大数据_大时代_大商业

bingmiao

贡献于2017-05-04

字数:0 关键词: 分布式/云计算/大数据

BUSINESS CULTURE 大视野 . LARGE FIELD OF VISION 大数据、大时代、大商业 从 2012 年 开 始, 大 数 据(big data)一词越来越多地被提及,人们 用它来描述和定义信息爆炸时代产生 的海量数据,并命名与之相关的技术 发展与创新。到 2016 年,学界与商 界达成共识,“大数据”是“数据化” 趋势下的必然产物!数据化最核心的 理念是:“一切都被记录,一切都被 数字化”,它带来了两个重大的变化: 一是数据量的爆炸性剧增,最近两年 所产生的数据量等同于 2010 年以前 整个人类文明产生的数据量总和;二 是数据来源的极大丰富,形成了多源 异构的数据形态,其中非结构化数据 (包括语音、视频、图像等)所占比 例逐年增大。在人类解决了移动互联 的问题之后,随着搜索次数的不断堆 叠,大数据已经给整个人类社会带来 从生活到思维上革命性的变化。 企业和政府的管理人员在进行决 策的时候,会出现从“经验即决策” 到“数据辅助决策”再到“数据即决策” 的变化;人们所接受的服务,将以数 字化和个性化的方式呈现,借助 3D 打印技术和生物基因工程,零售业和 医疗业亦将实现数字化和个性化的服 务;以小规模实验、定性或半定量分 析为主要手段的科学分支,如社会学、 心理学、管理学等,将会向大规模定 量化数据分析转型;将会出现数据运 营商和数据市场,以数据和数据产品 为对象,通过加工和交易数据获取商 业价值;人类将在哲学层面上重新思 考诸如“物质和信息谁更基础”“生 命的本质是什么”“生命存在的最终 形态是什么”等本体论问题……这是 一个属于数据的大时代,这个时代将 以大商业的大创新作为经济活动的先 决条件。 大数据的时代价值 当前,以百度、阿里、腾讯为代 表的互联网服务企业的崛起,使我国 大数据业务及相应的商业模式处于全 球相对领先的地位。但是随着我国“互 联网 +”战略的深入,尤其是以“中 国制造 2025”为代表的智能制造的 推进,使大数据业务及相应的商业模 式面临全新的挑战。国务院总理李克 强明确提出,数据是基础性资源,也 文 / 刘新睿 452017 45 BUSINESS CULTURE LARGE FIELD OF VISION . 大视野 是重要生产力。大数据与云计算、物 联网等新技术相结合,正在迅疾并将 日益深刻地改变人们生产生活方式。 因此,大数据的时代价值体现在以下 一些方面。 大数据本身具有产业价值。整体 看,中国的大数据市场依然保持高速 增长的趋势。2015 年中国大数据市 场规模达到 124.9 亿元,增速保持在 34.2%,虽然低于 2013 和 2014 年, 但是不仅高于同期的工业增速,而 且比同期的电子信息制造市场增速 (7.4%)高出 26.8 个百分点 , 比同 期的软件和信息技术(17.7%)市场 增速高出 16.5 个百分点。据目前的 监控数据显示,2016 年我国大数据 市场规模增速将在 35% 以上。因此, 在未来很长一个时期大数据都将是各 行业 IT 投资的重点,仍具有较大的 市场潜力。 大数据给国民经济、社会发展和 国家安全带来很多间接价值,由其构 成的新的“数据空间”成为继陆权、 海权、空权、制天权之后另一个国家 主权中不可分割的组成部分。因此, 2016年大数据上升为我国国家战略, 十三五”规划纲要全文(以下简称“全 文”)第二十七章明确提出“实施国 家大数据战略”,彰显了国家对于大 数据战略的重视。在国家政策的推动 下,我国大数据行业市场规模高速增 长。未来对数据的占有和控制甚至成 为陆权、海权、空权之外国家的另外 一个核心资产。 大数据已经在不同程度上渗透到 各个行业和部门。在宏观层面,大 46 201746 BUSINESS CULTURE 大视野 . LARGE FIELD OF VISION 数据使经济决策部门可以更敏锐地 把握经济走向,制定并实施科学的经 济政策。