大数据读后感

大数据读后感（共8篇）

大数据读后感 篇1

崮山裕禄学校 白海

我原以为《大数据》会是一本理论书籍。读下去才发现该书很像西方的教科书，运用案例和讲故事的方式，把美国数据开放、收集、使用背后的立法故事，公民故事，技术故事，商业故事娓娓道来，引人入胜，令我大开眼界。而更让我惊讶的是，《大数据》并不是技术类的书籍，它的着重点是公共管理，是在谈数据信息的公开，如何公开，如何收集，如何使用。对我们现在如何推动政务信息公开，财政支出公开，如何更好地发挥政府部门的数据服务民生，如何更好地实现社会公益组织与政府的和谐互动具有很好的启发作用。

我心目中的好书，应该是能开阔视野，启发思维，昭示未来的。我觉得《大数据》就是这样的一本书。

首先说下这本书好的地方就是将大数据变化为一本科普读物，不是讲大数据的关键技术和具体实现，而更多的是围绕美国政府基于数据的管理历史线条展开，让大家更加容易理解大数据在政府执政和公共事务管理中发挥的作用，所以我看完后最大的感觉就是关注智慧城市的相关人员完全有必要阅读该书，会对以后在智慧城市的管理和建设中如何更好的理解大数据，应用大数据，发挥大数据本身的业务价值有更好的理解。

为何近几年出现大数据，最重要的还是随着信息技术和互联网，管理的精细化，全球化和社交圈扩大，数据呈现了指数级的增长。2009年美国的数据，离散制造业966PB，政府848PB，传媒行业715PB，这是麦肯锡2011年出版的一份报告《大数据：下一代创新，竞争和生产率的前沿》里面的一个估算。正是由于数据指数级的增长，对数据的开放，信息自由，数据的采集，数据的分析和处理，预测和决策提出了更高的要求。

信息自由，一为信息公开，二为信息发布。公开是政府和某一社会特定主体的关系，是点对点的；而信息发布是政府和社会的关系，是点对面的。信息自由法已经成为美国不可缺少的一个基本法案，只有信息自由才谈得上进一步的数据开放和数据共享。我们信奉上帝，除了上帝任何人都要以数据说话。信息技术发展，数据指数级增长，已经彻底改变了政府，社会，商业群体的决策方法。需要的是形成一种数据驱动的决策方法，数据治国，需要基于实证的事实而非简单的意识形态。而真正要让数据能够上升到决策层面，首先需要的就是数据大范围采集，数据抽样，数据测量和数据质量管理。另外数据驱动和事件驱动是两种模式，数据驱动强调的是历史和预测，而事件驱动强调的是实时和响应。大数据有一个维度专门是指速度和快速响应，更需要考虑事件驱动和数据驱动融合。

帝国法则，详细讲述了数据的收集法则，使用法则，发布法则和管理法则。数据能够满足既定的用途，它才有质量。如果不能满足既定的目标和用途，就谈不上质量。换句话说，数据的质量不仅取决于它本身，还取决于它的用途。数据质量的问题涉及到数据收集，使用，发布等所有过程的问题。数据质量管理要有标准，有流程，有救助机制。

从软件的开源到数据的开放，我们过渡到一个新的世界，可以讲数据开放式本身的另外一个重点。在这个新的世界里面，数据远远比软件更加重要。从2004年以来，美国一直在进行数据开放运动，联邦政府也专门家里了数据开放门户网站DataGov，其主要目标就是通过数据开放，通过鼓励新的创意，让数据走出政府，得到更多的创新型应用。从而进一步巩固政府透明化，民主化和政府效能。

数据之争涉及到原始数据采集，数据质量，数据安全，数据粒度，数据价值，数据虚实多个维度。而DataGov不仅仅开放了原始数据，地理数据，还包含了数据分析工具的开放。数据开放为创新提供了无穷的燃料，因为创新型应用，数据的能量将逐层放大。

预测未来最好的方法，就是创造未来。而数据最大的价值仍然在预测上面，在解决了数据开放，数据采集，数据质量管理，数据处理后，最重要的作用就是基于数据进行科学的预测和决策。数据竞争将是企业赢之道，一些企业已经将他们商业活动的每个环节放在了数据收集，分析和行动的能力上。摘录大数据中令人难忘的语句：

一个真正的信息社会，首先是一个公民社会。

大数据读后感 篇2

现代产业与信息技术的发展使数据资源成为越来越重要的生产要素。爆炸式增长的数据量对多源、异构、高维、分布、非确定性的数据及流数据的采集、存储、处理及知识提取提出了挑战。大数据思维就是此环境中的产物,它并不局限于传统的基于因果关系的逻辑推理研究,甚至更多地通过统计型数据的搜索、分类、比较、聚类、关联等的分析和归纳,关注数据集内隐藏的相关性(支持度、可信度、关注度)。图灵奖得主吉姆·格雷将这种数据密集型的研究范式从理论科学、计算科学、实验科学中分离出来,成为“第四范式”[1]。

2008年《Nature》推出Big Data专刊[2]后不久,文献[3]将大数据计算称为商务、科学和社会领域的革命性突破。2011 年,《Science》的Dealing with Data专刊阐述了大数据对科学研究的重要性[4]。同年,麦肯锡公司发布关于大数据的竞争力、创新力和生产力的调研报告[5],分析了大数据的影响、关键技术及应用领域,进一步燃起学术界和产业界对讨论大数据的热情。美国政府于2013年3月宣布投资2亿美元启动“大数据研究和发展计划”[6],将其上升为国家战略。大数据被认为是继物联网、云计算之后,IT行业又一次颠覆性的技术变革。

云计算是利用互联网实现随时、随地、按需、便捷地访问共享资源池(如计算设施、应用程序、存储设备等)的计算模式[7],关注计算能力,并与关注知识提取的大数据技术相得益彰。

电力是社会发展的重要基础。随着全球能源形势的日益严峻,各国大力开展了智能电网的研究和实践[8,9]。其目标是建设一个覆盖整个电力生产过程,包括发电、输电、变电、配电、用电及调度等环节的实时系统,以支撑电网的安全、自愈、绿色、坚强及可靠运行[10]。而其基础则是电网广域全景实时数据的采集、传输、存储、分析及决策支持。

而愿景中的电网则是网架坚强、广泛互联、高度智能、开放互动的智能电网。文献[11]分析了智能电网大数据的产生与特点,指出已有的数据处理技术在智能电网的数据存储、处理和展示等方面所面临的挑战,已成为智能化发展的制约因素。 文献[12]探索了基于云计算的智能电网信息平台的可靠存储和高效管理。文献[13]研究了用户侧电力消费的大数据,从中挖掘其用电行为,以改进需求响应系统。

