探夏洛克。
Palantir 这个名字来源于《指环王》，这是一种石头，能够用于联络其他的石头和看到周围的景象。Palantir的基本要点就是收集大量数据，帮助非科技用户发现关键联系，并最终找到复杂问题的答案。
Palantir有两种服务：分别面向政府和金融机构。

• 数据可视化——Tableau【国外】

Tableau是一款定位在数据可视化的商务智能展现工具，用来实现交互地、可视化的分析和仪表盘分析。
Tableau是数据可视化领域的杰出厂商，Tableau Desktop是Tableau公司开发的桌面系统中最简单的商业智能工具软件，Tableau没有强迫用户编写自定义代码，新的控制台也可完全自定义配置。在控制台上，不仅能够监测信息，而且还提供完整的分析能力。
Tableau控制台灵活，具有高度的动态性。

• Hadoop生态——Cloudera【国外】

Cloudera由来自Facebook、谷歌和雅虎的前工程师以及甲骨文前高管在2008年创建。2014年Cloudera对外宣布已经完成了9亿美元的融资。
Intel在2014年3月宣布向Cloudera投入大笔资金，总投资额增至7.4亿美元，持股比例达到18%，已经成为Cloudera最大的战略股东。
Cloudera是一家位于美国的软件公司，向企业客户提供基于Apache Hadoop的软件、支持、服务以及培训。Cloudera的开源Apache Hadoop发行版，面向Hadoop企业级部署。

• SaaS平台——DOMO【国外】

成立于2010年，总部位于硅谷犹他州盐湖城，2014年C轮融资1.25亿美元和2015年D轮融资2亿美元。DOMO是一家提供商业智能云平台的初创企业，本质上是一个为决策者提供服务的SaaS平台。
DOMO这家公司低调而神秘，据DOMO创始人自己的说法是，不想让外界知道太多产品的细节。DOMO是一个业务管理平台，可以将许多不同来源的数据以真正实时、直观的方式呈现出来。

• 操作情报——Hortonworks【国外】

Hortonworks剥离自Yahoo，这家公司通过可最大化利用所有数据(包括动态数据和静态数据)价值的互联数据平台 (Connected Data Platforms)，以推动可操作情报的发展。
该公司的合作伙伴已超过140个，其中甚至包括微软、Teradata和Rackspace等行业巨头。经过3轮融资后，总融资金额高达2亿美元。

• 数据采集——GrowingIO【国内】

GrowingIO看名字像是一家外国企业，其实是一家地地道道的中国公司，由前 LinkedIn 美国商业分析部高级总监张溪梦创立。
2015年8月获得经纬中国、Greylock、NEA天使轮220万美元融资后，2016年6月GrowingIO再次获得经纬中国、NEA、Greylock 的A轮2000万美元融资。
张溪梦是一个典型的技术布道者，虽然公司才成立几年，但科技媒体们已经对GrowingIO“无埋点”数据采集技术印象深刻，不得不说他的技术PR做得非常成功。

• BAT三巨头：【国内】

阿里巴巴——拥有交易数据和信用数据,更多是在搭建数据的流通、收集和分享的底层架构。

百度——百度的优势体现在海量的数据、沉淀十多年的用户行为数据、自然语言处理能力和深度学习领域的前沿研究。近来百度正式发布大数据引擎，将在政府、医疗、金融、零售、教育等传统领域率先开展对外合作。

腾讯——腾讯拥有用户关系数据和基于此产生的社交数据，腾讯的思路主要是用数据改进产品，注重QZONE、微信、电商等产品的后端数据打通。

华为云——华为技术有限公司【国内】

华为云服务整合了高性能的计算和存储能力，为大数据的挖掘和分析提供专业稳定的IT基础设施平台，近来华为大数据存储实现了统一管理40PB文件系统。

• 数据采集——浪潮【国内】

浪潮互联网大数据采集中心已经采集超过2PB数据，并已建立5大类数据分类处理算法。近日成功发布海量存储系统的最新代表产品AS130000。

04

其实早在十几年前大数据的战略布局已显露端倪。

美国政府在2012年3月发布《大数据研究和发展倡议》，将大数据提升为一种战略性资源应用在科研、工程、教育与国家安全上，该倡议一出台便立即得到多个联邦部门和机构的响应。随后，美国政府又于2016年5月发布《联邦大数据研究与开发战略计划》，围绕人类科学、数据共享、隐私安全等七个关键领域，部署推进大数据建设的相关计划。

欧盟2011年发布《开放数据：创新、增长和透明治理的引擎》后，又出台了《数据驱动经济战略》，着力开展对开放数据、云计算、数据价值链等关键领域的研究。

澳大利亚于2011年5月和2013年8月先后发布了《国家数字经济战略报告》与《公共服务大数据战略》，为国家大数据战略发展确立了基本原则与政策指导。

英国的数据能力战略则注重强化数据分析能力。该国商务、创新和技能部在2013年10月发布《英国数据能力发展战略规划》，对数据能力的定义和优化进行了系统的研究和指导，以大数据分析为突破点提高国家和社会的大数据研究应用水平。

日本则于2012年7月发布《面向2020年的ICT综合战略》，又于2013年出台新IT战略——“创建最顶尖IT国家宣言”，以大数据应用开发为主要战略方向，通过新技术革命带动IT产业与传统产业的协调发展，助力地区联动、民本高效、安全开放的高水平信息社会建设。

与国外大数据的热火朝天相比，国内企业参与这一领域的并不多。

曹开彬在2012年说过一段话：

“国内IT尤其是软件企业在布局大数据方面，已经落后。”