麦肯锡研究表明,在医疗、 零售和制造业,大数据可以每年提高 0.5 ~ 1 个百分点的劳动生产率。在 微观层面,大数据可以提高企业经营 决策水平和效率,推动创新,给企业、 行业领域带来巨大价值。大数据的价 值也体现在促进大数据资源开放与流 通环节中。建立大交易数据市场,促 进数据商业化流通交易,实现数据的 交换与共享,促进数据资源的有效流 通与增值。有研究表明,智能制造产 业链近七成的产值将产生于后台数据 处理环节中。 大数据的价值还体现在对多种数 据源的集成与融合。因为任何一种数 据源都有其局限性与片面性,只有将 不同来源的原始数据进行融合与集 成,才能反映事物的本质和规律。 大数据商业创新的演进 (一)大数据商业创新 1.0:分析 传统的商务智能已经应用了数据 仓库和数据挖掘的技术,对企业自身 的数据进行存储、清洗、索引和分析, 并能够提供包括客户价值评价、客户 满意度评价、服务质量评价、营销效 果评价、市场需求评估等各种基于简 单统计和关联挖掘的报表——这些统 计结果对于企业自身评估和决策起到 了重要的作用。在商务智能时代积累 起来的和数据打交道的经验既是大数 据新商业模式技术和理念的基础,又 有可能束缚大数据商业革命,因为有 经验的商务智能人士会不自觉地把大 数据分析庸俗化,认为只是传统商务 智能针对更大规模数据集的一种平凡 推广。 大数据商业 1.0 追求从数据到分 析,从分析到更多更好的数据,再到 更深入分析这样的正向循环。它是指 企业自身的产品和服务产生了大量的 数据,通过对这些数据进行深入的挖 掘分析,改进自身业务,改进后的业 务吸引更多用户或客户,产生更大量 的数据,形成正向的循环。大数据1.0 尽管在分析上比传统商务智能更加进 步,但是逻辑上具有延续性,可以看 成商务智能的一种纵深发展。 “量化自我”是典型的例子,它 是通过一种非干预的手段,把一些所 谓的医疗传感器放到我们的身边,比 如我们戴一个腕表、一枚戒指、一个 耳塞、一副眼镜等,通过这些设备我 们可以了解自己的心跳、血压情况, 甚至包括我们体表的健康状况,从而 对一些大病(如癫痫、早博等)进行 早期预测。同样,如果我们给一个小 孩子使用小儿床垫,通过这个床垫上 的压力与湿度传感器分析,我们可以 实时判断这个小孩子有没有出现严 重打鼾、睡姿不正确、危险行为、尿 床等问题,并及时纠正。针对慢性病 人、老年人同样也有一些类似的辅助 工具。 “个性化推荐”是大数据深度分 析的另一个典型例子。个性化的信息 推荐不仅仅是基于用户的相似性这么 简单,还有大量比较深入的复杂模型。 比如说,就用户看资讯而言,我们怎 么样去判断一个用户点开一条八卦资 讯后,是继续深挖“八卦到死”,还 是转而浏览另外一个新闻。同样,有 的用户登录淘宝只是逛逛而已,有些 用户则是很明确地想要买一些东西, 这就需要对用户的意图进行预测,这 里面涉及一些比较难的机器学习技 术。并且,一个优秀的推荐系统往往 是数十上百甚至更多推荐算法通过集 成学习得到的结果,并非简单方法的 迁移应用。 大数据的深入分析可以在很多领 域发挥重要作用。比如,Netflix 公司 是一个线上 VCD/DVD 租赁公司,它 通过分析大量电影电视剧的观看和评 价数据,找到它认为最合适的导演、 演员班子和内容,利用这些分析结果, 投资并拍摄了美国历史上最成功的电 视剧“纸牌屋”,这实际上是 Netflix 公司推出的第一部大数据影片。目前, 我们可以利用机顶盒的数据对同一 472017 47 BUSINESS CULTURE LARGE FIELD OF VISION . 大视野 个电视台的不同节目进行智能排序, 使得这些节目能够更好服务不同的观 众。我们还可以分析电视节目之间的 竞争网络,通过微调播出时间,提高 收视率。以上这些都是建立在对大数 据深入分析的基础上,所使用的方法 比简单的支持向量机、回归分析、决 策树等困难许多。 (二)大数据商业创新 2.0:外 化 大数据 1.0 只是一个起步,它强 调的仅仅是自身业务产生的大量数 据,并通过更多的深入分析优化自 身的业务。