以电为核心的大能源体系正在成为全球能源的发展战略[14]:一次能源的清洁替代与终端能源的电能替代都必须依靠电网的输送才能大规模地实现。文献[15]指出,电力可靠性问题的顶层设计应该以大能源观为指导,不能局限于电力系统自身,还要分析其与一次能源、外界环境、管理政策、用户需求与方式变化间的交互,研究广义阻塞对电力系统安全性与充裕度的影响。

电力、能源及广义环境的多源、多态及异构数据的数量呈指数级增长,需要有相应的广域采集、高效存储和快速处理技术予以支撑。而从这些数据中挖掘知识及价值应用则使电力大数据的话题融入大数据的研究热潮。本文及其续文是笔者关于如何将电力大数据的思维应用到电力的广义可靠性、大能源安全及环境安全方面的思考。

1 大数据概念的演绎

1.1 定义

对“大数据”还没有统一的定义,通常指量大、多源、异构、复杂、增长迅速,无法用常规的方法处理的数据集合[16]。许多数据往往只在统计学观点上具有某种相关性,而不一定像传统应用的数据那样具有严谨的因果关系。对这样的统计关系型数据,只有当反映一个真实问题的数据量达到能在一定程度的统计意义上描述其真实面貌时,才能有效地提取知识,支持决策。而对于常规的因果关系型数据来说,数量的大小往往仅影响到计算资源,而与提取知识的方法关系不大。

因此,大数据与小数据之间并无绝对的界限,而是相对于目标问题而言的。大规模的数据量只是大数据概念的特征之一,也不应该用海量的规模作为大数据的必要条件。

大数据技术涵盖了从信息产生、采集、存储、转换、集成、挖掘、分析、计算、展示、应用及维护等数据全生命周期管理过程[17],需要具备从不同类型的多源异构数据中,快速提炼出有价值信息的能力。

1.2 基本特征

数据是以编码形式对自然现象、社会现象、试验仿真结果及经验的记录,包括数字、文字、图像、声音等形式。与传统数据相比,大数据具有四大显著特征4V,即量(Volume)、类(Variety)、速(Velocity)、值(Value)[18]。“量”是指数据容量足够大;“类”是指数据种类呈现多源多态特性;“速”是指实时性要求高;“值”是指数据价值密度相对较低。在数月的监控视频中,可能仅1~2s的画面有用,但通过关联数据的挖掘、分析和提取,却可能获得很高的信息价值。

一般认为,数据规模或复杂程度超出了常用技术按照合理的成本和时限来处理的能力,就可称为大数据。笔者认为如果统计型数据量对于具体目标问题来说,已经具有统计意义,就可以用大数据思维来处理。若为大数据设立数百TB的阈值,必将大数据思维束之高阁,扼杀了其广泛应用的生命力。

除了从因果、统计及博弈等数据关系的视角来对数据类型分类外,还可以按数据结构的视角将其分为三种类型:①结构化数据,即可以用二维表结构来逻辑表达的行数据,关系型数据库是其有效处理工具;②非结构化数据,是一类不能用有限规则完全表征与刻画的异构性数据,如图像、音频和视频等信息,它们之间不存在直接的因果关系,存在不相容性及认知的不一致性;③半结构化数据,介于上述两种结构之间的数据,可以用树、图等模型表达,如Web、办公文档及电子邮件等信息。据统计,随着社交网络、传感物联及移动计算等新技术、新渠道的不断涌现,企业中的半结构化或非结构化数据占比越来越大,有的已达80%。

1.3 思维方式

大数据技术的思维方式是:将采集到的经验与现象实现数据化与规律化,在继承传统的统计学、计算数学、人工智能、数据挖掘等方法的基础上,从单一维度转向多维度统筹融合,开发知识处理的新方法,从更深刻的视角,以更高的时效发掘多源异构数据,从而发现新知识和新规律,并实际应用的方法学。

若可以用简单的表达式直接描述某问题的结果与变量之间的关系,那么即使其数据量很大,也不一定属于大数据思维。当数据之间没有或还不能严格描述其因果关系,而数据集已相对地具备统计意义,就需要并可以采用大数据思维来处理。例如:对于一个市场调查的数据集,如果仅仅求取人群对某种商品的需求分布,那么思维方法并不会因为数据集是否海量,而改变常规的数据处理思维。但如果要从人群对该商品众多技术、经济、全程服务特性等各方面要求中提炼出有助于提高企业竞争能力的决策支持,那就需要有新的思维方法,包括信息挖掘与利用的思维、模式及方法,以帮助人类获得更深刻的洞察力。

关注统计关系的思维方法,同样可以应用于有限数据集上[19],只是其结论的可信度可能受到影响。

1.4 大数据技术的挑战

1.4.1 大数据的采集与集成

利用各种传感器及终端,采集反映物理世界、市场经济与人类行为等现象的静态/动态的异构数据,成为人、机、物三元世界的信息纽带[20]。其挑战主要体现在:①从结构化数据为主,向结构化、半结构化与非结构化的三者融合的变革;②数据来源的多样化,特别是移动终端的广泛应用,使大量数据需要同时带有时间与空间的标志;③有用信息被淹没在大量无关或弱相关的数据中,或需要处理低质量及局部缺损的数据。

1.4.2 大数据的存储

大量多态异构数据的高效、可靠、低成本存储模式是大数据的关键技术之一,对多源多态数据流之间的交互索引与转换效率影响很大。

数据压缩技术可以减少数据传输量及提高存储效率,但也增加了数据处理环节及计算负担[21]。分布式存储要权衡对存储空间及实时性的影响:对实时数据采用实时数据库或内存数据库;对核心业务数据采用传统的并行数据仓库系统;对大量的历史和非结构化数据采用分布式文件系统。

算法在处理复杂结构数据时相对低效,故希望事先为复杂结构的数据建立索引结构来帮助搜索,并合理地将非结构型数据结构化。

1.4.3 大数据的分析

需要关注大数据的形态描述、基本运行规律及其可控性。其中,最复杂的是人类社会行为信息,其决策行为必须与物理系统及信息系统相结合。

目标领域的信息若能与关联领域的信息相结合,则不但知识量得以增加,而且更有可能揭示综合性、交叉学科的未知知识,甚至从统计型数据中发现其(准)因果关系。知识的涌现性反映在模式、行为和智慧上。例如:将提高风机效率的研究与气象信息、电网信息联系,其效果将大大提升。大数据与云计算为之提供了数据资产的保管、搜索的技术,但也不是数据越多越好,而信息的提炼与知识的发现一般很难通过直观方式的分析和解读来获取。

数据驱动的分析方法包括:聚类、判别、回归、识别、隐变量、主因分析、时间序列。需要处理大规模的不定解问题,及必要时信息的补充问题,利用特征的相关性来发展统计学,有效地表达高维随机变量函数的联合概率分布。

