2017年大数据产业发展情况及2018年展望

其次，中国的数据有它的特色，例如在金融行业，目前大部分银行采用的是风险评分卡，运用专家经验定义风险变量，基于定性认识进行评分，通过事后风险回检优化评分卡，风险预警功能较差。虽然央行征信中心与国内少数技术领先银行使用的是风险评分模型，但模型方法相对陈旧，如央行所用FICO评分模型为上世纪80年代基于逻辑回归算法构建的评分体系，逻辑回归算法适合处理线性数据，但实际问题往往是非线性的，特别是信用风险评估场景下。此外，FICO模型没有针对我国具体业务进行场景细分，建模逻辑并不完全符合我国实际情况，因此导致准确率不足，风险预警能力差。

(三)专业人才

我们国家大数据发展最大的优势就是市场大，最大的劣势恰巧就是缺乏相应专业人才，人才缺乏的程度非常严重。首先在国际市场方面，我们要跟国外公司争人才，然而国外大数据行业同样十分火热。而不论在国内还是国外，跟企业竞争人才都是一项艰巨的事业，比如在世界上最好的大学之一的美国普林斯顿大学，想找数学家也是非常困难，人才很容易被大公司挖走，每年都有非常好的数据分析人才被企业挖走。所以人才难觅不只是口头说说，更是一个亟待解决的问题。

目前为止，我们国家仍然没有良好的培育大数据人才的机制，大数据教育主要面临以下三个问题。首先，大数据是一个交叉学科，涉及统计学,管理,编程等多学科，知识点复杂，培训课程编辑难度大，缺乏系统的学习教程;其次，现阶段大数据教育大多还停留在理论知识上，理论与实战严重脱节，学习者缺乏良好的实践机会;再次，大数据教育的根本目的是为了解决业务上面临的实际问题，用科学的手段推动业务的进展，然而现阶段的大数据教育机构普遍缺乏相应的业务经验，产学研结合并不密切。

三、我国大数据产业发展展望

(一)大数据政策体系持续完善

据不完全统计，从2014年至今我国涉及到大数据发展与应用的国家政策规定已多达63个，其中国家大数据发展顶层设计1个，国家层面顶层规划4个，重点行业领域发展应用31个，重点工作推进25个，重点区域发展2个。大数据战略已上升为国家战略高度，各部委从战略规划、技术能力提升、应用与管理三个层面积极落实推进大数据发展政策。

表1 部分部委大数据政策一览表

(二)大数据产业生态正在形成

大量的异质性企业，借助大数据互相依存，形成了共生、再生、乃至互生的价值循环体系。不同的行业，形成业务交叉、数据通联、运营协同的产业融合机制。不同的经济主体，借助大数据，形成跨地域、跨行业、跨系统的社会协同平台。

（编辑：惠州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!