实际上,大数据在商业上 的精髓不仅仅是深入分析,还在于怎 么把自己的数据创造性地用到其它业 务上去,或者是把其它外部的数据用 到自己的业务中来。这就带来了大数 据 2.0,它的关键词是“外部性”。 这方面有很多典型的例子,比如,印 第安纳大学通过 Twitter 内容、Google 的搜索词 等来预测道琼斯指数,淘宝利用 其零售数据评估中国的非刚需消费物 价指数(淘CPI),等等。在这些例子中, 微博和淘宝数据的产生最初并不是为 了预测道琼斯指数,也不是为了计算 中国消费者指数,它可能仅仅是用户 在网络上发泄一下自己的情绪,或者 是记录淘宝上的销售情况。但是这些 数据可以产生很多人想象不到的“外 部”价值,这就是大数据 2.0 的一个 典型特征。 Zest Finance 是一个有趣的例子, 它提出的一个口号是“所有的数据都 是信用数据”。它通过分析一个用户 在互联网上的大量内容,包括删除网 页的记录、购买东西的记录、社交关 系记录,文本内容等,能够快速地做 出是否可以向你发放贷款,应该发放 多少贷款的决策。不仅决策周期短、 成本低,而且放贷后用户拖延还贷的 比例比同行业还要低。 关于大数据的外部应用,很重要 的一点就是占领终端。比如,每一台 空调的外挂 机上都可以放一些传感器,收集 温度、湿度、空气中的颗粒物等,这 样的空调基本上每几十米就可以设置 一个,可以提供比当前我国空气质量 监控站覆盖更广泛的信息,可以做全 国范围的环保监测网——这样的网络 可以用来量化汽车尾气对空气质量的 影响,反而是国家空气质量监测站难 以做到的。一个智能彩电的终端能做 什么?覆盖上千万家庭的智能终端, 第一可以做更好的收视率调查,第二 它还可以影响广电、电视节目的收视 率。比如,在节目推荐时,把浙江卫 视放在湖南卫视之前推荐,这样就可 以提高浙江卫视的收视率。未来它甚 至还可以做终端广告、做内容等。移 动终端的想象力就更大了。未来,这 些终端的拥有者,将会极大地改变人 们的生活方式,冲击传统行业。 (三)大数据商业创新 3.0:集 成 大数据 3.0 是大数据时代到来的 最后一步,也是至关重要的一步。绝 不是仅仅几个人或者几家公司能用大 数据就标志着大数据时代的到来,应 该是每一个科研团队,每一个创业企 业都能在大数据应用中获益。对他们 来说,尽管数据量如此庞大,但使用 起来就像平时的“小数据”一样方便。 要做到这一点,一方面需要有更好的 IT 架构、更好的分析工具,使得普通 团队利用大数据成为可能;另一方面, 需要政府和业界对数据的质量、价值、 权益、隐私、安全等出台量化的管理 措施和方案。当大数据的生态环境形 成之后,我们就有可能进一步讨论所 谓的大数据平台,并利用这些平台吸 引最好的数据和最好的人才。另外, 48 201748 BUSINESS CULTURE 大视野 . LARGE FIELD OF VISION 只有集成才能推动交叉关联的跨领域 数据发挥 1+1 远大于 2 的价值。 我们目前关注四种可能的大数据 集成平台。第一个是能不能在有效地 保护隐私和信息监管的情况下建立所 谓的数据淘宝,即在符合法律规定的 情况下,通过这个平台可以自由地上 传和下载数据,并实现自由定价等。 实际上,针对科研数据,“数据堂” 这家公司已经开始这样做了,但其他 领域还没有起步。 第二个是能不能产生数据运营 商。数据运营商通过先进的 I T 架构, 提供存储和计算功能,以及一些必要 的分析工具和软件。一些聪明的人以 数据供应商提供的数据为基础开发相 关产品,甚至在数据产品基础上进一 步开发更好的数据产品。如果数据产 品以下载或者 API 的形式售卖,那么 数据运营商、数据提供者、数据开发 者等各方都可以从客户使用数据产品 所支付的费用中获得收益。 第三个是数据挖掘挑战的平台, 通过它把数据挖掘、大数据分析领域 最重要的的挑战性问题集中起来。这 样的平台不仅能够集中各行业内具有 普适性的问题,还可以集中大部分的 人才。这些数据科学家和数据工程师 所提出的解决方案,又成了这个平台 上的工具,这些工具将来还可能进一 步开发出一些普适性的工具。