用以发现知识的技术有:遗传算法、神经网络、数据挖掘、专家识别、回归分析、聚类分析、关联分析、数据融合、机器学习、自然语言处理、情感分析、空间分析、时间序列分析及其他计量学方法。一个例子是Google采用机器学习和神经网络来分析服务器群的数据,掌握大量变量之间的交互。神经网络在无显式编程下自适应学习,大大提高服务器群的效率,发现普通人注意不到的复杂互动关系。

随着大数据的应用从离线走向在线,甚至实时,所面临的系统复杂性、数据复杂性和计算复杂性挑战更为严峻。目前虽然出现了一些较为有效的方法,如流处理模式、批处理模式,及两者的融合[22],但仍未有一个相对普适的(准)实时的分析处理框架,在合理精确性的前提下实现快速的随机优化。

1.4.4 大数据的易用性

易用性应该贯穿在大数据的集成、存储、计算、分析,乃至展现等整个业务流程[23]。从技术层面看,可视化、人机交互及数据起源技术都可有效提升易用性,但仍存在元数据的高效管理的难点。元数据是关于数据的组织、数据域及其关系的信息,是描述信息资源的重要工具。

1.4.5 大数据的安全性

数据可靠性和通信网络安全性至关重要。必须研究各种广域量测数据和仿真数据的完备性、适时性和价值的评估技术,研究在广域信息不完全条件下的分析、控制技术。

“8·14”大停电前的几个月,北美电力可靠性委员会(NERC)警告说,随着电力业务的复杂化,越来越多的电力公司不遵循2002年发布的非强制性的安全导则,致使一些数据采集与监控(SCADA)网络被蠕虫破坏。大数据安全是一项包括技术层面、管理层面、法律层面的社会系统工程,其保障体系的框架由组织管理、技术保障、基础设施、产业支撑、人才培养、环境建设组成。应该研究数据源和传输的可靠性,研究信息系统故障或受到攻击时的行为,以及信息的阻塞、淹没、丢失和出错对大能源可靠性的影响。

移动互联时代中,人们在不同场合产生各种数据足迹;大数据技术将大量行为信息聚集在一起,就很可能暴露其隐私。由于尽可能地获取信息本来就是应用大数据技术的目的,故与隐私权的保护存在着矛盾。如何协调共享与隐私,需要制度与监管的保证。

现有的数据安全保护技术主要针对静态数据集[24],包括开放与防御的平衡,防止数据被窃取或篡改。但仍需要解决动态信息的安全性问题。

1.4.6 大数据的应用

大数据学科的兴起与人类需求密切相关,其中的信息挖掘及知识提炼环节必须与待求解问题紧密结合,而应用环节则是大数据技术发展的动力与归宿。因此,大数据研究应该遵循问题导向、需求牵引及数据共享的原则。必须结合具体的目标问题,将采集到的低价值的大数据加工成高价值的思想或知识,大数据技术才有生命力。若没有应用企业的深度参与,若不能按照商品的规律运行,大数据技术就难以真正取得收效。此外,若没有各管理部门对数据共享的落实,大数据技术也只能是纸上谈兵。

知识作为资源,需要像物质资源那样分配及流通。为此,需要对知识产品定价,并从数据使用的视角揭示信息流与科学活动的内在规律。

目前对大数据应用的关注,主要集中在商业与服务业这些以统计关系为主的领域[25],较少涉及具有较强因果关系的领域,如电力系统及能源市场等领域。笔者认为,是否能成功地将统计关系、博弈关系与因果关系取长补短,是大数据技术能否扩大应用领域的一个关键。

2 电力大数据

2.1 问题的提出

从能源系统看,它包括电网和非电的能源网两部分;电力系统应该在能源的清洁替代与电能替代中有效地承上(一次能源)启下(终端能源),兼顾左右(与其他二次能源协调)。

从信息系统看,它包括专用通信网与互联网(Internet)两部分。专用网用于对信息安全性或实时性要求高处,但由于非开放式的接入,故不适合与广泛用户的互动;互联网用于开放场合,但信息安全及实时性差。显然,两者对于信息系统来说都不可或缺。

能源革命需要的是能源系统的全部组分与信息系统的全部组分的深度融合[26],即大能源系统与大信息系统组成的信息能源系统,而不是局限于它们的某个子集之间。但是,智能电网的研究范畴基本上局限于能源系统中的电力系统与通信系统中的专用网[27],因此其信息物理融合的概念也就局限于“电力生产信息+电力系统”。作为能源革命重要环节的“一次能源系统及终端能源系统”,以及作为信息革命重要环节的“网络金融及需求侧参与信息”却并没有得到应有的重视。

显然,目前的智能电网框架中的专用通信网的功能需要从电力系统扩展,不但涉及各种非电的能源环节,而且涉及相关的非能源环节,以更好地支持对电力可靠性及经济性的研究,并支撑综合能源安全、能源经济安全及环境安全。另一方面,开放的网络经济及广泛的用户参与都需要互联网的支持,互联网数据的管理与挖掘成为非常重要的任务。

整个能源行业在转型发展中面临的机遇和挑战,来自一次能源的压力、环境安全的紧迫性、电力系统内外复杂性的增加、运行环境及扰动事件的不确定性与风险的增大、经济与技术的发展、市场改革的要求。为了应对上述挑战,必须提高数据的及时性、完整性、一致性及信息安全防御能力,提高对数据的管控能力,消除数据壁垒、存储无序且不一致的现象,完善对外部环境、基础设施及人才队伍的掌控。

从传统的电力数据演变为电力大数据,跨领域的时空扩展将电力系统的界面条件从确定性变为时变性,同时也增加了多时间尺度的动态复杂性[28]。涉及各类数据的采集、集成、存储、管理、知识挖掘、决策支持、可视展现等技术,也反映了电力及综合能源数据的管理、知识的挖掘和应用等一系列推进能源生产、转换、输送、消费方式的创新思维。其中的互联网数据大多为传统数据库不支持的非结构化类型,包括图片、视频、音频、地理位置信息、网络日志、博弈行为、金融动态、政策法规。数据的在线或实时处理,往往呈现出突发及涌现等非线性状态演变现象,难以预测。

为此,信息创新必须与能源革命在更高层次上深度融合,特别是在一次能源中的清洁替代及终端能源中的电能替代上,不但将协调优化的概念提升到综合能源流的范畴,而且推动电能更主动发挥在一次能源与终端能源之间的核心纽带作用,实现能源生产模式与消费模式的革命。

但是,将大数据技术局限于互联网数据也是片面的。通过专用网或仿真网获取的数据,包括智能电网概念中已涉及者,以及有待外拓的非电能源领域与非能源领域中的数据问题,同样存在大量的挑战。既然讨论的是信息物理融合问题,那么其框架就更不应该在信息系统内部或能源系统的内部设立藩篱。

