Las aplicaciones de big data deben abordar tres puntos clave.

El enfoque de las aplicaciones de big data son las fuentes de datos, la productización y la creación de valor. Los recursos de datos están distribuidos de manera desigual, y es más probable que las aplicaciones de big data logren avances en campos intensivos en datos; Modelos de gestión industrial, Promover la aplicación de big data en diversas industrias.

Los costes de la aplicación de big data son elevados. En la actualidad, a nivel nacional, el Consejo de Estado ha emitido el "Plan de Acción para Promover el Desarrollo de Big Data"; a nivel local, big data se utiliza como motor estratégico para el desarrollo regional, varios big data; Las empresas de conceptos de datos están en ascenso y se están desarrollando vigorosamente. Solo nos centramos en la aplicación de big data, de dónde provienen los datos, cómo se utilizan y quién paga por los resultados. Estos son 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 eficaz. También analizamos si existen algunas industrias o áreas "intensivas en datos" donde las aplicaciones de big data podrían ser más fáciles de desarrollar. En términos de política industrial, prestamos atención a la industria emergente del big data. ¿Seguirán siendo eficaces los métodos que se han probado en el pasado, como donar tierras, dinero y proyectos?

Tres puntos clave de la aplicación de big data

El “Plan de acción para promover el desarrollo de Big Data” del Consejo de Estado (denominado “Plan de Big Data”) define big data como "una nueva generación de tecnología de la información y formato de servicio", dota a los macrodatos de las funciones estratégicas de "promover la transformación y el desarrollo económicos", "reconfigurar la ventaja competitiva nacional" y "mejorar las capacidades de gobernanza del gobierno", y define los datos como "los recursos del país". recurso estratégico básico". En términos de aplicación, el "Esquema de Big Data" propone muchas direcciones de desarrollo, como el macrocontrol científico, la gobernanza gubernamental precisa, los servicios comerciales convenientes, la seguridad eficiente y los servicios universales de subsistencia de las personas en el ámbito de los asuntos públicos a nivel industrial; En cuanto a los campos industriales, se divide principalmente en big data industrial, big data de industrias emergentes, big data agrícola y rural, big data innovador, sistema de productos de big data y cadena industrial de big data. Estas direcciones son sólo el potencial y el espacio para las aplicaciones de big data. Su aplicación depende de si existen modelos factibles y efectos prácticos. Ya sea en el ámbito público o industrial, las aplicaciones de big data son inseparables de las fuentes de datos, las tecnologías y métodos de procesamiento y los modelos de creación de valor. Estos son nuestro enfoque. En resumen, es necesario responder a las siguientes tres preguntas aparentemente simples pero 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 son empresas naturales de big data, que acumulan y continúan generando cantidades masivas de datos en sus respectivas áreas comerciales principales, como búsqueda, redes sociales, medios y transacciones. Los dispositivos de IoT recopilan datos todo el tiempo y la cantidad de dispositivos y datos aumenta día a día. Como minas de oro de big data, estos dos tipos de recursos de datos generan constantemente diversas aplicaciones. La mayoría de las experiencias exitosas de big data 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 se consideran big data, pero para aplicaciones comerciales, son los más fáciles de obtener y procesar, y también son recursos de aplicaciones comunes en China. También existe una categoría de recursos de datos controlados por departamentos del gobierno chino, que generalmente se consideran de buena calidad y alto valor, pero con un bajo grado de apertura. El "Esquema de Big Data" toma la * * * interconexión y apertura de datos públicos * * * como dirección de los esfuerzos, y 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. El deseo de abrir los datos públicos a la sociedad es maravilloso, pero me temo que estará fuera de nuestro alcance durante algún tiempo. En términos de recursos de datos, la aplicación de "datos pequeños" y "datos" en China no es suficiente. No es optimista intentar entrar en la era del big data y aprovechar la oportunidad para solucionar problemas que no se pudieron solucionar en el proceso de informatización anterior. 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 nuestra principal preocupación al evaluar aplicaciones de big data. En primer lugar, depende de 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. En segundo lugar, depende de la calidad de los recursos de datos de esta aplicación, si es "mineral rico" o "mineral pobre" y si se puede garantizar el efecto real de esta aplicación. Para los recursos de datos de su propio negocio, tiene buena controlabilidad y la calidad de los datos generalmente está garantizada, pero la cobertura de datos puede ser limitada y se necesitan otros canales de recursos.

