学习
实践
活动
工具
TVP
写文章

“大数据”还不等于“大智慧

技术开发商和媒体早早地为我们描绘了一个即将来临的“大数据时代”。“大数据”无所不知无所不能;有了“大数据”的支持,公司运行效率突飞猛进;“大数据”还能帮你做出最明智的决策,使你的公司所向披靡。 让我们来看看他们是怎么大力宣传所谓的“大数据”:“大数据”无所不知无所不能;有了“大数据”的支持,公司运行效率突飞猛进;“大数据”还能帮助你了解数据,做出最明智的决策,使你的公司时刻都充满了竞争优势。 他说,“大数据还没有真正转化为认识、大洞见和大智慧。”以他们的预测,我们离真正的“大数据”时代还有很长的一段路要走。 但是在已经拥有这些数据专家的公司里,这些数据专家也并非一直在从事这些高级复杂的数据工作,大概部分原因是由于他们需要花时间去处理一些比较简单的数据分析。数据专家的才能在这里大大地被埋没了。    见比特网:“大数据”还不等于“大智慧

270100

曾经的全球十大智慧城市典范

通过开放获取系统向所有人提供这些数据,公民和企业就可以利用这些信息达到自己的目的。 以下是全球十大智慧城市: 1. 新加坡 这个东南亚城市国家是世界上人口密度第二高的国家,每平方公里约有8000人。 有关交通量或行人活动的数据会送交适当的机构进行分析,并在提供服务时采取行动。几乎95%的家庭都有宽带接入,开放资源将信息提供给公民和企业,以便个人或商业原因利用这些数据。 6、阿姆斯特丹 这座荷兰城市热情地接受了智能概念和技术,创建了一个开放的数据库,其中包含来自每个城区的12000个数据集。 西班牙第二城市现在充满了安装在 LED 灯柱上的传感器,这些传感器可以监控交通、空气质量、行人活动和噪音,并且可以根据需要调暗或关闭灯光。 阿里旗下的蚂蚁金服提出“城市大脑”智慧城市建设计划,基于移动支付、信用体系和电商平台积累的数据平台经验,强调把城市的交通、能源、供水等基础设施全部数据化,连接城市各个单元的数据资源,打通“神经网络”,并连通

16420
  • 广告
    关闭

    2022腾讯全球数字生态大会

    11月30-12月1日,邀您一起“数实创新,产业共进”!

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    院士徐宗本:大数据 大智慧

    实施国家大数据战略,必须理性认识大数据,准确把握其带来的机遇,科学应对其带来的挑战,用大智慧实现大数据价值。 理性认识大数据 信息技术革命与经济社会活动的交融催生了大数据。 大数据是指数量特别巨大、种类繁多、增长极快、价值稀疏的复杂数据,简而言之,是“而复杂”的数据集。作为信息资产,大数据的价值需要运用全新的处理思维和解译技术来实现。 大数据具有价值。 科学应对挑战 大数据为国家创新发展带来了机遇,但要真正实现大数据价值,特别是将大数据转化为现实生产力,还面临一系列挑战。 科学基础的挑战。对大数据而言,分析才能出价值,关联才能出价值。 大数据具有价值是无疑的,但如果从大数据中产生结论、形成决策的方法论基础不坚实,直接运用大数据结论就可能是不可靠的甚至是危险的,难免让大数据变成“忽悠”。 所以,真伪性判定仍然是我们面临的一个挑战。 科学应对这些挑战,需要大智慧。当前从政府层面看,应着力抓好以下5个方面: 抓宏观规划与政策引导。

    313100

    小bug,大智慧

    比如说某张网页显示效果出错, 前端程序员第一反应肯定是用户的浏览器有缓存或者使用了什么老掉牙的浏览器在浏览他做的网页; 再比如说某个程序访问数据库出错, 后端程序员第一反应也肯定不是自己写的SQL或代码有问题 , 而是怀疑是不是数据库或服务器出了故障。 从代码、数据库到开发环境、Java编译器、Java虚拟机都仔细检查了一遍也没有找到原因, 软件从62位换到32位,服务器从六点几版本换到九点几版本, 但是该慢还是慢,问题照旧。