当前的研究都在一定程度上受限于物理系统中的藩篱或信息系统中的孤岛。例如:①稳定性与经济性的研究都针对给定的边界条件,不能真实反映上下游环节的变化对电力系统的影响;②充裕性问题被粗犷处理为固定比率的备用容量,无法适应大规模不确定性的可再生能源及充放电用户的入网;③决策过程基本无法考虑博弈行为的影响;④忽视了信息系统本身可靠性的影响;⑤缺乏对电力系统外部环节的自适应能力。

要突破上述藩篱与孤岛,就必须遵循以电力系统为核心环节的大能源系统在大数据时代下的发展理念,顺应管理体制及技术路线的变革。

2.2 电力大数据的特征

一方面,电力大数据具有大数据的共性,包括目标领域向其他相关领域的扩展,以及数据类型向非结构型及非因果型数据扩展,时间维度向多尺度的流数据扩展。由此形成大量的异构异质数据,包括数字、文本、图形、图像、音频、视频等静态和不同时间尺度的动态数据,以及大量统计关系与博弈关系的数据,都需要快速处理。

另一方面,电力大数据必然继承了能源行业数据的特征,包括大量的因果关系数据、高维的时空数据,广域的监测控制,快速的时间响应及实时控制数据。除了电力系统的状态外,还需要获取并分析相关领域的数据,并处理部分数据缺失时的不确定性。

运行工况或故障场景都会影响系统的稳定性和控制策略。中国的电网现在已普遍实现了在线的量化分析功能,按实测工况和典型故障来指导预防控制,并向自适应的紧急控制与系统保护发展[29]。但若要有效地应对极端自然灾害环境,则还需要采集并处理大量非结构型的视频、语音、图片,并与电力系统分析功能有机结合。大规模间歇性可再生能源(RES)与电动汽车(EV)的入网对电力充裕性与备用调度提出挑战,要求大大提高对风电、太阳能发电及EV充放电的预测精度,这就需要处理大量非结构型的地理及交通动态数据。为了应对相继故障,基于常规因果关系型数据的分析算法也应该解决多米诺效应的演化路径及实时评估的经典难题。

2.3 电力大数据的类型

除了按数据结构等大数据概念来划分电力(能源)系统大数据,还存在其他视角,列举如下。

1)按业务领域,电力大数据可分为:①规划运行类,包括电力规划、电能生产、运行监控、设备检修等数据;② 企业运营类,包括企业发策、运营、电力市场、用户信息等数据;③企业管理类,包括人财物资、资本运作、企业资源计划(ERP)管理、协同办公等数据;④非电的能源类,包括各种一次能源、非电的二次能源、终端能源使用模式等数据;⑤非能源类,包括气象、环境、碳资产、宏观经济政策等数据。

2)按时间维度可分为:①背景及法规数据;②历史数据;③调查及预测数据;④在线实测数据;⑤仿真推演数据。

3)按数据采集来源可分为:①书本及文档;②专用网数据;③互联网数据;④问卷及调查;⑤交互博弈及仿真结果。

2.4 电力系统的数据量

常规SCADA系统按采样间隔3~4s计算,10 000个遥测点每年将产生1.03 TB数据(12B/帧×0.3帧/s×86 400s/d×365d×10 000遥测点);广域相量测量系统的采样率为100次/s,10 000 个遥测点每年将产生495 TB数据。美国PGE公司每个月从900万个智能电表中收集超过3TB的数据。国家电网公司的2.4亿块智能电表,年产生数据量约为200TB,而整个国家电网公司信息系统灾备中心的数据总量,接近15 PB。 以2004年山东系统(97台机、462条母线、702条支路)为例,设在线每5min对220kV以上线路的三相永久故障分析一次暂态稳定性,仿真时长10s,仿真步长0.01s,则一年内将产生1 092TB的数据量。当大规模的间歇性分布式可再生能源入网后,发电侧计及气象数据的实时监控的数据量比传统发电成倍增加。智能配电、智能电表、电动汽车和用电技术的发展也大大增加了需求侧的数据量。电力企业的精细化管理,与一次能源、环境、交通、市政等外部系统的联系日益深化,对数据量的依存度也越来越高。

2.5 电力大数据对电力可靠性的支撑

整合各种广域系统采集的静态和动态数据,包括雷电场、台风风力场、山火场等非结构型数据与常规的电力数据及仿真信息相结合,从所获的现场实测或仿真得到的时间响应曲线中提取深层知识。以支持稳定性与充裕性的量化分析及自适应控制,协调故障前的预防型博弈,故障后瞬时的故障隔离和预测型紧急控制,检测到违约症状后的校正控制,以及系统崩溃后的恢复控制。在此基础上,综合防御框架还应该实现多道防线的时空协调,通过协同各道防线和各种控制手段,最大限度地减少大停电的风险。

信息的可靠性是分析和决策的物质基础;机理分析和量化分析则通过数据挖掘来深刻掌握电网的行为特性[30];正确的决策是为了能以最小的风险代价来最大限度地满足电力需求。互为补充的相量测量单元(PMU)、远方终端设备(RTU)和仿真数据共同满足系统在空间中和时间上的可观性和可控性[31]。需要研究在不完备数据下,如何将信息论和系统论相结合,从数据中挖掘深层信息。

在电力的长期可靠性分析与控制方面,需要考虑社会、经济、科技、能源与政策等发展的不确定性,以及各种博弈行为的影响,将目前依靠主观判断的方式逐步提升为基于混合仿真推演的方式。

3 信息能源系统的大数据平台

3.1 电力(能源)系统运行数据的采集

关系数据库强调完整性及一致性,云计算强调可扩展性,但难以保证实时性。Internet的TCP/IP协议在流量控制和数据纠错时会产生10ms量级的时延,难以满足实时控制,特别是紧急控制的要求。

RTU和SCADA系统可以用低成本采集大量的广域数据,并满足静态可观性,但没有统一时标,采样周期长、时延大,只能抽取慢速动态特征。故障录波和保护信息系统就地记录大量暂态信息,可支持故障的事后分析,但上传的滞后时间长,难以实时应用。

PMU数据不依赖于系统模型和参数,可在统一时标下快速采样,提供系统实际的时间响应曲线,用来校核仿真模型和参数,并提供仿真的初值。但受价格限制较难满足高可观性。

20年来的研究热点之一是将PMU用于实时稳定性分析及开环控制,根据受扰后短期实测数据预估稳定性,并在失稳前选择并执行控制措施,但至今未能用于稳定分析和开环控制。文献[32]明确指出,在非自治因素下单纯依靠轨迹的外推来预测并不可靠,并且即使在没有时间约束的离线环境下,要对有数学模型的仿真曲线进行稳定性量化分析也非易事。若在计算已有轨迹的稳定裕度时没有模型参数可用,其量化分析就更难。更重要的是,只有通过仿真才能在措施实施前确认其效果。不与仿真工具结合,就难以按合理的保守性来确保控制的充分性。其根本原因是:在事前,PMU无法观察到控制措施的效果,也无法在不依靠系统模型及参数的前提下求取实测轨迹(特别是稳定轨迹)的稳定裕度。PMU在应用上的这个瓶颈是本质性的,不可能真正突破。

