|
房地产之所以受到政府和经济学家的青睐，主要是它的产业链长，可以带动许多相关产业的发展。一套房的销售，涉及政府、设计院、水泥钢筋厂家、建筑公司、装潢公司、家居家具厂家。同样的产业还有汽车、手机。但是，现在房地产已被吃尽榨干，再发展对经济就从正面带动到负面摧毁了；汽车销量从去年下半年开始断崖式下降，看来市场已经饱和；手机换机频率降低，目前想靠5G拉起要下滑的势头。 那么，目前还有什么需求大、未得到满足的行业，能够接替这些产业拉动经济呢？ 数据产业当之无愧。原因是数据产业并非凭空臆想的新东西，而是现在许多热门技术的整合。数据产业的需求也并非新需求，而是与计算机发明同步产生，几十年来没有得到满足的经典需求。 由此带来两个问题：一、数据产业的产业链在哪里，足够长吗？二、启动数据产业的抓手在哪里？ 首先回答第一个问题，数据产业有产业链吗？产业链有房地产、汽车、手机那么长吗？ 目前，技术的热点是什么？物联网、大数据、云计算、人工智能，这些热点之间有什么区别、又有什么联系呢。对此，许多业内人士也说不清，甚至归之于炒作，是相似的技术用了不同名词。是利用人们求新心理，来不断引起社会关注，达到营销的目的。 实际上，从数据产业角度看，它们之间有很大关系，是用于处理不同问题的不同技术，均为数据产业链的组成部分。 那么，为什么这些概念和技术不一起出来，要一个一个登台，各领风骚三五年呢？原因是目前人们对数据产业的认识不全面，没有认识到数据产业是一个总体，不可能单兵突破。出现的情况是其中某一个热点在推广过程中遇到问题停滞下来，作为短板的问题引起重视，大家扑上去，从而形成新的热点。如同一家生产定制家具的企业老板，在满怀热情建厂、生产、宣传以后，发现卖不掉房子就没有定制家具，于是开了个房地产公司。在他的朋友看来，在饭局上这个老板前段时间老谈家具，现在怎么老谈房子了。原因是一样的。 那么，物联网、大数据、云计算和人工智能之间有什么关系，又有什么区别呢？这要从数据产业的流程说起。 人们常把数据当做新时代的石油。石油从地下的原油到汽车中的汽油，要经过勘探、开采、提炼、批发零售的流程。同样，数据也要经过采集、存储、分析、挖掘的过程。 物联网是用于数据采集的技术。数据有两类来源：人工输入和机器生成。目前的互联网称为消费互联网，上面的数据都是由人工操作生成的，比如登录、点击网页链接、下单、付款等。物联网是利用机器生成数据的技术，包括数据的测量（传感器）、传输（传输协议）和存储（实时数据库）。 大数据是用于海量数据的存储。狭义大数据是指Hadoop生态圈产品，是基于分布式存储技术开发的一系列产品，主要解决当采集的数据量太大后，利用目前常用的基于大型服务器和关系数据库、并行数据库无法存储和处理的问题。 云计算通过共享方式实现弹性、海量数据存储。海量数据的存储和处理，涉及机房、服务器、数据库、网络带宽的购置、安装、运维，因此通过租用专业云计算平台服务比自建要方便、划算。 人工智能是在已有数据基础上，通过建模进行预测。预测结果可以作为人工决策的依据，也可以直接驱动设备运行。 因此，数据产业囊括了目前的大多数的热门技术，涉及传感器产业、计算机产业、网络产业、通讯产业、软件产业。是一个足以撬动经济的行业。 那么，数据产业的崛起缺乏什么呢？缺乏一个可以撬动数据产业的抓手，这个抓手应该是培育与发掘政府和企业的数据分析需求。 物联网、大数据、云计算、人工智能都是数据产业试图突破的突破口，虽然在各自领域都取得不小成就，但从整体看都没有成功。分析这几个热门产业，可以发现它们都是从供应侧出发的：有什么技术，能提供什么产品。而没有从需求侧出发，到底能够满足客户的什么需求，而且是刚性需求。 有人研究了20年的 Gartner 技术炒作周期，发现几十年来，人们一直在研究几个核心技术问题。许多核心技术多年来一再以不同的面目出现在炒作周期中，有时是以多个不同的别名出现。每个技术翻版都取得了进步，并为其继承者留下了功课，但都没有真正的有所突破。可谓是炒作周期中的技术马拉松。包括语音识别、互联网小额支付、数据分析。 在过去二十年来，大规模数据和内容分析已经在炒作周期中三进三出：数据挖掘（90 年代）让位于分析（2000 年），分析随后又让位于大数据（2010 年）。由于想要分析的数据的范围和大小以及执行分析人员的规模无情地膨胀，似乎总是需要新一代的架构才能应对这些膨胀。 但是，现在随着技术的发展，综合物联网、大数据、云计算和人工智能的成就，已经到了突破的时候。但抓手的选择至关重要。 数据产业的抓手应该是加强对数据分析能力的培养，对象包括政府公务员与企业管理人员。应该在工作中，无论是写报告还是做决策，必须有数据为依据。要有数据，也要有分析，还要有数据可视化。让数据分析能力成为继计算机运用能力、汽车驾驶技术后，新时代每个人的必备技能。 目前数据分析应用是明显的需求不足，因而发展空间巨大。可以随便检查一下政府和企业的报告，多少是有数据的，有统计图形的。没有的原因不出以下几种情况：一、领导对数据没有要求，报告上没有数据领导也挺满意的； 二、没有数据分析能力，不知如何运用数据；三、难以找到相关数据，甚至数据根本就不存在，或者被相关部门封锁；四、获取数据太麻烦，周期太长，不得已放弃。 据报道，2018年6月开始，新加坡政府计划实现所有公务人员都具备基础的数字文化素养，未来这个城市国家的两万名公务员将会受到数据分析和数字科学的培训。 为此，本人已开始这方面尝试，开发了一门《企业数据分析与决策支持》课程，面向企业管理人员而非IT人员培训。目的在于总结数据分析的基本技能，传授一套通用的数据分析方法，使得企业白领利用Excel和简单SQL命令，可以从企业已具备的数据源（ERP）中取数进行分析，并完成经营分析报告。最近一次开课在苏州工业园区，有来自苏州、上海、宁波等地的24名学员，均为企业在职人员，多个企业是上市公司。 最后，我们推导一下，数据分析的需求是如何带动产业链运转的。 在城市建设中需要对一个城市居民和工业用水量进行预测，因为这涉及到对供水、排水设施的增扩建投资。为此，需要做的工作及用到的技术包括（从需求侧向供应侧）：一、数据的建模、训练和预测，需要数据分析团队进行（人工智能）；二、数据的描述性和诊断性分析，需要大数据开发团队（大数据、商业智能）；三、历史数据的存储，需要能够存储海量数据的私有云或公有云计算中心（云计算）；四、城市供水管道供水量的数据采集，需要工控系统和传感器（物联网）。 本文为范煜原创文章。 |
|
|