“这主要是国内企业在数据库、数据仓库、商业智能等领域基础薄弱。”

“不过，国内企业在这方面仍有机会，但需要找准行业与切入点。”

“对于国内可能出现大数据公司的领域，我比较看好互联网公司，像百度、阿里巴巴、腾讯，这样的互联网公司比传统的IT和软件公司更有机会。”

对，也不全对。

比如中国比预测中的走得快而稳健，比如很多公司转型成功，比如5G的到来让美国强力遏制中国，虽然没什么用，比如华为这些年厚积薄发，抓住5G 机遇在国际舞台正面刚……

如果说信息产业中的三次高峰，第一次是信息高速公路，第二次是互联网的话，第三次可能就是数据加计算。

05

2019年5月25－27日，贵阳召开了 2019中国国际大数据产业博览会。

宣传片：https://b23.tv/av52734106（侵删）

B占UP主参加实况：https://b23.tv/av53810162（侵删）

截至2019年5月，在全球20多家企业的5G标准必要专利声明中，中国企业占比超过30%，位居首位。在产业发展方面，中国率先启动5G技术研发试验，加快了5G设备研发和产业化进程。

目前中国5G中频段系统设备、终端芯片、智能手机处于全球产业第一梯队。

近期，工业和信息化部将发放5G商用牌照，中国将正式进入5G商用元年。

这是最好的时代，也是最坏的时代。

也许会迟到，但永远不会缺席。

中国，加油！

这几年，随着信息技术的进步，全球数据呈现爆发增长、海量集聚的特点，大家都认识到数据的价值。各地也纷纷成立大数据发展局，企业纷纷推动数据资产治理，大数据辐射的行业也从传统的电信、金融逐渐扩展到工业、医疗、教育等。回顾中国大数据的发展，效果还是很显著。

1、在政策方面，我国从中央到地方的大数据政策体系已经基本完善，目前已经进入落地实施阶段。“十三五”规划中提出“实施国家大数据战略”，卫健、农业、环保、检察、税务等部门还出台了领域大数据发展的具体政策。截至2019年初，所有省级行政区都发布了大数据相关的发展规划，十几个省市设立了大数据管理局，8个国家大数据综合试验区、11个国家工程实验室启动建设。

2、在技术方面，我国大数据技术发展属于“全球第一梯队”，但国产核心技术能力严重不足。我国独有的大体量应用场景和多类型实践模式，促进了大数据领域技术创新速度和能力水平，处于国际领先地位。但我国大数据技术大部分为基于国外开源产品的二次改造，核心技术能力亟待加强。

3、在产业方面，我国大数据产业多年来保持平稳快速增长，但面临提质增效的关键转型。2018年，我国大数据产业延续多年来的增速，继续保持相对高速的增长。据相关统计数据显示，2015年我国大数据产业规模已达2800亿元，截止至2017年我国大数据产业规模增长至4700亿元，规模增速进一步提高至30.6%。然而，综合国内外环境、新兴技术发展等多种因素，大数据产业的增速出现了下滑。我国的大数据产业也面临着从高速发展向高质量发展的关键转型期。

由此可知，随着来自政策和市场力量的推进，未来5G、物联网、云计算等技术的不断完善，大数据行业将迎来新的发展机遇。同时也希望中国大数据能抓住机会，更上一层楼。

就说一个点：中国大数据产业人才占比全球最高！其次才是美国

《2018全球大数据发展分析报告》显示，目前中国的大数据产业相关人才数量占比全球最高，达59.5%。其次为美国，占比22.4%。

报告显示，大数据价值创造应用已经渗透到中国政务、零售、交通、医疗、教育、公共治理等各个领域。

中国大数据领域论文占全球的比例从2015年的3.4%增长到了2018年的22.8%，3年增长了近20PP！大数据论文被引用次数的比例从2015年的1.8%增长到2018年的20.8%，已超过美国。

有这样一群数量庞大、活跃奋斗在大数据领域的从业者，我相信中国至少在未来五年，大数据能力一定会在全球持续保持领先地位！

毕竟，人才是第一资源和生产力呀！

很难想象，距离大数据第一次被提起的时间，还不足十一年。这十余年的时间，我们国家大数据的发展如星星之火，可以燎原，在我们老百姓最关心的衣、食、住、行、教育、医疗等方面都产生了巨大的影响。

衣。

服装产业这些年并不好做，一直面临着服装滞销、库存积压、导购转化率低、物流不及时等问题。

各大服装品牌都在求变，转型之路格外艰难。但有的公司在这场变革之路上走得很成功，其中就有咱们的民族品牌太平鸟。太平鸟成功的核心因素就是携手阿里云，借助大数据，用数据驱动设计、生产制造及销售。

在设计方面，大数据为设计师引导一个大致的方向，让他们更准确的抓住消费者的喜好。

在生产制造方面，大数据可以实现供应链的快速反应，以销定产，及时调整，大幅减少滞销现象。

在销售方面，大数据对用户画像进行分析，也可指导线下的销售人员改变销售策略。比如线上这款裙子宝蓝色卖得更好一些，那么在为年轻的消费者推荐时就可以优先考虑宝蓝色而非黑色。