现场伪量测是对广域数据加工中挖掘出来的数据;仿真伪量测是在仿真中产生的数据。它们的正确性受到模型、参数、初值和算法等的限制。

3.2 电力(能源)系统的大数据平台

随着数据采集环节的质量提高、成本降低,以及各种广域数据采集系统的数据共享,可以通过更多数据来全面掌控电力与能源。为此,需要将各种广域监测系统和数值仿真系统置于统一的平台中,有助于数据挖掘,识别相继故障的先兆特征、临界条件和传播模式,从而提高预警水平,增强防御停电灾难和事后分析的能力。

由硬件资源、基础软件、网络通信、数据集成、计算支撑、应用支撑、安全管控等环节构成的大数据平台支持多源多渠道异构数据的即插即用、融合与管理,支撑各种开发、应用及信息展示功能的即插即用。通过基于数学模型的因果型数据、无因果关系的统计型数据以及参与者博弈行为的融合,管理各类能量的生产、转换、输送及使用,调度与仿真数据的集成与管理。

4 结语

虽然当前关于大数据的应用案例大多发生在互联网企业中,但传统的电力及能源企业也在思考如何从关于大数据的空泛介绍走向实际应用。特别是除了直接依赖互联网的电力金融业务及面向消费的个性化服务以外,在基于传统数据的系统分析与控制领域中,如何融合电力及能源的统计关系数据、因果关系数据及博弈行为数据,发挥大数据的价值。例如:间歇性能源及负荷预测,引导需求响应及节能减排,降低停电风险,反窃电,堵塞经营漏洞,优化资产全寿命周期管理等方面。特别是:如何使企业决策从当前基于常规数据及主观经验的模式,发展为基于数学模型、参与者及多代理模型的混合仿真的沙盘推演模式。其中的多代理模型就需要大数据技术的支撑。这关系到电力大数据技术是否能进入到通常由因果关系数据一统天下的物理系统分析领域。为此,思维方式需要重大变革。

摘要：大能源思维将电力视为能源生产与消费全流程中的枢纽环节,藉此推动上游一次能源的清洁替代与下游终端能源的电能替代,支撑能源的可持续发展。大数据思维将各种数据资源从简单的处理对象转变为生产的基础要素。这两种思维的融合,使电力大数据成为大能源系统广泛互联、开放互动及高度智能的支撑,包括:广域多时间尺度的能源数据及相关领域数据的采集、传输和存储,以及从这些大量多源异构数据中快速提炼出深层知识并发挥其应用价值。作为两篇论文中的开篇,在演绎大数据基本概念、结构类型及本质特征的基础上,归纳电力大数据的特点。针对综合能源,通过基于数学模型的因果型数据、无因果关系的统计型数据以及参与者博弈型数据的融合,构建信息能源系统的知识挖掘平台。其续篇将讨论信息能源系统,并通过若干案例,反映大数据思维对提高大能源经济性与可靠性的贡献。

大数据读后感 篇3

科幻迷+大数据

星图数据今年上线首款产品，8月份就完成了数百万美元的A轮融资。谷熠说，自己带着对产品和大数据的梦想走上了创业这条“不归路”。作为一家互联网大数据服务公司，星图数据基于海外技术团队的研究成果开发出了一套适合中国企业的数据应用服务产品，主要为传统制造业公司提供完整的线上渠道数据，通过数据可视化的方式进行直观的呈现，帮助企业通过数据发现在拓展线上渠道过程中产生的问题，从而进行精准经营与决策。

目前，星图数据的主要服务领域包括快速消费品、3C与家电以及家居家装等，美的、苏泊尔、九阳等知名家电品牌都是星图数据的合作对象。根据官方网站的介绍，星图数据的数据积累超过24个月，拥有超过2400个品类、12万个品牌和600万个商品的线上零售数据，产品服务主要包括D-Matrix（数据矩阵）大数据分析系统、SkyScope（天镜）线上渠道巡检系统、AtomPower（原子力）SKU单品分析系统、SARK（星舰）大数据代运营服务。

从产品名字上就不难看出，星图数据的团队里，不仅谷熠是科幻迷，其他很多人也都是科幻迷。《星际穿越》上映的时候，公司组织大家一起去看电影，看完后还开会进行了一番热烈的讨论。谷熠说，原来，零散的数据就像星星一样散落在各个角落，他们希望可以用大数据将它们串联起来，真正发挥它们的意义和价值，这也是公司取名为“星图”的原因。

直播“双十一”

在上个月的“双十一”网络购物狂欢中，星图数据进行了全网销售数据直播。作为国内唯一一家直播全网销售情况的公司，星图数据是如何做到这一点的？谷熠说，当然还是依靠技术的力量。区别于传统市场调研机构的“抽样推总”方式，星图数据采用的是“全网普查”方式，对全网18家主流的综合型B2C电商和垂直型B2C电商进行实时监测。“我们自主研发了两套底层系统——iNebula（数据星云）和WarpEngine（曲速引擎），这是我们基于大数据技术自主研发的数据获取和存储系统及数据处理与分析引擎，保障了我们所产出数据的及时性和准确性。”

不过，谷熠也提到，现在的数据处理过程还需要3个小时左右的延迟，希望在明年的“双十一”可以做到实时的数据播报，也就是真正意义上的“直播”。

成立之后没多久，星图数据就推出了“超新星+”计划招募活动，通过申请的企业可以免费享用星图数据D-Matrix产品6个月的服务。被问及原因，谷熠说，在和传统企业的多年接触中，他们发现真正能够理解大数据、使用大数据的企业少之又少：“我们希望能够通过这一计划，让更多的企业了解大数据，体会到大数据给大家带来的好处和便利;也希望更多的大数据公司能够和我们一起扮演大数据传道者的角色，推动行业更快地发展。”

提到“大数据”，人们往往会想到数据安全，谷熠也被无数次问到这个问题。他说，如果从个人数据隐私的角度来讲，数据的来源和范畴其实需要一个比较清晰的界定：什么样的数据属于隐私数据？什么样的数据属于公开数据？行业中对此有很多争论，到现在也还没有一个最终的标准和结论。“除了企业在道德层面的自律之外，也希望尽快能有相关的法律和行业规范出台。”

一个刚刚开始的崭新时代

而“大数据”这个概念在国内火起来也不过两三年的时间。谷熠认为，这个崭新的时代才刚刚开始。他说，虽然很多人都在讲这个概念，但是真正能理解的、能够应用好的还并不多。可以说，大数据的技术和商业化的进程都还在摸索和演进之中，市场也才开始逐步地开放。另外，也不应该只把大数据理解为一种技术或者是一种业务模式，它应该是一种能力、一种资产、一个崭新的市场，或者说是代表着一种新的生活与工作的方式。

