܄

CIO时代学院院长姚乐:大数据的行业应用策略

【数据猿导读】 关于大数据的发展,CIO时代学院院长姚乐认为有三个趋势值得我们关注:第一、数据资源鉴权问题;第二、与云计算的深度融合;第三、与人工智能的深度融合

CIO时代学院院长姚乐:大数据的行业应用策略

近几年,互联网行业发展突飞猛进,“大数据”技术瞬间变得炙手可热,当然,对于发展中的大数据技术而言,很多行业都不会错失良机。近日,CIO时代学院院长、中国新一代IT产业推进联盟秘书长姚乐在“2016CIO时代中国行深圳站”活动上发表了题为《大数据的行业应用策略》的主题演讲,他从大数据发展趋势、整体的应用策略、不同行业的应用策略三个方面详述大数据时代行业的应用策略。

CIO时代学院院长、中国新一代IT产业推进联盟秘书长 姚乐

以下为演讲实录:

尊敬的各位领导、各位专家、各位学员,大家上午好!在台风中我们相聚在此实属不易,在这里感谢大家从外地赶过来。我与大家分享的主题是“大数据的行业应用策略”,第一是谈一下大数据的发展趋势,因为很多报告都在谈大数据的趋势,我就简单谈一下自己的看法;第二是谈一下整体的应用策略;第三是谈一下不同行业的应用策略,医疗、政府和制造业;最后是结束语。

大数据的发展趋势

以我个人的观点来看,我认为有三个趋势值得我们关注,这也是我自己的想法。第一个是数据资源鉴权的问题。我们有各种各样的数据产生,但这些数据属于不同的机构,或不同机构来采集。如何使这些数据的所有权得到保护,是很重要的一个问题,如隐私没有得到保护,信息安全得不到保证,数据的利用就会大打折扣。目前,我们已有用户的鉴权和系统的鉴权,但下面还应有一个数据的鉴权,这个数据归谁所有,谁可以被授权访问使用、但没有所有权。现在很多地方在建数据交易所,但这是很难做的。因为目前的数据交易没有解决数据交易中的所有权问题。数据应该在新的机制下规定他可以用,但是不拥有,只有使用权。我们过去一直在寻找这样的方案,我觉得区块链的技术可以帮我们解决这个问题,帮我们的数据进行加密,通过加密和授权来规定谁可以访问它、使用它。

第二个与云计算的深度融合,未来的大数据服务越来越多,如果我们每需要一个大数据的服务就需要建一个大数据系统,这是一个巨大的浪费。现在的大数据更多的存在于物理系统上,以后会更多地存在于云上。还有各种各样的分析服务,如一些以SaaS的方式提供算法、模型等。不管是底层的大数据基础平台服务,还是上层的应用分析服务,我们都可以以云的方式去提供。

第三个是与人工智能的深度融合,人工智能发展到今天,为什么我们却看到春天忽然来临?因为有了大数据技术,越来越多的数据可以进行处理和关联分析。根据这些数据,我们可以总结出规律和模型,还原事物本身的规律。特别是加了机器学习,机器可以自学习,通过数据不断地训练优化。这时的人工智能可以说即将迎来发展的春天,各个领域进入到人工智能的时代。但这时的人工智能是依赖于数据的,每个领域里面产生大量的数据,数据做什么?即最后为我们智能的决策和服务。所以各个领域中的数据与人工智能是深度融合。

行业大数据应用的整体策略

整体策略中我分了两个部分,一个是业务策略,另外一个是技术方面的策略。我们在技术方面开源的路线是一个方向,为什么要开源?开源实际上是竞争引起的。现在我们已经有大数据这个领域,其中大量的好东西基本都是开源。另外选择开源还有一个好处是不被厂商绑定。特别在大数据这个领域里面新的东西很多,因此,我认为开源是一个重要的策略。还有一个是从技术团队来讲,早期的实践者应该要有自己的技术团队。我们说一个领域成熟之后,你就不需要自己去做了,买服务就行。但是大数据如今还处于早期阶段,你要应用大数据就需要有自己的团队,完全依靠第三方是很难持续的。这里还需要敏捷开发与快速迭代,不是说一个项目做完就完了。