    38440

    从全球十大智慧城市看未来城市发展

    通过开放获取系统向所有人提供这些数据,公民和企业就可以利用这些信息达到自己的目的。 以下是全球十大智慧城市: 1. 新加坡 这个东南亚城市国家是世界上人口密度第二高的国家,每平方公里约有8000人。 有关交通量或行人活动的数据会送交适当的机构进行分析,并在提供服务时采取行动。几乎95%的家庭都有宽带接入,开放资源将信息提供给公民和企业,以便个人或商业原因利用这些数据。 6、阿姆斯特丹 这座荷兰城市热情地接受了智能概念和技术,创建了一个开放的数据库,其中包含来自每个城区的12000个数据集。 西班牙第二城市现在充满了安装在 LED 灯柱上的传感器,这些传感器可以监控交通、空气质量、行人活动和噪音,并且可以根据需要调暗或关闭灯光。 阿里旗下的蚂蚁金服提出“城市大脑”智慧城市建设计划,基于移动支付、信用体系和电商平台积累的数据平台经验,强调把城市的交通、能源、供水等基础设施全部数据化,连接城市各个单元的数据资源,打通“神经网络”,并连通

    34330

    盘点10大智慧物流仓储技术,看物流演变史

    今天,抛开“智慧物流”的大概念,我们来数一数现在最火热的十大智慧物流技术—— 1、配载技术 配载技术是在完成一个或者多个运作目标的前提下,将时间、成本、资源、效率、环境约束集中整合优化,实现现代物流管理低成本高效率的关键技术 这一技术对亚马逊来说早就不陌生了,库内的每一件商品都带有独特的编号,每一个货架也是,商品与货架以代码的形式存在于数据库内,每一次的移动都会自动更新数据库。仓库人员由此可对库存情况了如指掌。 9、 POS系统与物流EDI技术 POS(PointOfSale,即销售时点信息)系统,就是销售的动态数据要及时的传送到生产、采购、供应环节,POS机通过收银机自动读取数据,实现整个供应链即时数据的共享 在这里不得不提及一下物流EDI(Electronic Data Interchange)技术,EDI技术的特点主要在于一方面用电子传输的方式取代了以往纸单证的邮寄和递送,从而提高了传输效率,另一方面则是通过计算机处理数据取代人工处理数据 GPS又称为全球定位系统(Global Positioning System GPS),它包括三部分:空间部分——GPS卫星星座;地面控制部分——地面监控系统;用户设备部分——GPS信号接收机。

    48020

    小题目大智慧

    元旦三天小长假,很多小伙伴肯定都无心学习,想假期好好出去嗨一嗨,但是,放松之余也别忘了学习python哦。

    21630

    java小知识,大智慧

    小问题,大智慧哦。 public Result getResult(){ return this.result; } } } 如果我按照一般情况下使用jackson对字符型数据反序列化的话会不会有问题

    23310

    小算法大智慧之排序(一)

    准备好一组数据 private int[] data={12,5,78,33,9,33,11}; 一、排序算法 一、冒泡排序算法 如何实现 思路:依次比较相邻的两个数,将比较小的数放在前面,比较大的数放在后面 4.在第二趟比较完成后,倒数第二个数也一定是数组中倒数第二数,所以在第三趟的比较中,最后两个数是不参与比较。 ........... 重复上步骤,每一趟比较次数依次减少。 时间复杂度分析 对包含n个数据的数组进行冒泡排序,最坏情况下,需要进行n*(n-1)/2次交换。最好情况下,无需进行交换。取中间值n*(n-1)/4,表示初始有序的的平均情况。 二、不同点 1.冒泡算法每轮每个数据比较需要交换数据,选择算法每轮只要交换一次数据。所里理论上,选择排序效率高一点。

    21850

    小代码大智慧: FilenameUtils.getName 函数分析

    最近用到了 org.apache.commons.io.FilenameUtils#getName 这个方法,该方法可以传入文件路径,获取文件名。 简单看了下...