那么，“大数据”这个概念会一直火下去吗？谷熠反问：你觉得“电力”这个概念现在还火吗？但是它已经改变了人类的工作和生活，而且它的影响也会一直持续下去。

在谷熠看来，大数据带来的改变一定会在未来极大地影响企业的运作模式和个人的生活方式。因此，星图数据也在考虑如何让自己的数据给消费者提供价值，换言之，B2B之外，星图数据或许会在以后推出B2C的产品。

谷熠曾有10年的产品开发与管理经验，算是资深产品经理了。他曾在知名互联网企业主持设计并研发了一系列基于云计算的信息服务产品、智能分析系统，并分管产品销售及市场工作，还曾参与中央部委的公共服务系统开发，并作为科研院所的专家组成员参与了多项国家标准的编写和制定。被问及创业原因，他说是因为自己有一个用大数据改变世界的梦想。

大数据读后感（推荐） 篇4

在21世纪，大量的数据在我们身边无时无刻的产生着，每个人都是大数据的生产者和接收者，但不是每个人都能成为大数据的分析者和预测者。

维克托·尔耶·舍恩伯格在《大数据时代》中前瞻性地指出：“大数据带来的信息风暴正在变革着我们的生活、工作和思维。”大数据开启了一次重大的时代转型：思维变革、商业变革和管理变革。

正如作者在引言中的陈述：就像望远镜让我们能够感受宇宙，显微镜让我们能够观测微生物一样，大数据正在改变我们的生活以及理解社会的方式，成为新发明和新服务的源泉……

我认为，这两个比喻做得十分恰当。大数据就是一个看世界的工具，让我们更加全面，更加细致的去看世界。甚至预测世界。维克托认为，大数据的核心就是预测。这个核心代表着我们分析信息时的三个转变：更多，更杂，更好。

大数据承载的好处比比皆是：它可以预测机票价格的走势以及增长幅度，帮助消费者省下一大笔钱。它可以提示汽车需要更换的零件，不至于定期更换，而换掉了好的零件。它可以帮助警方预测那些投诉迫切需要调查，提高破案效率。它可以帮助艾滋病研究机构为患者提供定制的药物，及时有效地治病。它可以实现电信企业售后服务的质量提升，知道客户想要什么。它可以预测娱乐行业中歌手，歌曲，电影，电视剧的受欢迎程度……然而这些的前提是拥有大数据。

书中展示了谷歌、微软、亚马逊、IBM、苹果、facebook、Twitter、VISA等大数据先锋们最具价值的应用案例。

然而就像一张手，有正面也有发面。大数据，有利也有弊。据《华盛顿邮报》2010年的研究表明，美国国家安全局每天拦截并储存的电子邮件、电话和其他通信记录多达17亿条。不只是美国，“大数据”也监视了我们的个人隐私，成为了第三只眼。亚马逊监视着我们的购物习惯，Facebook似乎什么都知道。告知与许可、模糊化、匿名这三大隐私保护方法在大数据面前都弱不禁风。与此同时，人们对数据的依赖有时太夸张了：“最近，我们竟然争论边框是用3、4还是5被像素，我居然被要求证明我的选择的正确性。”这是谷歌首席设计师道格·鲍曼辞职后说的的话。其实，卓越的才华并不依赖于数据。但总的来说，大数据时代，是利大于弊的。

大数据时代读后感 篇5

一、对大数据时代的理解

1.“大数据”的正式推出。2012 年3 月，奥巴马政府宣布投资2 亿美元启动“大数据研究和发展计划”，并且定义为“未来的新石油”，希望增强政府收集、分析和萃取海量数据的能力。这个由世界最强国家政府推动的项目，标志着“大数据”时代的到来！

2.“大数据”的本质。早在互联网出现之初，我们就知道网络无秘密，在网页上敲击的每一个数据，都将被自动记录。现在，当数据的积累量足够大的时候到来时，量变引起了质变。“大数据”通过对海量数据有针对性的分析，赋予了互联网智商，这使得互联网的作用，从简单的数据交流和信息传递，上升到基于海量数据的分析，一句话“他开始思考了”。这是继云计算、物联网之后IT产业又一次颠覆性的技术变革，对国家治理模式、对企业的决策、组织和业务流程、对个人生活方式都将产生巨大的影响。

二、大数据时代考验传统文化

1.文化进一步融合。一个文化系统可以分为技术、制度和观念三个层面。文化系统的发展已经经历了技术主导和制度主导两个时期，当代世界正在走向观念主导的新时期发展。各民族文化通过互联网正不断融合，从文字、服饰到生活方式，民族之间的区别正逐步变小，走在大街上、坐在餐馆里，你还能很快区分不

同的民族吗？也许只有祈祷的时候，你才能知道谁是默斯林，谁是基督徒，观念将主导互联网时代的民族性。大数据时代的来临，使山村投资者能够和洛杉矶大佬一样去分析华尔街的股价变化，文化的进一步融合变得势不可挡，唯一显示他们区别的，就是基于自身观念所做出的判断，而这种判断，在不断的经济碰撞之下，也将逐步变得趋同。

2.保持传统文化独立性。中华的文化是儒道互补的传统，其共性凝结在《周易》的传承中，主要就是天人合一观，这是中国传统文化对人类的最大贡献，也是独立性的最重要体现。在现有的世界有影响的各民族文化里，天人合一观是中华文化所独有的特征，是任何一个强权所无法抹杀的。大数据时代，需要继续保持传统文化的独立性，就是要让我们的社会和数据深深打上文化的烙印，要建立属于我们的数据体系，让这个体系庞大到其他民族无法忽视，进而去影响他们。

3.为新文明的建立出力。从文明出现的规律来看，工业文明后边的未来文明，一定要通过工业工商文化和农耕文化的冲突和融合产生。从英国工业革命开始，冲突已经几百年了，还没有融合出一种新的文明。早在20世纪，瑞士心理学家荣格就发现了《易经》筮法中蕴涵的同步原理，一种不同于因果原理的普遍联系法则，这同大数据技术的复杂相关性有着相似的地方。如果我们把大数据时代的来临，看作新文明出现的前奏，那么我们的传统文化在新文明建立的过程中必将发挥重要作用，因为阴阳五行类的传统学说正是一种复杂的相关性学说，这种学说带来的思维