太平鸟携手阿里云利用大数据的打法，为不少服装企业指明了一条新的生路，也让我们消费者穿的更舒心。“数据驱动、全网销售”确实是将来服装产业的必由之路。

食。

前一段时间华南农业大学24小时便利店喜提热搜。这家无人便利店采用大数据配餐，机器人做饭，新颖有趣。

大数据系统通过科学运算，在营养师的建议下，结合年轻人的饮食习惯，打造出更多样化、标准化的菜谱，在科学膳食的基础上，保证食品的色香味，全力满足我们的日常饮食需求。

住。

通过大数据，你能更清晰地了解现在90后对于房子的看法。

大数据表明，三分之二的年轻人选择租房，六成年轻人选择选择买房结婚，租房在年轻人中的比重接近九成，占了绝对的大头，90后买房比例最高的城市在成都，90后租房比例最高的城市在北京，北京买房均价为5.8万元，租房均价为4.8k元。

行。

这几年无人驾驶的发展势头迅猛，无人驾驶是基于大数据的智能交通的一种。大数据在无人驾驶中发挥怎样的作用呢？

1、 大数据可以整合路况，包括车流量、人流量、拥堵情况、信号灯等等。

2、 大数据在自动设计行车最佳路径方面发挥着核心作用。

3、 大数据可以通过分析周边环境，设计出最佳的停车地点。

基于大数据的无人驾驶会更加安全，更加高效。

教育。

这些年大数据与课堂之间的联系愈发紧密。很多app、小程序也应运而生，例如：雨课堂、超星尔雅、麦课……

大数据可以通过采集学生的学习行为数据，比如访问记录、学习时长、小测验成绩等等，将采集到的数据进行分析、整理，挖掘每一个学生身上的差异，让老师掌握每一个学生的情况，做到对症下药。

医疗。

医疗方面我们有了健康大数据。健康大数据是对人体的身体情况所产生的数据进行监测、分析，以此勾勒出的人体的健康情况。这项技术对于疾病的防御有着重大的意义，前景无比广阔，还有待我们挖掘。

大数据渗透我们的衣食住行、教育、医疗、方方面面，我们要通过处理、分析、归纳、总结，方能挖掘蕴藏在大数据里的巨大的价值。

相信在不久的将来，我们慕然回首，会发现，大数据，比你更懂你。

别的我不敢多讲，但是在“智慧城市”方面，中国对大数据的实际应用更多。

也就是说：与其他国家相比，中国在应用大数据来进行城市规划治理的水平，是与国际同步的。

百度百科上对智慧城市定义为：智慧城市（英语：Smart City）起源于传媒领域，是指利用各种信息技术或创新概念，将城市的系统和服务打通、集成，以提升资源运用的效率，优化城市管理和服务，以及改善市民生活质量。

举几个简单的例子：共享单车，支付宝乘车码，刷脸支付。

这种使我们的生活变得方便技术，就是智慧城市的一种体现。

最早运用大数据的城市是伦敦，政府运用手机信令数据、公交系统刷卡数据，对伦敦的城市交通进行了公交统计以及实时监控。中国虽然起步晚一点，但是正如我在开头给出的结论，中国对于大数据的应用比国外更多。

原因有两个，一是因为国外城市规划时候对于数据的统计更精细，对于大数据的依赖性并不那么高。二是国外对于隐私的使用更加谨慎，政府想要获得企业和个人的隐私，要走很多流程，仅靠政府所拥有的大数据是根本不够的，所以容易产生信息孤岛，两个点状的信息集合之间几乎没有联系。

所以这导致了国外对于大数据的应用没有中国范围广，速度快。

此外，与国外对于大数据应用更注重细分领域的具体案例不同，中国对于大数据的使用侧重于顶层设计，因而更容易形成大数据或者智慧城市的框架和系统。而且当物联网诞生后，会产生非常大的数据量，中国与国外的差异，可以使中国在国际大数据应用领域起到引领性角色。

比如西安，作为国家智慧城市、试点示范城市和国家信息惠民试点城市通过培育大数据基础产业和服务产业，努力将西安打造成国家中心城市大数据应用示范中心和“一带一路”大数据核心节点，以“2226”建设格局，全面打造“数字名城智慧西安”：

构建两大支撑。推进城市光网、全域高速无线网、城市物联网等网络信息基础设施建设，构建多网融合的智慧网络支撑体系；搭建智慧城市公共信息平台，打造大数据枢纽，构建政务云、行业云等多平台协同的城市数据创新和信息共享支撑体系。

建设两个中心。加快城市大数据中心和智慧城市运行管理中心建设，打造城市智慧“大脑”和“中枢”。

强化两个保障。建立“防御、监测、预警、治理、评估”五位一体的网络和信息安全保障体系；制定数据标准、技术标准、评价标准、共享标准等制度规范，构建满足新型智慧城市建设需求的标准规范保障体系。

实施六大行动。重点实施智慧设施、智慧政务、智慧治理、智慧生活、智慧经济、智慧地标六大专项行动，全面提升城市智慧化水平。

虽然前景十分美好，我们也不能盲目乐观，因为对于智慧城市的建设我们还处于探索阶段，存在着特色不明、体验不佳、共享不足等问题，大数据资源使用率仍要提高。

找准问题加快推进建设，城市才能让生活更美好。

谢邀

还记得十年前，阿里巴巴投入云计算核心技术研发，技术人们把这个核心技术命名为“飞天”。

他们可能没料到，十年后的今天，自研的飞天大数据平台可以扩展到10万台计算集群的能力，成为全球最大规模的计算集群。

通俗的说，相当于把10万台计算机组成一个巨大的计算力池子，当成一台超级计算机来使用。

今天，这台超级计算机每天数据处理量超过600PB，容量相当于6亿部高清的电影。

自研平台突围

2009年，阿里云正式成立。在王坚博士的带领之下，一群工程师夜以继日，最终一行行代码写出了飞天云计算操作系统。

今天，飞天作为云计算操作系统为很多人所熟知，但是在研发飞天的同时，阿里云还自主打造了一个大数据的平台——飞天大数据平台。

决定自主研发的过程可谓百折千回。

最初，阿里云选择了3条分支路径去探索大数据处理能力。第一条路径是用商业的Greenplum来替代分析型数据运算；第二条路是因为担心Greenplum不靠谱，也使用Hadoop做类似的事情；第三件事情，就是启动了飞天大数据平台的研发，目标是打造一个属于自己的大数据平台。