    5210

    用好大数据须有大智慧 ——准确把握、科学应对大数据带来的机遇和挑战 徐宗本

    实施国家大数据战略,必须理性认识大数据,准确把握其带来的机遇,科学应对其带来的挑战,用大智慧实现大数据价值。 理性认识大数据 信息技术革命与经济社会活动的交融催生了大数据。 大数据是指数量特别巨大、种类繁多、增长极快、价值稀疏的复杂数据,简而言之,是“而复杂”的数据集。作为信息资产,大数据的价值需要运用全新的处理思维和解译技术来实现。 大数据具有价值。 科学应对挑战 大数据为国家创新发展带来了机遇,但要真正实现大数据价值,特别是将大数据转化为现实生产力,还面临一系列挑战。 科学基础的挑战。对大数据而言,分析才能出价值,关联才能出价值。 大数据具有价值是无疑的,但如果从大数据中产生结论、形成决策的方法论基础不坚实,直接运用大数据结论就可能是不可靠的甚至是危险的,难免让大数据变成“忽悠”。 所以,真伪性判定仍然是我们面临的一个挑战。 科学应对这些挑战,需要大智慧。当前从政府层面看,应着力抓好以下5个方面: 抓宏观规划与政策引导。

    328110

    小问题大智慧 :线程池是怎样工作的

    数据库链接是一种很昂贵的资源,创建和销毁都需要付出高昂的代价,为了避免频繁的创建数据库链接,所以产生了链接池技术。 优先在池子中创建一批数据库链接,有需要访问数据库时,直接到池子中去获取一个可用的链接,使用完了之后再归还到链接池中去。 6、拒绝策略 虽然我们有了阻塞队列来对任务进行缓存,这从一定程度上为线程池的执行提供了缓冲期,但是如果是有界的阻塞队列,那就存在队列满的情况,也存在工作线程的数据已经达到最大线程数的时候。

    20720

    中端入门级存储:“小角色”的大智慧

    一来对于容灾备份的需求看,需要一个稳定可靠的存储基础设施,需要存储设备有一定质量保障,确保备份数据不丢失,待需要进行恢复的时候,确保数据能够准确读写。 二来需要存储设备能够满足容量的需求。 如今,业务系统处理的数据越来越大,经年累月的备份操作,会产生大量的数据,因此要求存储系统容量能够满足需求。 这也是为什么作为入门级存储,同样需要高可靠性设计的原因。 因此,如何用最低的成本提供最好的数据备份保护,以及系统容灾,这是目前行业用户最为关心的话题。 不同用例下数据保护 以企业邮件系统为例,作为企业重要的办公系统,服务中断会带来诸多影响和不便,因此企业非常重视服务器等系统环境的保护,但是对于邮件数据库EDB,以及邮件内容管理、多种访问方式支持则缺乏力度 再以大数据应用为例,作为企业辅助决策系统,大数据系统的数据要不要进行备份和保护,一直存在争论。一来数据量大;二来大数据系统多采用分布式集群的处理方式,数据分散存储在各个阶段,也增加容灾备份的难度。

    25010

    数据机遇还是忽悠?

    持反方观点,为技术时代的到来欢呼的,一位是北京大学光华管理学院新媒体营销研究中心副主任苏萌,另一位是日本政治家、内阁成员山本一太。 他提出“一台电脑论”,即科学家们研究所需的数据,最好用一台电脑就能装下,否则数据处理会过于繁琐,无助于解决问题。他结合自身经验说,随着数据量的增大,研究的准确性一开始会随之上升,但很快就会趋平。 这有三个原因:一是因为不同机构间的数据还未真正流动起来,目前还只是数据“孤岛”;二是完整的生态产业链还未形成,尽管通过行为数据分析已能够分辨出一个消费者的喜好,但从供应到购买的链条还没建成;三是因为数据分析人才仍然极度匮乏 一位听众挑战正方,说,你们认为大数据过于庞杂纷繁,反而解决不了问题,那是不是说,当处理数据的计算工具变得足够好时,大数据就会变得有用? 正如Howard在发表“失败感言”时所说,“我们并非反对数据,只是反对大而无当的数据数据本身当然非常重要”。人类已经并将继续产生日益庞大的数据,或许不论我们接受与否,大数据时代都已到来。

    59880

    :UBER数据迁徙

    数据迁移的日期定为万圣节(10月31日),而这恰是交通量会非常高的一天。 上面图中的大问题是:我们仍然依赖于单一的PostgreSQL (数据库管理系统)来存储大部分的数据。下面的饼图显示了数据是如何在数据库中分配的: ? 我们评估了各种NoSQL(不同于传统的关系数据库的数据库管理系统的统称)的具有上述特点风格的数据库。 追加(无更新)数据模型:它仅支持一个只追加数据模型中,一旦它被写入后,就不能进行修改。这对于存储交易数据,并希望防止数据损坏的系统是非常有用的。由于是只追加模型,修改会自然幂等和交换。 在真正可以开始迁移之前,第一个任务是从用户身份到用户唯一识别码的迁移,因为原代码依赖于自动递增的PostgreSQL 数据库标识符。几百条SQL查询需要被重写。