因此这 样的平台将会成为“问题、人才和工 具”集中的平台。最后一种平台,是 把不同垂直行业中具有普适性的问题 与解决方案进一步抽象提炼出来,建 立垂直行业的大数据研究中心,再和 产学研联盟以及产业基金联合起来建 立大数据研究院,形成一种“三位一 体、互为补充”的大数据产业生态。 大数据商业模式的变迁与局限 回顾大数据产业发展历程,其商 业模式经历了 2 个发展阶段。第一阶 段可称为自我服务阶段,例如百度、 阿里、腾讯等互联网骨干企业建立了 全球最大规模的大数据平台,但其大 数据应用的主要目标,是通过对用户 信息的大数据分析以提升公司本身的 精准营销和个性化广告推介能力和水 平。 492017 49 BUSINESS CULTURE LARGE FIELD OF VISION . 大视野 以百度为例,其最初的商业模式 仅限于用户的网页搜索,并以搭载商 业广告作为主要收入来源。至今百度 己成为人们获取信息的最主要入口, 平均每天响应来自 138 个国家和地区 的数十亿搜索请求,覆盖了 95% 以 上的中国网民。为此,百度建立了庞 大先进的数据库和数据分析处理平 台。进而,百度将内外数据进行融合 和分析推出了百度指数、贴吧以及百 度统计,从而使百度发展成为以大数 据驱动的网络营销服务机构。但是, 百度指数、百度统计等仍是对数据挖 掘的初级应用,与 Google 相比,百 度在社交数据、实时数据的收集和由 数据流通到数据挖掘转换方面尚存在 较大差距。阿里的淘宝和支付宝,历 经 12 年的发展成为拥有交易数据和 信用数据的大数据公司,但在相当长 的时间内,阿里仅将交易数据和信用 数据作为公司内部运营的支撑。腾讯 拥有用户关系数据和社交数据,其产 品生产及运营、游戏的崛起离不开对 上述数据的分析与整合,但仅限于利 用大数据挖掘改进自己的产品。国内 电信运营商也是大数据的拥有者,但 其数据来源主要来自企业内部并为企 业内部运营服务,如支持客户流失分 析、网络优化以及市场营销分析等, 对外部的大数据应用模式尚未成型。 大数据的第二阶段商业模式为扩 展服务模式。2010 年,百度开发了 智能交互技术,包括智能语音、图像 识别等,以实现用户通过搜索引擎直 接获取答案、连接服务。目前,己建 成涵盖近 20 个领域、几十种类别、 上亿实体量的庞大知识数据库,并应 用于 20 多个产品线中。在旅游、高 考预测、人群疾病分布关联分析、IT 企业智能化运维以及社会突发安全事 故大数据分析等领域得到应用,标志 着百度大数据商业模式演进为实现社 会实体间数据服务阶段。阿里也提出 了“数据、金融和平台”战略,重视 对数据的收集、挖掘和共享。例如, 阿里巴巴和淘宝天猫都提供大量的数 据,经过数据整合分析形成商业趋势 报告;蚂蚁金服也提供包括贷款、信 用等各种数据。除此之外,阿里还通 过投资等方式掌握了部分如微博和高 德等社交数据、移动数据,并尝试在 新领域中提供大数据服务。腾讯准备 寻求更深层次驱动大数据利用的产 品,利用己有的社交及关系数据挖掘 出政治、社会、文化、商业、健康等 领域的信息,分析人们的生活和行为 甚至预测未来,并为第三方应用。电 信运营商在规划和搭建大数据平台的 基础上,形成对外的数据产品和服务, 如数据产品开发、数字广告合作、开 放行业报告等,构建社会数据共享能 力。 在推动大数据的第二阶段商业模 式中, 新兴的创业公司走在大互联 网公司和电信运营商的前面,将大数 据商品化,出售数据和服务,更有针 对性地为客户提供单独的解决方案, 受到大数据市场的晴睐。例如,以 网宿和蓝汛为代表的专业第三方 CDN (内容分发)服务商,主要面向大 型互联网公司、中大型企业以及政府 机构等中大型客户,提供按需定制的 50 201750 BUSINESS CULTURE 大视野 . LARGE FIELD OF VISION CDN 服务,并占有目前 CDN 服务市 场的绝大部分份额。 由上可见,第一代大数据商业模 式是互联网企业从实体到数据,即将 线下的东西数字化后搬到互联网上, 但形成的大数据仅为公司的业务和经 营服务,没有形成广泛的社会效应。 