到2010年的时候，Greenplum这条路因为规模和可用性的问题以及计算准确性问题被放弃；2013年的时候，Hadoop平台也因为数据中心规模扩展不上去和安全管理以及权限管理和资源管理等一系列问题，最后不得不放弃这套体系。

2013年8月15日，最初被认为“最不可能的任务”——终于突破了核心技术，正式上线5000台服务器集群——这使得阿里成为世界上第一个对外提供5K云计算服务能力的科技公司。

有了5K的能力，平台计算100TB排序只需30分钟，远超Yahoo! 在7月刚刚创造的71分钟世界纪录。

到2016年2月，飞天的单集群规模超过10000台；三年之后，再扩大10倍至10万台。

没有马云的强力支持，没有王坚团队的锲而不舍，也就不会有后来阿里云与Amazon、Azure并称3A的故事。

2015-2016年，飞天大数据平台打破计算界奥运会SortBenchmark的6个世界纪录，用不到7分钟便完成了100TB的数据排序，刷新了ApacheSpark 23.4分钟的纪录。

2017-2018年，完成全球首次基于公共云的100TB BigBench大数据基准测试，成为首个突破7000分的引擎，性能达到 18176QPM。

2018年1月，飞天获得中国电子学会15年来首个颁发的科学进步特等奖

飞天为什么“进化”这么快？

如今，飞天大数据平台的单集群调度能力如今已经达到10万台，而谷歌、微软等巨头的调度能力大都在1万台左右，存在数倍差异。

其实这跟阿里的独特业务场景有关。

阿里巴巴是全球最大的电商平台，平台之上有20亿电商产品，每天大概3亿人访问。更不要说，还有双11、双12等全球绝无仅有的业务场景。

要向服务好全球最大规模的网络消费群体，阿里云就必须要做好大数据处理平台。

而在提供计算能力的同时，阿里云还将成本降到了非常低的程度。

通过飞天大数据平台的在线服务，小型公司花几百元即可分析海量数据，而无须耗费巨资自建数据中心。

你不知道阿里云，但生活有了科技味

攻克算术瓶颈王坚团队用了4年，将其继续延展不断商业化阿里云用了10年，到现在飞天大数据平台已和水电煤一样成为不少公司必不可少的基础设备，广泛服务于电商、工业、医疗、农业、气象、教育等诸多行业。

在交通领域，城市大脑在杭州实时指挥1300个红绿灯路口、200多名交警。从2016年到2018年，杭州从全国最拥堵城市排行榜上下跌52名。让管理者第一次看清楚有多少活动的车辆，用数据挖了一条看不见的路，从而打开了治堵的新思路。

在政务领域，最多跑一次通过大数据处理平台打通政务数据，将与老百姓办事最密切相关的100个事项70多亿条数据，按照统一标准汇入统一的数据仓，实现共通共享共用。老百姓办事不仅能最多跑一次，甚至有可能一次都不跑。

在工业领域，阿里云的大数据处理技术帮助制造企业寻找上千个参数的最优搭配，提升制造的良品率。协鑫光伏、天合光能等行业龙头企业，都在尝试这一全新的生产模式。

还有大家最常用的双11买买买、12306网络购票、刷微博、看直播，都有阿里云飞天的身影。

哪有什么一鸣惊人,不过是十年如一日的坚持

十年光阴，不负期待。

成功从来不是一蹴而就的，曾经的阿里云初创团队，在最艰难的时刻甚至流失了80%的工程师，饱受公司内部质疑。

十年后，阿里云做到了全球前三，亚洲第一。坚持就是最好的解释，2012年的飞天奖颁给了阿里云全体员工，颁奖词是“坚持就是伟大”。

只有脚踏实地，才能实践出飞天。

不能忘记的是曾经的苦难，是阿里云那群被称作疯子傻子的技术人，看过凌晨一二三四点的杭州，最难的时候抹过眼泪，只有相信、笃定、坚持的人，爬上了技术的珠穆朗玛峰。

自1997年Cox和Ellsworth（1997）、Weiss和Indurkhya（1997）分别从存储和计算方面提出大数据概念以来，随着认识的不断加深，人们对大数据的理解一直在发展：Laney（2001）提出了“3V”，即大量（Volume）、高速（Velocity）、多样（Variety），后来拓展到“4V”，增加了价值（Value），Bello-Orgaz（2016）又提出“5V”，增加了真实（Veracity）。

随着技术的不断进步和成熟，大数据拥有的样本海量、实时、数据非结构化等传统统计调查数据无法比拟的特征的实现逐渐成为可能。（我未来想要进入经济、金融的领域，就先来说说这个领域吧）