    46170

    数据价值机遇大变革

    数据价值机遇大变革 2017-3-26 张子阳 推荐: 1 难度: 1 ? 这本书就像一个印刷出来的PPT,字体比较大,留白比较多,大量图片,全彩印刷。 概括起来有下面这些要点: 数据量正指数级别增长。大数据时代已经来临。 大数据特点:存储量大、计算量大、增长速度快、类型多样化。 制造业应用:给挖掘机安装GPS和数据上传系统,统计挖掘机每月的工作时长。然后根据大量用户的实际使用数据,来判断市场是否有过剩的风险。 银行业应用:反诈骗系统。 数据仓库(Data Warehouse)是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合,用于支持管理决策。 相对稳定:数据一旦进入数据仓库以后,一般很少进行修改,更多地是对信息进行查询操作。 反映历史变化:不只是反映企业当前的状态,而是记录了过去某一点到当前各个阶段的信息。

    26040

    2016数据发展7趋势

    数据已过时,算法正当道。数据已经成为一种商品,每个组织都能够收集和存储大量的数据。分析大数据也不再那么引人注目了。每个组织都可以聘用或培训大数据分析人员来了解数据模式。 由于数据湖带来了相当多的挑战,在2016年,我们将看到数据湖管理的未来:数据湖服务作为一种解决方案,为您的数据湖提供一个完整的管理方案。 由于数据湖在大规模数据存储和分析方面具有巨大优势,数据湖服务解决方案将被用于许多组织中。 因此,高级管理人员正在寻找其人力资源的确切数据,所以,2016年我们会看到人力资源分析将迈出一步。 人力资源分析虽然是人事部门新的业务领域,但为了更好地提高人力资源的投资回报率,该业务增长极为迅速。 对于那些的商业组织而言,大数据已经成为通用语言。在适应新趋势方面,政府是缓慢的,但是在2016年,我们会看到更多的国家、地区和地方政府会采用大数据技术来提高社会和公民的体验。

    22360

    数据结构总结!

    说到算法,就不能不说起数据结构。今天我来讲一讲,什么是数据结构?程序员怎么学好数据结构? 我们介绍算法的时候说过,计算机当中的算法,本质就是一系列程序指令,用以解决特定的运算和逻辑问题。 而所谓数据结构,是数据的组织、管理和存储格式。简单理解的话,数据结构就是执行算法的“原材料”。 俗话讲,巧妇难为无米之炊。算法,就好比是聪明勤劳的女主人,而数据结构,就是用来做饭做菜的柴米油盐。 数据结构都有哪些组成方式呢? 首先,是线性结构。 但凡有过一点编程基础的小伙伴,肯定都知道数组,这就是一种典型的线性数据结构。 除了数组以外,链表也是一种重要的数据结构。 Redis当中的集合 sortedSet,背后的数据结构就是跳表。 复合数据结构,往往结合了多种基础数据结构当然优势,在特定的场景下非常有用。 这就是数据结构的几种组成方式,大家可以把这张图保存一下。由于篇幅原因,图里面所列出的具体数据结构,只是最最常用的几种,并非全部。

    15141

    2016数据版图

    本文全面总结了大数据领域的发展态势,分析认为尽管大数据作为一个术语似乎已经过气,但是大数据分析与应用才刚刚开始兴起,在与 AI、人工智能等新兴技术的结合下,大数据的机会也许要比大家想象的还要。 后来随着开源运动的迅速发展,一批此类新技术开始共享到更广的范围。然后,一些互联网大公司的工程师离职去创办自己的大数据初创企业。 企业对由年轻的初创企业来处理自己基础设施的关键部分的谨慎是可以理解的。还有,令创业者感到绝望的是,许多(还是大多数?)企业仍顽固地拒绝把数据迁移到云端(至少不愿迁移到公有云)。 你得捕捉数据、存储数据、清洗数据、查询数据、分析数据并对数据进行可视化。这些工作一部分可以由产品来完成,而有的则需要人来做。一切都需要无缝集成起来。 大数据与 AI 的结合将会推动很多行业的惊人创新。从这个角度来说,大数据的机会也许要比大家想象的还要

    27740

    扫码关注腾讯云开发者

    领取腾讯云代金券