在业务方面,一个是业务驱动,首先我们要找到业务的价值,如医疗给临床也好,在制造业给生产领域也好,我们要让业务深度参与进来,如果没有业务的深度参与,大数据的项目可能就流于形式。第二个是持续运营,从项目到运营,大数据一般不能当作一个短期项目来做,因为大数据的价值发觉是持续不断的,你作为一个项目来做的话,项目做完了就完了,我们一定要持续挖掘业务的价值。

不同行业大数据的应用策略

首先我们看一下政府行业,我们都从SWOT分析开始。从政府行业来讲,政府行业做大数据,它的强项是什么呢?政府有数据资源,很多机构都会产生大量的数据资源。还有其业务本身是数据密集型的。但是它做大数据的弱点是驱动力不足,不像企业为了做一个精准的决策可以花很大的代价去做。政府做大数据本身的驱动力是非常弱的。另外它的机制不够灵活,各种数据分散在各个部门,如何将数据共享、多维度整合,这也是弱项。机会是什么呢?国家互联网+战略和国家大数据战略、国家的重视和推动。它的威胁是什么呢?威胁就是权利与利益的阻碍,政府要做大数据,大数据分割在不同的部门,用数据来说话一定会影响到很多人的权利和利益的问题。另外是政府形象工程也是一个威胁,没有一个很明确的推动力,没有来自实际业务需求的驱动,那么项目可能是形象工程。

政府做大数据的策略,我认为管理监控和市民服务是应用的重点。因为政府很大程度上就是做这两件事,我们说大数据目前在互联网公司,包括风控、金融,对政府而言也有很多数据分析场景,如何基于数据发现问题。前段时间我与一位深圳国税局的局长聊,他说通过大数据发现深圳税收的很多问题,偷税漏税等问题通过大数据来发现,还有很多的例子。还有一个是市民的服务,有了大数据,我们便有了人的行为数据,我们为老百姓做精准的推送服务,一个孕妇还没有生小孩,你就知道他生小孩需要什么样的服务,生了小孩之后需要什么服务,真正把被动变成主动服务。第二,政府做大数据要找好运营的合作伙伴,包括购买服务。政府过去都喜欢做大项目,在大数据上政府要找到好的合作伙伴,并且购买服务。第三是做好公民隐私保护和责权利划分。

第二个行业是医疗行业,先看它的SWOT分析。它的强项也是有大量的健康数据,医疗服务主要是基于数据,包括问诊,做各种检查,这些都产生大量的数据。它的弱项是数据被割裂在不同机构,我们在不同的机构看病,我们的信息都被割裂了,这是不利于我们做大数据分析的。还有数据与医学的融合问题,医学还是一个很专业的领域,每一个病种都不一样,甚至同样一个眼科还分很多类,要做好大数据的建模、算法、判断,这里没有医学人员的深度参与是很难做的。不像别的领域,如电商、政府,我们随便想几个算法就可以搞点应用出来。但是在医疗领域涉及到的范围广阔精深,因此,数据与医学的融合是一个弱项。机会是什么呢?电子病例与电子健康档案建设,还有可穿戴设备,这些都在实时产生数据。这些数据有了,但准不准、全不全是另外一回事。它的威胁是什么呢?患者隐私的泄露,隐私不仅仅是我们的身份隐私、电话号码等,还有一个隐私是我们的健康状况,一旦具体到人都存在很大的社会问题。还有一个是连接带来的安全问题,我们为获取数据,会利用可穿戴设备或可联网的医疗设备,这会带来很大的安全隐患。