Para los datos rastreados desde Internet, las capacidades técnicas son clave. Requiere tanto la capacidad de obtener una cantidad suficientemente grande como la capacidad de filtrar contenido útil. Para los datos obtenidos de terceros, se debe prestar especial atención a la estabilidad de las transacciones de datos. El origen de los datos es el punto de partida para analizar las aplicaciones de big data. Si una aplicación no tiene una fuente de datos confiable, no importa cuán buena o excelente sea la tecnología de análisis de datos, será inútil. (2) Cómo utilizar los datos Cómo utilizar los datos es nuestro segundo enfoque al evaluar aplicaciones de big data. Los macrodatos son sólo un medio y no pueden abarcarlo todo ni ser omnipotente. Nos centramos en lo que el big data puede y no puede hacer. Ahora parece que big data tiene principalmente las siguientes funciones comunes. pista. Internet y el Internet de las cosas registran cada momento, 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 y más. Identificar. Sobre la base del seguimiento integral de varios factores, se logra un reconocimiento preciso mediante el posicionamiento, la comparación y la detección, especialmente de voz, imágenes y videos, lo que enriquece enormemente el contenido que se puede analizar y obtiene resultados más precisos. Los retratos forman una representación más tridimensional y una comprensión más completa al rastrear, identificar y comparar diferentes fuentes de datos del mismo tema. Los retratos de los consumidores pueden impulsar con precisión los anuncios y los productos; los retratos corporativos pueden juzgar con precisión el crédito y el riesgo. pista. Basándonos en trayectorias históricas, identificación y elaboración de perfiles, podemos predecir tendencias futuras y la posibilidad de recurrencia, y dar consejos y alertas tempranas cuando ciertos indicadores experimenten cambios esperados o inesperados. En el pasado también existían predicciones basadas en estadísticas. Los big data han enriquecido enormemente los métodos de predicción y tienen una gran importancia para el establecimiento de modelos de control de riesgos. fósforo. Seguimiento e identificación precisos en información masiva, utilizando correlación y proximidad para cribado y comparación, etc. , lograr la vinculación de productos y la adecuación de la oferta y la demanda de manera más eficiente. La función de emparejamiento de los macrodatos es la base de los nuevos modelos de negocios económicos de Internet, como el alquiler, el leasing y las finanzas de automóviles. mejoramiento. Las rutas y los recursos se optimizan a través de varios algoritmos basados ​​en los principios de distancia más corta y menor costo. Para las empresas, mejora los niveles de servicio y la eficiencia interna; para el sector público, ahorra recursos públicos y mejora las capacidades de servicio público. En la actualidad, muchas aplicaciones aparentemente complejas se pueden subdividir en las categorías 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 seleccionar y definir con precisión los hogares pobres e identificar objetos de alivio de la pobreza mediante identificación y elaboración de perfiles mediante seguimiento e indicaciones, fondos de alivio de la pobreza, se pueden analizar los comportamientos de alivio de la pobreza y los efectos del alivio de la pobreza. Realizar monitoreo y evaluación; utilizar mejor los recursos de alivio de la pobreza a través de la optimización emparejada. Estas funciones no son exclusivas del big data, pero el big data es mucho más potente, más preciso, más rápido y mejor que las tecnologías anteriores. (3) Quién paga por los resultados es el tercer y último foco de nuestra evaluación de las aplicaciones de big data. La razón es simple, una aplicación que no crea valor no es una buena aplicación. Nos centramos en si la aplicación de big data realmente mejora las capacidades y el rendimiento. Si utiliza big data para el diseño de su propio producto, la promoción de marketing y la asignación de recursos, depende de si la competitividad de la empresa ha mejorado y si las ganancias finales de la empresa son mayores 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 el sector público, depende de si el valor pagado por el gobierno o el sector público vale la pena, no sólo desde la perspectiva de los inversores, sino también desde la perspectiva de la gente corriente. 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 sobre big data" anteriores, es posible que no sea necesariamente excelente, pero no está lejos de ser una excelente aplicación de big data. Al buscar campos con uso intensivo de datos, dado que los big data se consideran un recurso, se debe considerar la distribución de los recursos. En general, los recursos están distribuidos de manera extremadamente desigual, como el agua, los minerales, las tierras cultivables, la energía y otros recursos humanos y los conocimientos naturales, lo están aún más; ¿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 los recursos naturales detectables, la distribución de los recursos de datos es difícil de localizar y describir. La distribución de los recursos humanos de big data se puede utilizar para reflejar indirectamente las diferencias regionales e industriales. Qué industrias y regiones tienen recursos humanos intensivos en big data pueden considerarse intensivos en datos.