经济学领域基于大数据方法开展的研究活跃起来，经济学家们在通过大数据分析建立新的或完善已有经济指标、利用实时数据建立现时预测模型、预警经济、分析政策影响、使用大数据验证经济理论等方面做了许多工作，如Akkitas等（2009）用google搜索数据预测失业率，Bollen等（2011）通过测量Twitter上文本内容蕴含的情感指标预测经济，Cavallo等（2013）通过收集大型零售商网站的每日价格更新数据实时计算了阿根廷的通货膨胀率，Bok等（2017） 使用实时数据和动态因子模型建立了纽约联储银行现时预测模型以预测GDP增速。

基于大数据放大的经济研究与传统计量经济研究方法相比有许多新的特征：

一是基于大数据方法的数据来源和渠道增多，涵盖了信息搜索数据、网络交易数据、网上信息发布、社交媒体数据、智能设备使用产生的数据如位置信息、交通流量监控、卫星灯光数据等，有主动产生的数据，也有被动留下的痕迹，一定程度上对经济学家依靠政府、组织、企业等机构发布数据、设计调查问卷获取数据的传统方法做了有力补充，极大拓展和方便了经济学家的数据来源；

二是为处理海量的半结构化、非结构化数据，从茫茫数据中发现经济关系，基于大数据方法的经济学研究中使用了与传统计量统计回归不同的方法，人工智能、机器学习算法如决策树、支持向量机、神经网络、深度学习等算法被引入经济学中处理数据，经济学与计算机、网络、信息技术的联系空前紧密；

三是从方法论的角度，基于大数据方法研究经济面临的样本数量和传统方法相比不在一个数量级上，某种程度上大数据方法是在总体范围上建立模型，而传统模型建立在抽样数据基础上，基于大数据方法将有别于传统方法的参数估计和假设检验。

可以预见，任何基于数据分析的学科与大数据的联系将越来越紧密。人工智能、深度学习、工业物联网、虚拟现实、智慧城市等领域的发展都在推动大数据的应用普及。

地产、制造、金融企业已经逐步建立互联网销售平台，平台本身并不是为了加大产品销售量，而是通过平台对传统营业网点、销售渠道的信息进行有效管理，从而建立可供判断或分析的数据之用。包括车联网、互联网金融、汽车电商、房产电商，都已开始。

平台企业的大数据战略。对于IT投入较少且基础薄弱的领域，如零售、餐饮、服装、农业、出版等行业，企业不会自建云计算及大数据平台，更多的是会依靠专业化的数据服务企业或是数据服务平台来满足数据分析的需求。

互联网企业大数据规模化发展。互联网传媒是推动企业接触大数据服务的一个相对快速的行业，通过定义用户肖像，来推动精准营销。在互联网领域，无论是社交平台、团购还是移动应用，在其互联网平台构建的过程中，收集、汇总、分析数据是非常重要的环节。通过甄别不同年龄段、性别、爱好的用户群，来精准定位推送不同的消息，而在这些精准定位的背后，则是每天几十甚至几百TB的数据增长量和分析量作为支撑。

金融大数据——大数据、人工智能最先落地的行业之一。中国金融信息服务产业有着产业链分布广、市场空间巨大的特点，未来必将经历大量的并购整合，最终出现几家庞大的IT服务机构。

交通与旅游大数据。主要是智能交通，在交通和环境信息的基础上，实现交付跟踪，工作流程监督，和人力资源管理。包括底层的大数据采集处理技术、中间的行业模型的大数据分析实战经验，或者上层的各类指标的计算标准等等。

新媒体大数据。大数据引领的新媒体已经颠覆了国外数个传统媒体，传统媒体展示型广告已快速向以数据为基础的网络媒体精准型广告进行转变。百视通和东方明珠的整合已经打造了全国最大的千亿级别的传媒上市公司。

制造业大数据。最近几年，从国家到地方政府，日益重视大数据在制造业特别是高仿智能制造领域的应用，例如《中国制造2025》。从这个意义上来说，大数据在制造业应该发挥的潜力巨大，释放空间和余地很大。

工业大数据具有典型的多源、异构、跨尺度、多因素、因果性、强机理及协同性等应用特征，是大数据应用研究的重要领域，对驱动我国制造业迈向智能化具有重要意义。

医疗健康领域。2018年的精准医疗大数据论坛邀请了来自产学研各界多位知名专家，从微观到宏观多角度深层次解析精准医疗大数据，为行业提供最有价值的信息分享和前瞻性预测。包括：大数据/人工智能技术应用于健康医疗大数据， 提供病人监测、预警、辅助诊断及健康管理， 包括健康医疗大数据赋能互联网精准诊疗体系建设；大数据智能时代的智慧医疗健康研发；人工智能技术在基因组学和病理学两大领域助力肿瘤免疫治疗、疫情分析预警等。

大数据可视化与可视分析也是大数据领域的重要技术和研究方向，可视化通过结合人与机器，帮助用户更有效分析面对的复杂数据，是数据价值发现的加速器。

大数据应用的核心是寻找变量间的相关关系做出预测，而不是因果关系。

纵观国内外，大数据已经形成产业规模，并上升到国家战略层面。

美国政策层面发力推动大数据应用发展。政府推出了一系列的公开数据计划，在健康、能源、气候、教育、金融、公共安全等领域开放数据和信息。

2016年1月美商务部发起了一项旨在使政府数据更加容易使用的数据易用性计划(CDUP)。5月，白宫发布《联邦大数据研发战略计划》，为未来的大数据研发列出7条战略计划，旨在建立大数据创新生态系统，从大量、多样、实时的数据库中提取有效信息，服务于科学研究、经济增长与国家安全。美国致力于扩大联邦数据公开范围和受用对象的范围，尤其扩大高价值数据资产，探讨如何进一步扩展收集和分析工业竞争和创新相关的数据。