医疗行业大数据的应用策略,我也想了三个,第一个是辅助诊疗和个人健康服务,这是应用的重点,辅助医生的诊疗是大数据应用最好的领域,我们每个医生都需要大数据。第二个是建立以个人或患者为中心的健康相关数据关联,我们国家建立电子档案也是出于这样的目的,建立以人为中心的全生命周期的健康数据,但这个没有真正实现。如果未来要真正实现对人的精准健康服务,这种数据是非常重要的。第三个是建立隐私保护与数据利用相结合的机制,一方面我们要保护公民的个人隐私,不知道这个数据是谁的,第二要利用这些数据,这些数据不仅对我们自己,甚至对所有同类的人而言,我们能发现、预防什么疾病,因信息的关联性,大数据可以告诉我们其中存在的关联。由于隐私得不到保护,这些数据都被分割在各个机构,这些数据没办法得到利用。区块链可能给了我们一个很好的解决路径。通过区块链的连接,加密和授权,患者可以授权医疗机构使用自己的健康数据,同时,我们还可以在保护隐私和防止泄露的情况下对数据进行分析和利用。

第三个是制造行业,也是先看SWOT分析。它的强项是有大量机器传感数据,工业化阶段已经走到自动化的水平,自动化是我们下一步走向智能化的基础,下一步如何实现智能化?即通过大数据的采集进行最优的决策,便可发现问题。其弱项就是设备数据格式的非标准化,如今各种各样的设备采集的数据都是非标准化的。以及现场全流程数据的实时采集、存储和利用,真正的智能化无人工厂,那就需要在工厂中进行全业务、全流畅的数据采集、存储和利用,发现存在的问题。其中涉及到流程的分析及需要什么样的数据做什么样的决策。机会是中国制造2025和互联网+制造,还有机器替代人、机器所做的工作。人是智能的,在什么样的场景下做什么决策,如果机器人替代人,简单的劳动已没有问题,但相对比较复杂的、需要进行决策的,那就要依赖于数据,它会根据现场不断地学习、不断地建模做算法。它的威胁是替代工人和专家的阻力,要替换这些人,要让他自己搞一个算法将自己替换掉,这是有阻力的。以及早期使用的高昂成本,当这些东西还没有成规模、仍处于早期探索时,成本是很高的。因此很多企业都有可能在这方面的投资是很大的,但效果是很小的。

制造行业大数据的应用策略也有三个,第一个是设备维护与智能工厂,这是应用的重点,设备没坏之前可预先知道它存在的隐患,即设备的异常检测。第二个是充分利用大数据云服务降低成本。第三个是将积累的算法和模型作为核心竞争力,未来工厂如何做到效率最高,逐渐会变成算法和模型,这是我们的核心竞争力。

最后,谈一下结束语,今后应该没有大数据和小数据之分,它们都位于一个统一的数据处理平台上,不论是结构化还是非结构化的。同时,也没有交易数据与分析数据之分,数据产生的同时就在进行实时分析。目前这两件事基本上是分开来做的,随着数据处理的效率大大提高,未来做大数据分析,我们不可能等待着业务产生完之后再去进行分析,而是业务发展的同时数据就在实时计算、实时决策,在实时场景之中做分析。可以说,一个全面的基于数据的人工智能时代正在来临。谢谢大家!


来源:CIO时代网

声明:数据猿尊重媒体行业规范,相关内容都会注明来源与作者;转载我们原创内容时,也请务必注明“来源:数据猿”与作者名称,否则将会受到数据猿追责。

刷新相关文章

大数据投融资周报(4月5日——4月7日,共9起)
大数据投融资周报(4月5日——4月7日,共9起)
大数据周周看:今日头条近10亿美元融资入账,Adobe推出体验云平台Experience Cloud
大数据周周看:今日头条近10亿美元融资入账,Adobe推出体验云...
【独家首发】数之联完成A轮数千万元融资,大数据分析挖掘领跑者获资本青睐
【独家首发】数之联完成A轮数千万元融资,大数据分析挖掘领跑...

我要评论

精品栏目

[2016/10/10]

大数据24小时

More>

[2016/09/26-7]

大数据周周看

More>

[2016/09/01-30]

大数据投融资

More>

[2016/11/28-2]

大咖周语录

More>

[2016/11/29-6]

大数据周聘汇

More>

[2016/12/06-13]

每周一本书

More>

返回顶部