方式让我们掌握了大数据时代的先机。沿着这个方向坚定走下去，必将在新文明的建立中实现中华民族的伟大复兴！

三、大数据时代的管理

1.大数据对决策的影响。大数据决策系统通过对过去和现在的数据进行分析，能够精确预测未来；通过对组织内部的和外部的数据整合，能够洞察事物之间的相关关系；通过对海量数据的挖掘，能够代替人脑，承担起社会管理的职责。大数据所具有的在区域之间、行业之间和企业部门之间的穿透性，正在颠覆传统的、线性的、自上而下的精英决策模型，正在形成非线性的、面向不确定性的、自下而上的决策基础。CEO们可能不再依赖于业务部门提出的建议，而是通过大数据决策系统来分析每个参与人员传回的实时数据，从而做出走向胜利的决策。同时，一旦我们遭遇错误和不真实的数据，带来的影响也将是灾难性的。

2.大数据对设备管理的影响。随着大数据观念的确立，实时传输设备使用数据将成为管理的必须，可能会采集包括定位、作业小时、公里数、油耗、发动机工作状态、关键电子模块温度、室内外温差、速度等在内的一系列数据，使每一辆设备纳入实时管理系统，带来精确控制的革命；同时，实时数据的采集将为研发和修理提供全面的参考数据，控制因重要部件突然损坏带来的恶性事故。

3.大数据对基层管理的影响。大数据使管理漏洞进一步减少，摄像头和各类传感器将企业日常管理的基础数据实时记入系统，甚至可以精确到食堂的菜谱和大门的出入登记，管理工作将

从有章可循进步到有数据可循。全面的数据管理使分析和预防重大事故成为可能，在管理上不再有盲区，员工情绪的波动也将记录在案，基层管理人员的管理质量将会进一步量化，物资的消耗将实时传输。

4.大数据带来的风险。大数据时代成立的基本假定是“基本数据是准确、可靠、值得信赖的，来龙去脉清楚，并且具有一致性。” 如果基本数据不可靠，大多数参与成员的大数据计划要么会失败，要么效果会低于预期。但数据的真实性往往与利益挂钩，例如某知名搜索引擎不是按照点击率来给网页排名，而是按照收费多少来排名，这样就会产生虚假的排名数据；所以，要实现大数据的合理有效利用，必须解决数据真实性问题，这就带来一个永恒的话题：诚信。大数据利用的不开放性会带来新的垄断和社会资源浪费，原有利益集团会穷尽一切手段去阻止大数据的公开，垄断的大数据会更加巩固利益集团的既得利益优势，在这场新的反垄断斗争中，将会有激烈的利益博弈。我不怀疑最终的胜利会属于大众，但那将是社会各利益集团新一轮的洗牌。

四、大数据时代的个人权利维护

1.大数据对普通人的影响。一个人想要在当今社会谋得一席之地，基本依赖于物质资源、专业技术和人脉关系。大数据恰恰对此产生了冲击，无处不在的网络，一是使资源的分布状况不再属于那些业内人士，无论是经费还是设备，使用者都有广泛选择的权力；二是使普通的专业技术不再是秘密，我们可以零成本获得各类普通技术，可以以尽可能低的价格雇佣到技术工人，可以

通过分析招聘网站来获得失业的详细数据，可以以很低的成本获得过去需要专业人员作出的预测；三是电子商务的全面应用将打破人脉关系的垄断，市场将向所有人敞开大门，在数据分析下，寻找到新的经济增长点将会支付极低的成本。人，这个生产力关系中最具革命性的因素，将遭遇个体地位的历史最低点，互联网的智能化会在一定程度上弱化个体的作用，也许，明天的你将会无足轻重。

2.大数据对思维方式的影响。大数据时代最大的转变，就是放弃对因果关系的渴求，而取而代之关注相关关系。也就是说只要知道“是什么”，而不需要知道“为什么”。这颠覆了千百年来人类的思维惯例，对人类的认知和与世界交流的方式提出了全新的挑战。没有因果关系的关系是什么？搬掉因果关系这块基石，我们的理论向何处去？客观上，我们的大脑将不需要再学习，只要熟练运用工具去查询，大数据将告诉我们每一个细节的注意事项。思考将变为少数人或阶层的事情，思维将被操纵在那些掌握大数据资源的人手中，新的社会更将两极分化，大都数人将变成只知道进行简单工作的“蚁族”。基于统计的数据科学家会逐步取代行业专家，带来的不是行业的兴旺，很有可能将是行业发展的停滞；在行业专家消失后，只知道“是什么”的数据专家在遭遇全新的问题时，将无法去求证“为什么”，问题研究将从零开始。

3.大数据时代的个人隐私。虽然我们已经习惯了无处不在的摄像头，但网络高科技公司通过分析大量用户行为数据，可以精准判断我们的喜好乃至性格，让我们的隐私受到重大威胁。数据

《大数据时代》读后感 篇6

美国是《大数据时代》的主角，全书通过讲述美国半个多世纪信息开放、技术创新的历史，公共财政透明的曲折、《数据质量法》背后的隐情、全民医改法案的波澜、统一身份证的百年纠结、街头警察的创新传奇、美国矿难的悲情历史、商务智能的前世今生、数据开放运动的全球兴起，Web3・0与下一代互联网的未来图景等等，为读者一一细解数据创新给公民、政府、社会带来的种种挑战和变革。

透过全书，一个立体的美国及美国人民的思想呈现在我们面前――美国人民执著于个人隐私的保护，却又不遗余力地推动着政府信息的透明与公开。

读完此书，对生活中的数据及数据处理突然有了很大的兴趣。如果有一天，处处以数据说话，那么，政治、制度、生活将更加清明，事故、将降到最低点。

作为信息技术教师，是有必要阅读此书的!有慧根的教师将能从书中挖掘出信息技术特有的.文化以及能用于教学的鲜活案例。

大数据大财务 篇7

大财务的出现将对企业的管理产生革命性影响, 不仅包括战术层面, 也包含战略层面。

第一, 大财务将重塑管理会计的面貌。大财务以坚实的大数据为基础, 使得全面预算管理、集团资金集中管理、内部控制能够更加高效、顺畅地运行和开展。这使得管理会计能够超越财务会计的限制, 在企业决策和管理中扮演更为重要的角色, 从而对企业价值增值发挥更大的作用。

第二, 大财务使得企业管理的前瞻性和洞察力显著增强, 企业管理更加智慧。大财务因为大数据技术的支撑, 能在企业决策时通过数据挖掘掌握大量的有用信息, 这些信息有助于企业减少常规错误, 有利于企业减少系统性风险, 可以使企业对未来发展确实的预测更加准确。在企业执行方面, 大数据技术的运用可以使财务人员用量化的方法分析不同流程、不同方案所带来的收入、成本及风险, 进而真正选择能够使得企业价值最大化的流程和方案。另外, 大数据使得财务人员在进行相关数据分析时, 及早觉察到异常情况, 这样企业就可以提前采取措施, 减少可能的损失或免受潜在的风险。所有这些使得企业的管理更加富有洞察力, 也更加智慧化。