英国以数据共享为根本积极推动大数据平台建设。新建哈璀(Hartree)大数据中心，投资1.13亿英镑。新建艾伦图灵研究所，投资4200万英镑，开展大数据科学与技术的研究。投资1.5亿英镑建立第一个国家级老年痴呆症研究所。建立应对重大疾病新的数学研究中心。英国成立大数据战略委员会，发布《开放数据战略白皮书》，统一政府数字平台，开通政府部门开放数据通道，设立数据开放共享奖励基金，2018年还出台了“数据保护通则”的专门法规，旨在开发利用数据资源产生更大的商业价值和经济增长。

瑞典启动由瑞士联邦政府推出的国家重点科研计划(NFP)大数据专项(Big Data, NFP75)。2017年正式启动，计划投入资金2.5亿瑞士法郎，从2017年至2020年为期4年。该专项主要分为三个板快：

• 大数据信息技术：大数据分析基础性研究、大数据基础设施构架、数据库和计算中心；
• 大数据相关社会及法律问题：大数据涉及对社会经济发展的影响预测(如对贸易、商务模式、人员交通及物流的影响)、个人隐私及空间的保护及相关的社会伦理和法律问题及对策等；
• 大数据应用：对大数据在交通、健康、灾害及社会风险控制、能源转型领域的应用展开基础性研究。

我国各地政府积极为大数据发展营造环境。2014年、2015年“大数据”首次写入国家《政府工作报告》。在2015年3月5日举行的两会中，李总理在政府工作报告中提到，制定“互联网+”行动计划，推动移动互联网、云计算、大数据、物联网等与现代制造业结合，促进电子商务、工业互联网和互联网金融健康发展，引导互联网企业拓展国际市场。

当前，《国家大数据战略及行动纲要(2015-2025)》征求意见稿完成。国家自然基金委、科技部支持了大量大数据研究项目;北京市、上海市、天津市、重庆市、广东省、贵州省等制定了大数据发展规划，多地开始建数据产业基地，天津拟打造国家数据聚集区，与北京、河北联合建“京津冀大数据走廊”;重庆计划将大数据培育成重要战略性新兴产业，加快建设两江云计算产业园，陕西西咸新区、湖北武汉光谷、贵州贵安新区等地提出要设国家级大数据基地。

上海成立数据交易中心。2016年4月1日，上海数据交易中心挂牌成立，上海数据交易中心是经上海市人民政府批准，上海市经济和信息化委、上海市商务委联合批复成立的国有控股混合所有制企业，承担着促进商业数据流通、跨区域的机构合作和数据互联、公共数据与商业数据融合应用等工作职能。交易中心以国内领先的“技术+规则”双重架构，创新结合IKVLTP 六要素技术，采用自主知识产权的虚拟标识技术和二次加密数据配送技术，结合面向应用场景的交易规则，将在全面保障个人隐私、数据安全前提下推动数据聚合流动。

未来的各个行业的发展必定是以大数据为基础又以大数据为推动力不断创新和融合的。前两天的新闻也是印证了对于这一方向的重视

华为创始人任正非近日签发了一份总裁办电子邮件，宣布对8位2019届顶尖学生实行年薪制管理。这8名员工均为博士学历，最高两名员工的年薪为182万-201万元；两名员工的年薪为140.5万-156.5万元；最后还有四名员工的年薪为89.6万-100.8万元。

知识就是力量。我滚去读书学习了~你们也快去学习，点个赞再学习，效率奇高！~

说起大数据，张学友可有话要说。

他一直以来都被说成是逃犯的克星，演唱会上的抓逃业绩也是让人惊讶：

2018年4月7日江西南昌演唱会开演没多久，就有1人被抓，涉经济案件被网上追逃；

5月5日江西赣州演唱会1人；

5月20日浙江嘉兴演唱会1人，逃犯于某检票时，警方接到了预警信息；

12月28日一30日，张学友演唱会在苏州连演三天，三天时间，苏州公安在全市范围内共抓获22名在逃人员。

2018年，张学友的演唱会上，先后就有80余名犯罪分子落网。

只要张学友开演唱会，大家讨论的画风就是这样的：

张学友本人回应成为逃犯克星，也说：“我们国家真的太先进了，大数据也好，技术也好，都是很先进的。”

没错，他提到了大数据。

公安部借助大数据、人工智能等高科技，让有“案底”的逃犯难以遁形。

在演唱会启动前3个月，警方已部署了“城市盾牌”系统，根据城市重点区域公共场所的智能设备和技术，将抓取的图像信息与在逃人员数据进行比对，发现可疑人员就会报警。而民警接到系统报警后，就会第一时间赶往现场核查处理。

而大数据的正经解释是什么呢？

说起大数据，美国Gartner公司曾经给出解释：“大数据是具有海量、高增长率和多样化的信息资产，它需要全新的处理模式来增强决策力、洞察发现力和流程优化能力。”

在《长安十二时辰》里，徐宾发明的大案牍术就可以解释大数据处理的环节。

（图源网络）

（1）数据收集——各州各县的录入吏每逢所居之处有什么人员流动的事，就会上门查证；

（2）数据存储——记录在案之后，修订录单然后保存起来。

（3）数据统计分析——徐宾根据记录在案的数据，用大案牍术来演算各种事宜

（4）数据应用——选中了张小敬来帮助李必破案

当然，现代生活中的大数据要比徐宾的大数据要复杂的多，光是应用领域就很丰富。

（数据来源天府大数据）

马云曾说过：“未来数据的处理和分析，就是今天的石油和天然气。”

