2017年大数据向左走、向右走?且看阿里数据经济研究中心六位大咖怎么看

简介:

2016年的市场热点从大数据已经过渡到了人工智能,但大数据、计算能力和算法这三大要素结合在一起才真正造就了人工智能在2016年的崛起。那么,业内专家如何看过去的2016和2017年大数据的发展呢?让我们看下6位ADEC(阿里数据经济研究中心)的特邀研究员的观点吧。

2017年大数据向左走、向右走?且看阿里数据经济研究中心六位大咖怎么看
数据隐私界定和保护是焦点
田杰棠 国务院发展研究中心技术经济部副部长

2016年是大数据从探索性应用走向纵深发展的一年,两批共八个国家级大数据综合试验区启动建设,越来越多的行业试水数据分析和应用,一些高校已经开设大数据专业,大数据和人工智能等新技术应用的融合初见端倪。

展望2017年,随着数据应用范围的不断扩大,数据安全问题可能更加突出,对大型数据中心的技术性攻击将持续增加,数据“黑”交易等问题将浮出水面。随着《网络安全法》的实施,如何界定和保护隐私将成为新一年的一个焦点。

2017年大数据向左走、向右走?且看阿里数据经济研究中心六位大咖怎么看

以大数据为基石的人工智能将无处不在
武连峰 IDC中国区副总裁兼首席分析师

2016年大数据的认知和人工智能应用与每个消费者的距离更近了:Alpha Go战胜李世石、Watson挽救了日本的一个白血病患者、认知系统帮助李宇春设计裙子、自动驾驶汽车频繁上路,这些都说明了大数据真正走进了人们的生活,让每个个人感受到了大数据技术的力量,这也为未来的高速发展提供了一个良好的基础。

以大数据技术为基石的人工智能(AI)将无处不在,到2019年,全球40%的数字化转型举措以及所有有效的物联网投入将由认知/人工智能来支持。到2020年,全球近20%的运营流程将可自我修复和自主学习。到2019年,中国30%的数字化转型举措由认知/人工智能来支持。到2020年,中国近10%的运营流程将可自我修复和自主学习。到2020年,中国5%的收入将来自与客户的数字助理之间的交互。

2017年大数据向左走、向右走?且看阿里数据经济研究中心六位大咖怎么看

数据共享共用趋势显著 数据安全重视再升级
马旗戟 北京大学新媒体营销传播研究中心(CCM)研究员

过去一年中,与大数据产业有直接影响的大事,最基础也最重要的事情莫过于都是在年底发布的一组文件:《网络安全法》《国家网络空间安全战略》和《“十三五”国家信息化规划》。

国家从法律制度、国家(安全)战略和经济与产业政策上给出了与大数据非直接却相关的基础发展边界、方向、目标和路径。在此背景下,2017年及之后,在“网络主权”和“信息主权”等系列概念之下的“数据主权”和“数据安全”会受到特别关注。

一方面从产业面会推动大数据(含云、物联网等)在打破信息壁垒和“孤岛”,打通信息系统,推动信息在社会生产生活中共享共用,另一方面,对应于数据主权和数据战略资源的数据安全(制度、技术、运算、存储、传输、交易、产品和服务等安全)会被提高到前所未有的高度,这两个方面并存将带来相当规模的市场需求和产业机会。

2017年大数据向左走、向右走?且看阿里数据经济研究中心六位大咖怎么看

大数据交易行为依然处在探索阶段
李宗伟 上海工程技术大学 博士

对2016年大数据发展印象最深的是京东12G数据泄露事件,通过该事件,可以看到大数据领域中对于数据保护安全问题的认识不足,如何保护数据的安全性仍然需要长效防范机制。未来的大数据交易行为依然处在探索阶段,关于数据产权的界定还需要有相应的法律制度来规范;在大数据中碎片化数据的整合与应用是大数据深度应用的挑战之一。

2017年大数据向左走、向右走?且看阿里数据经济研究中心六位大咖怎么看

大数据推动系列产业发展与创新
沈浩 中国传媒大学教授

中国政府和各级地方政府加快部署大数据战略和推进大数据对社会治理和智慧管理的建设,进一步开放数据和基础数据建设,提升政府的智慧管理;加强大数据人才培养和储备,提升网络安全和大数据挖掘技术核心竞争力,特别是在数据中心、网络安全、人工智能、网络科学、空间地理科学领域的发展。

大数据的商业和社会治理应用将广泛而深远,会带动一系列产业发展,催生新技术的不断创新,进一步推进智能人机交互、自动驾驶、智能医疗诊断、互联网金融、智能无人机、机器人技术、云计算、物联网和车联网等相关领域和产业的快速推广和普及。

2017年大数据向左走、向右走?且看阿里数据经济研究中心六位大咖怎么看
大数据应用在定制化服务与政府治理方面将有广泛前景
阎志鹏 新泽西理工大学副教授

大数据行业自2014年起入高速发展期,2016年,大数据行业在数据收集、管理和使用各个层次都有快速发展。2017年,我比较看好智能APP在传媒和投资领域的应用、利用大数据(包括政府自身拥有的数据)为企业、政府治理和反恐等服务。具体地讲,人们将会很快享受到根据自身偏好/要求的定制化新闻和投资产品。传统的媒体和金融企业将奋起直追,推出相应的智能产品和新型创业公司竞争,或者直接购买大数据创业公司。更多地大数据企业将和各级政府部门合作,协助政府增强管理能力与效率,比如环保与反恐应用。


本文作者:佚名

来源:51CTO

相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
2月前
|
分布式计算 DataWorks IDE
MaxCompute数据问题之忽略脏数据如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
47 0
|
2月前
|
SQL 存储 分布式计算
MaxCompute问题之下载数据如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
38 0
|
2月前
|
分布式计算 关系型数据库 MySQL
MaxCompute问题之数据归属分区如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
35 0
|
3月前
|
机器学习/深度学习 存储 分布式计算
机器学习PAI关于maxcompute上用protobuf 处理数据,比较方便的方式
机器学习PAI关于maxcompute上用protobuf 处理数据,比较方便的方式
|
2月前
|
分布式计算 DataWorks BI
MaxCompute数据问题之运行报错如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
38 1
|
4月前
|
存储 SQL 大数据
dataCompare大数据对比之异源数据对比
dataCompare大数据对比之异源数据对比
102 0
|
2月前
|
分布式计算 关系型数据库 数据库连接
MaxCompute数据问题之数据迁移如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
33 0
|
2月前
|
分布式计算 Cloud Native MaxCompute
MaxCompute数据问题之没有访问权限如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
38 0
|
4天前
|
数据采集 搜索推荐 大数据
大数据中的人为数据
【4月更文挑战第11天】人为数据,源于人类活动,如在线行为和社交互动,是大数据的关键部分,用于理解人类行为、预测趋势和策略制定。数据具多样性、实时性和动态性,广泛应用于市场营销和社交媒体分析。然而,数据真实性、用户隐私和处理复杂性构成挑战。解决策略包括数据质量控制、采用先进技术、强化数据安全和培养专业人才,以充分发挥其潜力。
11 3
|
7天前
|
运维 供应链 大数据
数据之势丨从“看数”到“用数”,百年制造企业用大数据实现“降本增效”
目前,松下中国旗下的64家法人公司已经有21家加入了新的IT架构中,为松下集团在中国及东北亚地区节约了超过30%的总成本,减少了近50%的交付时间,同时,大幅降低了系统的故障率。