Examinamos la información de contratación publicada por los dos principales sitios web de contratación "51yo" y "Zhaopian Recruitment" desde la segunda mitad de 2014, y obtuvimos información relevante publicada por los dos sitios web en los últimos dos años que involucra 227.000 empresas y 1.007.000 puestos de trabajo. la cantidad de datos es realmente "grande". A través de un análisis resumido por región e industria, los resultados muestran que la distribución de los recursos humanos 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 talentos más que la asignación de recursos humanos en sentido estricto, y ambas están estrechamente relacionadas. A juzgar por el lugar de trabajo de los trabajos relacionados con big data, Beijing, Guangdong y Shanghai están muy densamente poblados, muy por delante de otras regiones. Sumando los tres lugares, el número de empresas que publican información de contratación en los dos sitios web representó el 52,35% y el 47,48%, y el número de puestos representó el 61,23% y el 56,74%. Se puede especular que la mitad de los recursos humanos de big data se concentran en estos tres lugares, lo que es muy consistente con nuestros sentimientos intuitivos habituales. Fuera de estos tres lugares, nos preocupa si los gobiernos locales conceden gran importancia a la industria del big data y si consideran el big data como un motor para el desarrollo económico regional, que puede promover la concentración de recursos humanos y superar a otras regiones con niveles similares. niveles de desarrollo económico. A juzgar por los datos, al menos por ahora, no se pueden ver tales resultados. Esto revela que la estructura de recursos humanos es una deficiencia que debe compensarse en el desarrollo de industrias de big data en áreas de desarrollo tardío, y también es la deficiencia. dificultad más difícil de superar. Cambiar la composición de los recursos humanos de un lugar es mucho más difícil que cambiar la apariencia del edificio en el terreno, lo que requiere un proceso a largo plazo o instituciones únicas. Incluso dentro de una misma provincia, la distribución de los recursos humanos de big data es extremadamente desigual. Por ejemplo, en Guangdong, Shenzhen por sí sola representa aproximadamente la mitad de la provincia. Junto con Guangzhou, puede llegar al 90%. En otros lugares, incluso si su fortaleza económica es buena, en comparación con Shenzhen y Guangzhou, están lejos de poder hablar de recursos humanos de big data. Esto demuestra una vez más que la distribución de los recursos humanos de big data es extremadamente desigual. Obviamente, las áreas con recursos humanos intensivos en big data tienen una mejor base para desarrollar la industria de big data que las áreas con recursos humanos deficientes. A juzgar por las clasificaciones de ciudades, Shenzhen y Guangzhou en el norte pueden considerarse ciudades de primer nivel con una demanda intensiva de recursos humanos de big data, y Hangzhou, Ning, Chengdu, Han y Xi'an pueden considerarse ciudades de segundo nivel. . La distribución de los recursos humanos de big data es generalmente consistente con la fortaleza económica, la vitalidad e incluso los precios de la vivienda de la ciudad. Desde la perspectiva de la distribución industrial, la demanda de recursos humanos de big data es 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 TI 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. Las finanzas son otra área de particular importancia que requiere un uso intensivo de datos. La industria financiera no es sólo una base para generar datos, especialmente datos valiosos, sino también un sitio demandante y de aplicación para servicios de análisis de datos. Más importante aún, la industria financiera tiene suficientes capacidades de pago y será un campo de batalla importante para la competencia en la industria de big data. Una gran cantidad de big data se irradia a diversas industrias a través de su aplicación en el campo financiero. Además, están las telecomunicaciones, los servicios profesionales (como consultoría, recursos humanos, contabilidad), educación y formación, medios cinematográficos y televisivos, juegos online, etc. , también es una industria relativamente intensiva en datos. El "Esquema de Big Data" prevé amplias perspectivas para las aplicaciones de Big Data en casi todas las industrias y campos. Sin embargo, la distribución de los recursos de datos es extremadamente desigual, por lo que las aplicaciones de Big Data en campos "intensivos en datos" tienen más probabilidades de tener éxito en el 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 para transformar, actualizar y reemplazar los modelos existentes. Lo que restringe el desarrollo de big data a menudo no son los big data en sí, sino los problemas originales en las industrias y campos donde se aplica, como la supervisión de la industria, el monopolio administrativo y la incapacidad de que los factores fluyan libremente. Por lo tanto, depender de tierras, dinero y proyectos para promover el desarrollo de big data no puede resolver el problema fundamental. Desde la perspectiva de la aplicación de big data, es necesario reformar el modelo inadecuado de gestión de la industria y ajustar el patrón de interés existente para proporcionar las condiciones necesarias para la aplicación de big data. Incluso dentro de una empresa, la aplicación de big data no es sólo una cuestión técnica, sino que también implica la reingeniería de procesos de negocio y la reforma del modelo de gestión, que es 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 promueven urgentemente la reforma de la industria. Por otro lado, la aplicación de big data también puede proporcionar apoyo técnico para la reforma de la industria y lograr objetivos de desarrollo de la industria con rutas técnicas más efectivas.

Las políticas industriales necesarias para las aplicaciones de big data son en realidad políticas que deberían ser formuladas por diversas industrias en la economía de mercado, como la liberalización del acceso, la competencia leal, la reducción de la carga sobre las empresas, la eliminación de la discriminación en la propiedad corporativa, eliminar la discriminación en el tamaño de las empresas, etc. Sólo en un entorno industrial abierto se podrán utilizar eficazmente los macrodatos 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.