有一些和我们生活息息相关的领域，大数据在无时无刻的为我们服务着。

电商行业有了大数据，可以分析用户行为，根据他们的喜好推荐更合适的商品。

沃尔玛通过对消费者购物行为进行大数据分析时发现，男性顾客在购买婴儿尿片时，常常会顺便买几瓶啤酒，于是他们就进行了啤酒和尿布的捆绑销售，也成了大数据技术应用的经典案例。

你在淘宝等购物网站上看到的“猜你喜欢”，也是电商行业+大数据的成果。

医疗机构有了大数据，可以分析各种疑难杂症并寻找解决的办法，帮助医疗资源不发达的地区。

在中国，最好的医疗资源集中在北上广地区等一线城市，随之而来的就是医患资源不匹配的问题，生活在别的地方的人享受不到。大数据技术+机器学习可以学习一线城市有经验的医生掌握的知识，分析疑难杂症，辅助基层地区的医生，，实现医疗资源下沉，让更多的人享受到更好的医疗服务。

公安系统有了大数据，就有了“火眼金睛”，快速确定嫌疑人，更好的维护社会治安。

大数据在公安系统的应用越来越多，继张学友的演唱会是逃犯克星之后，又有山东追逃计划，帮助公安机关抓获了一大批负案在逃的犯罪嫌疑人。

中国国内企业的大数据能力又是怎样呢？

在2018年评选的中国大数据企业50强的名单中，阿里巴巴排在全国首位，华为、腾讯、联想排在之后。

（图源网络）

要说国内大数据最强，还是得数阿里。

阿里云的飞天大数据平台算是一个骄傲，集群规模世界第一，是全球集群规模最大的计算平台，最大可扩展至10万台计算集群，创下了四项世界纪录。飞天是中国唯一一个自主研发的计算引擎，全球掌握这项技术的公司，仅仅只有4家：微软、亚马逊、谷歌、阿里巴巴。

阿里在民生服务领域，用大数据技术给人们带来了非常多的便利。

在浙江，在飞天大数据平台支撑下，人们可以在动身最少、最便利的情况下享受到最多的便利，阿里让“老百姓最多跑一次”成为现实。

比如原来需要跑5个窗口、耗时2天，才能拿到的新生儿出生证，现在只需在手机上填9项信息，就可以办好一个出生证；原来需要跑到缴水电的地方排队缴费，现在只需要在躺在床上点点手机就能缴费；原来看一次病排队需要付几次费，现在可以先在医院看完病，再回家再付钱，不用被各种繁琐的程序耽误了时间，提高了效率。

在杭州，城市大脑实时指挥1300个红绿灯路口，从2016年到2018年，用了两年的时间，把杭州从全国最拥堵城市排行榜上挤到了第52名。王革新在杭州做了3年的协警，在城市大脑的协助下，指挥早高峰变得异常轻松。

在飞天大数据平台的支撑下，这样便民的场景正在越来越多的城市实施开来。

技术的目的，是便于生活。

回到原话题，中国的大数据企业在全球是怎样的呢？

（1）人才

（图源天府大数据）

其实中国在大数据产业的人才是最多的，人数占据了59.5%，高于美国英国等其他国家的人才数量。

人才的数量其实一定程度上体现了这个行业的发展潜力，我国是人口大国，当仁不让的成为数据大国。

（2）创新专利比例

（图源天府大数据）

中国的大数据技术创新能力2015-2018年期间有了显著的提升，全球大数据领域相关技术专利数量比例，中国从2.0%增长到38.5%，超过美国，并呈持续上升趋势。

（3）比赛成果

看实力，还是得回到比赛成果来看。

引用环球时报的报道：

2015年，飞天刷新了“世界计算奥运会"SortBenchmark的世界纪录，用377秒完成100TB的数据排序，打破了经典的计算引擎Apache Spark的1406秒纪录；

2016年，它再次刷新SortBenchmark的世界纪录，打破了亚马逊AWS自2014年起保持的世界纪录。中国自主研发的计算平台令世界刮目相看。

在2017年BigBench的比赛上，阿里云计算创造了BigBench全球性能记录。

这是一个新的突破： BigBench数据规模首次扩展到100T；流计算2.0每秒峰值达千万QPS，整体链路延时亚秒级;E-MapReduce对比同类产品平均性能提升3倍。

（图源网络）

而2019年，飞天大数据平台是世界大数据计算性能的冠军，集群规模是世界第一，创下了4项世界纪录。

我们比之世界范围内的大数据能力水平也是不怯的。

中国是人口大国，我们有庞大的人口、天然的数据优势，相信在优秀企业的带领下会成为全球大数据应用的先锋。而这样的骄傲，存在于每一个中国人心中。

作为一名可能会成为教师的小白，其实会比较关心我国教育行业的大数据发展。

教育，在当今世界已经成为了国家提升综合竞争实力的重要战略组成要素，其“数据资产”对推动国家发展有非常重要的战略意义。但是目前我国教育大数据领域还仅仅处于起步阶段。

(图片来源:智研咨询)

近些年来在中国风靡的在线学习，在很大程度上使“教育大数据”这个词在国内受到广泛关注。

在舍恩伯格的《与大数据同行——学习和教育的未来》一书中，第一个大数据教育应用案例就来自在线学习。

对于当代大学生来说，在线学习(低时间成本优势）已经逐渐成为了他们参与各种选拔性考试准备过程中的重要一环例如考研，考公，考各种资格证。就算没有报名xx教育机构的在线课程，大家也都线上听过网课吧。因此，针对成年群体的在线教育已经成为各大教育机构争夺的一块大蛋糕。