大数据演进至第二代的商业模式是互 联网企业完成从数据到信息与知识的 升级,即互联网企业进行数据聚合、 整理并结构化后成为检索信息,进而 采用人工智能和机器学习技术,实现 从信息到知识的演进,如精准营销、 搜索引擎、社交关系等,为其他企 业和用户所应用并产生了新的社会价 值。 目前基于数据的全新商业模式依 然还处在探索的初级阶段,数据交易、 交换及服务的商业化面临诸多挑战, 比如应用场景和价值不易标准化,数 据定价及资产评估问题,安全和隐私 的问题,政府数据开放和商业化问题 等。 由于数据的应用场景和价值不容 易标准化,就如同挖金子的初期一样, 真正赚钱的还是卖铁锹的,如今还没 有到真正卖金子的时候。数据与工业 时代的商品有截然不同的属性,工业 时代的商品是实体物品为主,基于一 定成本的原料生产后,基于工厂相对 标准化的大规模生产模式生产出来; 而目前的数据应用水平和程度有限, 数据标准化程度很低,无法按照传统 的商品销售模式进行销售。同样的数 据,在不同的应用场景下也体现出不 同的价值。 工业时代的商品经历了上百年的 发展之后,已经形成了大家都认同的 标准化定价模式,比如基于物权的定 价模式,基本上是成本加上品牌定价; 而数据产生的边界成本基本为零,显 然这种模式不太适用,但从数据加工 的成本出发,针对源数据进行加工后 再以 API 或数据集的方式销售给用户, 比如雨后春笋一般涌现出来的第三方 数据服务公司正在尝试这样的模式。 但是,当前大数据的商业模式无论是 对于互联网企业、电信运营商,还是 新兴的创业公司而言,其数据的生成、 汇聚、分析、挖掘直到应用都没有离 开互联网领域。未来,进入工业互联 网时代,数据从生成到应用必然要离 开互联网环境而进入物理环境。因此, 工业互联网时代是物理世界与数字世 界融合的全新时代,必然对已有大数 据商业模式带来巨大冲击。 工业互联网时代大数据 商业模式的新挑战 在工业互联网中,大数据应用特 征与商业模式的挑战表现为: (1)大数据应用标的物变化的 挑战。至今为止,在大数据商业模式 512017 51 BUSINESS CULTURE LARGE FIELD OF VISION . 大视野 的所有变化与演进中,都是组织、 交易、流通与服务的变革与升级, 并未涉及与影响标的物的物理特性与 物理形态的变化。智能制造的核心是 信息物理系统(CPS,Cyber-Physical Systems),通过传感网紧密连接现 实世界,将网络空间的高级计算能力 有效运用于现实世界中。在生产制造 过程中,与设计、开发、生产有关的 所有数据将通过传感器采集并进行分 析,形成可自律操作的智能生产系统; 智能服务将智能产品与状态感知、大 数据处理等技术结合,改变了产品的 现有销售和使用的模式。 由此可见, 在智能制造中大数 据支撑着产品创意—设计—生产—消 费—服务各环节,并且将影响和改变 产品的物理特性与物理形态,其影响 范围、影响能力和影响形态大大区别 于己有的仅限于互联网环境的商业模 式。 (2)大数据复杂度引发的挑战。 在智能制造中,生产模式转换为柔性 动态组织模式,生产设备按照指令智 能操作,产品形态变得更加丰富,消 费形态满足了人们提出的个性化需 求。因此,智能制造将激发许多新的 挑战,如成百上千万个运行参数按照 不同频率发送,瞬时密度可能达到每 秒 10 万条记录,甚至更高;成千上 万台设备持续几年到几十年的使用和 维修数据非常庞大,现行关系型数据 库难以承受;高价值数据数量少,且 隐藏在大量的低价值数据中,数据挖 掘难度大;大数据涉及到众多专业知 识,需要集成各种专业分析工具才能 实现有效的挖掘;数据反馈过程的控 制和权限管理极为复杂等。因此必然 需要对大数据的运行效率提出严苛要 52 201752 BUSINESS CULTURE 大视野 . LARGE FIELD OF VISION 求,还要综合平衡度量系统吞吐率、 并行处理能力、计算精度与作业能耗 等多种效能因素。 同时,工业互联网是一个复杂的 巨系统。