第三, 大财务可以减少集团企业等大型企业普遍存在的信息不对称问题, 进而显著提高这些企业的效益, 也可以增强股东对企业管理层的约束力。集团企业和其他大型企业在享受到规模经济好处的同时, 往往遭遇到信息不对称问题的折磨, 信息不对称造成三方面的影响:一是道德风险;二是逆向选择;三是股东不能很好地监视管理层的行为和活动, 这样的问题在一些国有企业里面更为严重。大数据使得数据的分布更加均等化, 由于大数据的支撑, 掌握大量数据的网络监督和来自民营企业的监督, 会给国有资本管理机构足够的压力, 这种压力会随着中国全面改革而建立起的更加科学合理的国有资本管理体制传导至国有企业管理层, 进而促使其更加努力地工作, 防止其作出有利于自己而不利于出资人的行为和活动。所以, 大财务对于大部分集团企业有深远的影响和非常重要的价值。

第四, 大财务的核心在于智慧地驱动企业创新。大财务的本质就是通过数据挖掘和分析发现价值增长的潜在机会, 而价值增长的潜在机会就暗含于创新之中。创新是非常广泛的, 包含理念、模式、服务、技术等等方面, 创新并不一定能带来价值, 只有符合消费者需求和满足成本约束的创新才能带来价值的增值, 在传统的企业管理之中, 企业的创新是凭经验驱动的, 而大数据时代, 大财务的运用将会是创新管理更加精确和更加智能化。

第五, 大财务对企业的战略决策具有决定性影响。大财务极大地扩展了财务的管理领域和深度, 从企业所处的行业背景分析、企业的竞争能力估计、企业隐性资产评估、产品价值分析到自身财务状况都在大财务的掌握之中, 这不仅涉及企业自身的家底, 也涉及外部环境和目标资料, 即大财务不仅“知己”, 而且“知彼”。知己知彼正是企业战略决策的基础, 它通过CFO等高级财务管理人员参与企业决策的实践来实现。所以, 大财务的领先与否将直接决定其战略的正确与否, 战略的正确与否将直接决定企业的经营的成败。从这个意义上说, 大数据时代, 大财务将成为企业的核心资源与核心竞争力, 犹如互联网时代的核心技术一样。

大数据 大融合 大未来 篇8

5月31日，为了推进我国大数据产业的创业创新，推动互联网与制造业的融合发展，由中国互联网协会、浙江省经信委、萧山区政府主办，萧山经济技术开发区管委会、浙江省企业信息化促进会、萧山科技城管理局承办的首届中国（杭州）工业大数据产业发展高峰论坛在萧山举办。来自政产学研用五方的500多位代表参加了此次论坛。

信息技术的快速发展引发了数据迅猛增长，数据已成为国家基础性战略资源。2015年9月国务院发布的《促进大数据发展行动纲要》中明确推动大数据发展和应用。在随后出台的《中国制造2025》和“互联网+”战略中，都将工业大数据的发展作为重要工作内容。在不久前的第二届数博会上，李克强总理强调大数据是21世纪的一座“钻石矿”，抓住大数据发展机遇就是抓住经济社会发展的制高点。

此次高峰论坛，政府领导、专家学者、企业代表齐聚一堂，共同探讨工业大数据的应用和产业发展，是一次对贯彻习总书记提出的“加快互联网与实体经济融合发展”、加快开挖产业大数据这座钻石矿中的精品矿的有意尝试。

国家工信部信息化与软件服务业司副司长 高林

在全球新一轮信息技术革命到来的时候，数据已经成为国家的战略资源，国家对数据的收集处理能力成为国家信息业的一个重要表现。随着工业化和信息化的不断深化，工业企业存在着大量的数据资源，工业大数据的挖掘和应用，将促使工业企业的生产方式、组织形式、商业模式发生变革，催生出诸如智能生产、协同组织、个性定制、服务化转型等新业态、新模式，最终助力工业企业提质增效。

中央网信办信息化发展局大数据处处长 张晓

我国大数据发展进入了快车道，相关的技术、产业、应用、制度建设都取得了显著进步，呈现出快速发展的良好势头。归纳有三点：一是各地在积极推动大数据发展；二是我国产业大数据生态正在逐步形成；三是很多企业，包括很多传统企业在内，都在积极参与大数据发展。

浙江省经信委总工程师 厉敏

2014年以来，浙江省先后出台了《关于加快发展信息经济的指导意见》、《关于建设信息化和工业化深入融合国家示范区的实施意见》、《互联网+行动计划》等一系列政策措施。通过几年的努力，信息经济正成为浙江经济的一张金名片。去年全省规模以上信息经济核心产业同比增长17.1%，占全省GDP比重7.68%，已成为发展最快的产业。两化融合全面深化，智慧城市不断发展，大数据产业更是成为信息经济发展的新亮点。

杭州市委常委、萧山区委书记 俞东来

近年来，萧山十分重视发展信息产业和工业大数据产业，先后出台了一系列政策，支持工业大数据产业的发展。全区两化融合的发展指数位居全省前列，海量工业数据加快集聚，万向、传化、亚泰等一大批企业已经在工业大数据的积累、分析、应用上走在前列。作为全国首个工业大数据的应用和交易的平台——钱塘大数据，它的成立，是对工业大数据开展交易、定价、金融等服务的一次积极探索，是工业大数据产业发展的一个重要里程碑事件，将极大地促进大数据产业在萧山的发展壮大。

北京大学教授 杨学山

发表“让工业大数据成为制造业转型升级的助推器”的专题报告

报告中，杨教授详细阐述了什么是工业大数据，工业大数据的作用以及工业大数据如何推动制造业转型升级。“从企业看，工业大数据为企业全过程设计、创新、生产、经营、管理、决策服务，为企业的发展战略和目标的实现服务；从供应链、产业链和生态链来看，工业大数据服务于供应链的优化，产业链的完善、生态链的形成和优化；从工业行业管理和宏观决策调控看，工业大数据要满足行业和宏观决策调控的实际需求，提高行业和宏观经济管理决策质量、能力；从转型升级的角度看，工业大数据是为了一个个企业、行业、装备、工艺、生产线、供应链的转型升级服务。”

《大数据》、《数字之巅》作者 涂子沛

作题为“大数据与工业智造”的主旨演讲

演讲中，涂子沛提及了他的一个判断：“在大数据浪潮当中，制造业要开始露出头角。”他从大数据角度介绍了制造业，用多个鲜活的案例告诉大家要造什么、怎么造。“要把一切业务变成数据，只有变成数据之后，智能化才有基础，所以事实上，大数据是我们进入智能社会的标志，整个智能社会是在数据的基础上建立起来的，没有数据就没有智能，无数据无智能。另外，数据今天不仅要去用，还要去保护，这是双方面的。”

中润普达集团董事长 杜登斌

作“产业互联网与大数据创新应用”的主旨演讲