大数据在我们的在线教学领域是如何运用的呢？

在我们在线学习的过程中，由学习管理系统和各类移动设备所记录下来的各类海量数据，成为分析整个教学过程的一个重要来源。这些数据包括记录学生学习过程的行为数据，记录学习结果的评价数据，以及学习形成的社会网络关系数据等。由这些数据拓展开来，教育大数据还包含着各类学生个人信息数据、教学管理数据等。这些数据都将成为后期数据挖掘与学习行为分析的宝贵数据源，为个性化学习、发展性评价、学习路径推送、教学行为预测等提供数据支持。

突然联想到2016年以来，国家正式全面开放二胎政策，预计2020年以后K12教育会迎来一波高峰期，教育大数据在中小学的应用大概也会迎来新的发展。

教育大数据除了教学以外，还能运用于哪些其他方面呢？

答: 教育管理。

目前，我国正在推行的学生“终身一人一号”电子学籍管理办法，可以持续记录每个学生的学业表现与全面发展情况。如果能够由此建立全国联网的学生成长档案库，这将为全国高考招录政策、学生就业政策、资源分配政策、学生择校政策等当前众多教育政策的改善与优化，提供最宝贵的数据支持。

我们还知道国内已有一些高校率先开展基于大数据的教育管理服务。例如，浙大对学校的设备资产数据进行了系统采集与整理，提供便捷的查询与分析服务，提升了实验室、教室、仪器、设备等资源的利用率和管理效率；华东师范大学利用学生的餐饮消费数据，对经济困难学生提供情感抚慰和助学金支持。

与商业、交通、环境、医疗等领域相比，教育领域具有更强的独特性和复杂性，大数据技术在教育领域的应用推广仍存在诸多难题。当前，我国教育大数据的发展主要面临应用落地、数据安全、数据治理与运营等诸多挑战，同时教育大数据专业人才紧缺。我国迫切需要在体制与机制上，多方协同，各尽其力，以建立一个良好的教育生态系统。

参考来源: 《远程教育杂志》

中国产业信息网

看上去挺繁荣。但是都经不起细推。知乎里从事这一行的人应该是最多的。你居然发现没有一个业内回答。就证明大家都对自己的工作还不满意。用户端主要是政府。每年我们花在数据上云的钱是真不少。可每年政府系统内部去要数据简直就是一个浩瀚的工程。技术端并发几乎没有很好的解决。自动驾驶，其实连自动泊车都没有完全实现。复杂路段不能够实现一步停车。开阔路段他居然不知道直接停。没办法自动判断是侧方位还是倒车入库。股票的话，做空不放开，货币自由兑换不放开。还没有实现实时的全球股票行情一个数据库。至少美股港股a股都有。

如今微信的使用基本已经普及到各家各户，在微信上填写自己所在的城市，点赞自己的朋友，浏览感兴趣的内容等，工程师能通过在社交程序中隐藏数据爬虫，将用户公开的信息和资料保持到自己的服务器上。这些数据单一来看没有什么太大的价值，但当基数达到几千万之后，信息持有者就能分析出其中规律，描绘出用户画像，并为其归类。

计算机和算法能自动判别一个人的喜好和心理特征，把合适的信息在合适的地点发送给合适的人，实现人与物的动态匹配，影响个人决策。

很多人都购买过运动手环，有用户反馈，在游泳前把手环调到游泳模式，手机上就收到了很多关于游泳相关的物品的推送，当身上存在一个会“读心术”的软件，在你有需求的某个瞬间，精准推送，促成交易。

更有甚者，当你习惯于买一样东西不看价格之后，同样的东西，出现在你电子页面的产品价格要比不买或少买这东西的人高得多。这是算法和机器自动匹配的结果，在不知不觉中，你的消费已被数据所支配。

你享受着数据匹配带来的便利，无需耗费海量的时间去寻找心怡的产品，通过一次又一次对数据的使用，你不断迭代数据库，算法和机器自动匹配合适的对象，以数据为基础的人工智能正在取代大部分的工作，数据监控的盛行，降低了警务人员的需求，自动检票、检货等设施，降低了检票人员和检货人员、流水线工人的需求，机械化的工作逐渐被取代。

中国大数据的水平在全球都是排得上号的。

大数据是什么，根据官方说法：大数据是具有海量、高增长率和多样化的信息资产，它需要全新的处理模式来增强决策力、洞察发现力和流程优化能力。”简言之，就是提高生活方方面面的效率。

那在我们国家大数据具体体现在哪里呢？阿里巴巴的城市大脑以大数据为基础进行服务、电商平台的营销需要大数据进行市场分析、各种调查问卷需要大数据的支持。或许原先我们需要一个月甚至半年才能完成的工作，大数据一两天就能完成。

综上，大数据对发展而言太过重要，在全球都在部署大数据发展的情况下，我们国家的大数据到底是什么水平呢？

首先，国内在大数据发展最好的就是阿里，他的飞天系统就是借用大数据为基础，目前已经服务国内多家企业与多个城市。而目前阿里在全球的大数据领域内都是处于领先的水平，从这点来看，我们国家的大数据目前是领先于全球。

但我们国家目前为止，真正能拿的出手的大数据企业也就只有阿里。虽然说我们国家研究大数据的人才在全球占比中高达59.5%，但由于起步比较晚，所以，我们的发展还是在探索期。但不可否认，发展速度很快。