我国拥有 39 个工业大类, 191 个中类,525 个小类,是全世界 唯一拥有联合国产业分类中全部工业 门类的国家,从而形成了一个行业齐 全的工业体系。而每个工业大、中、 小分类对大数据的应用都有其自身的 特殊要求。因此,智能制造需要对复 杂事件的对象所涉及的行为和状况、 时间、地点和起因等关键要素,具有 及时、全面、精准的了解,并随着事 件的演化对其要素的动态性可以及时 地捕获和感知。因此,智能制造面临 数据关联耦合关系极为复杂,更面临 跨行业、跨领域的大数据带来的挑战。 (3)建设大数据平台成本的挑 战。对于不同的工业企业而言,都面 临着大数据成本和时间效应问题。目 前,全国各地都在建设大数据中心, 成本很高。以光大银行大数据中心 为例,其一次性建设成本高达 2.3 亿 元,每年运行维护成本约4 900 万元。 阿里云数据中心项目在河北张家口建 设,项目总投资约 180 亿元。中国移 动在郑州规划建设大型数据中心,投 资 45 亿元。而且大数据中心的建设 是一项周密的系统工程,不仅在建设 期需要投入大量的人力、物力和财力, 而且在建成后还要持续投入大量的运 营管理资金和人员。一项调查显示, 面对大数据浪潮,我国 60% 的企业 选择自建,37% 的企业拟通过云服 务的方式建设。而我国 2013 年企业 建设数据中心投资规模调查显示,有 40% 以上的企业投资规模在 1 000 万元以上,另有 20% 以上的企业投 资规模在 500 万元以上,而这些数据 中心是为企业本身管理与运营服务 的,并不完全具备大数据分析与挖掘 功能。 (4)大数据服务开放前景的挑 战。在智能制造中,涉及多个行业, 每个行业的数据有不同的结构特点, 需要多领域的关联 / 推荐、预测并 快速获取价值;也需要反映数据在杂 交、关联、分析、预测后在产品与市 场中的价值。未来智能制造将呈现 出更加细分的数据处理公司类型,因 此必须建立不同层次、类别的数据开 放、交换及交易的商业规则与模式。 但令人遗憾的是, 近日马云称,“阿 里对数据以前是开放的,现在决定原 则上不开放。”其原因是“我们认为 在当前外部大环境无法完全保障数据 安全、数据隐私的情况下,决定只审 慎地开放给战略合作伙伴。”这无疑 是对需要大量消费者数据、小企业数 据、金融数据、物流数据的智能制造 企业的“当头棒喝”。调查显示,当 前我国有三分之一的企业使用很多从 外部购买的数据和互联网平台数据, 有 38.7% 的企业使用互联网平台数 据。因此,应尽快建立大数据的交易 规则,并逐步形成不同等级的交易平 台 / 市场。 (5)政府治理大数据的挑战。 目前很多政府部门的数据实际上是信 息孤岛,数据由于没有与其他部门进 行共享,也没有实现开放,使得数据 的价值发掘非常有限。而很多政府部 门的领导把自己部门的数据看做是部 门利益的基础,认为数据的共享开放 输出就意味着利益的输出,这种现象 在数据能力强的部门体现的尤为明 显。不少政府部门以数据安全为由, 或多一事儿不如少一事儿的心理对政 府数据开放持拒绝或者消极态度。但 纵观国外政府数据开放的历程,基本 是从信息公开起步,在数据开放方面 本着开放为默认,不开放为特例的原 则才使得数据开放成为建设智慧城市 或智慧政府的重要基础。我们认为政 府的数据开放其实是在利用社会力量 基于大数据实现政府治理现代化的目 标,因此把与民生相关的经过脱敏的 政府数据开放给民众以及企业会促进 基于大数据的创新创业发展,才能让 数据通过流动和融合发挥更大社会和 商业价值。 未来 10 年,我们所将遭遇的一 切都将被大数据时代的海量信息所包 围,中国在真正进入工业互联网时代 之后,物理世界与数字世界融合必将 是全新时代的突出特征。因此,加快 构建以数据为核心的大数据产业链, 加快数据资源的开发利用,推进数据 的产品化和商品化,创新在智能制造 领域的大数据商业新模式,必然成为 我国大数据产业新的突破口。 532017 53

下载文档,方便阅读与编辑

文档的实际排版效果,会与网站的显示效果略有不同!!

需要 10 金币 [ 分享文档获得金币 ] 0 人已下载

下载文档

相关文档