大数据助力传统行业转型 人类迎来“无现金社会”

【智慧城市网】11月17日,以“数据创造价值,智慧引领未来”为主题的2016全球大数据应用研究论坛在青岛西海岸新区隆重举办。

大数据助力传统行业转型 人类迎来“无现金社会”

“无现金社会”已经悄然走进你我的生活中

美国未来之窗(Future Point of View)科技公司创始合伙人、首席执行官斯考特·克罗索斯基说,现在社会正在迈向网络3.0,机遇是前任甚至后来者都不曾面临的。

“技术就是用一种前所未有的方法把东西联系起来,比如网络1.0是人机交流,网络2.0是人与人之间更好连接起来,社交软件、云计算等出现;而网络3.0就是物联网时代,设备、人可以更好地交流;网络4.0,是信息平台之间的链接,通过过滤的系统可以收获需要的数据,把数据转换到设备中;网络5.0,是在人与机器之间有更高层次的整合,从可穿戴设备到可植入设备,那时候或许超人类就会出现了。”斯考特·克罗索斯基说。

斯考特·克罗索斯基认为,以前人们在制造业主要是人工制作,一旦用3D化,就是一个数据化的过程。另外,过去人类使用硬币和纸币,现在通过网上转账交易就可以实现,现在很多场合不用现金。纸币产生一些问题,比如毒品走私,就用纸币交易,但无现金社会用数据就能很好地跟踪和监控。”

斯考特·克罗索斯基说,无现金社会其实正在实现中,像电子商务、网上购物,还有付款,都是通过无现金的方式进行。他说,从另一个方面看,大家疏忽的一点是对于现金的印刷还有保持,政府都是有一定成本的,所以无现金社会可以降低一些成本。

大数据让我们处在一个美好的时代

在大数据对于传统产业的颠覆上,斯考特·克罗索斯基说,通过50年的发展,人类和技术高程度整合,这以前是无法想象的事情;人类现在处在3.0的阶段,还有几十年的路要走。“现在我们正从第三次工业革命过度到第四次工业革命,这就意味着我们不是工厂中个体的改变,而是把多个单位整合在一起。第四次工业革命是通过设备的互联互通来实现的,而这之前是没有的。”

斯考特·克罗索斯基说,当今数据在以指数级发展,但公司在以对数级发展,这说明公司管理者没有跟上技术发展。很多红极一时的公司,没有缩小技术发展和组织发展的差距而导致破产。“我们领导人没有办法去缩小这个差距,再多也是白用。这种预见性很重要,要比其他人更快地将新技术应用到实践中去。并不是去理解概念,而是要比竞争对手把这些概念应用到实际工作中,否则就是劣势。”

青岛正在建设智慧城市,需要一个主要的数据中心,收集各方面的数据,促进当地的经济发展和消费,运用到教育、交通、教育及基础设施的建设中。

斯考特·克罗索斯基说,做好大数据,要通过数据来讲故事,分析信息让人们更好地理解,就要进行数据的可视化,将大量的数据让人们一下可以了解其含义,而不是数据人员花几天去讲解。“技术是非常复杂的,要产生价值,就要很好地构架。我们处在一个美好的时代。”

平安城市大数据应用离百姓最近

北京以萨技术股份有限公司副总裁王堃介绍,以前警方查找监控录像被称为“眼药水”的破案方法,这是因为靠人工一个点一个点顺,办案人员很疲惫且效率不高。而靠大数据+人工智能设定搜索条件,结合视频特征和现场目击设定搜索条件,很容易锁定嫌疑人的信息。

“平安城市大数据是离我们最近的大数据,已经为我们日常的社会稳定提供服务。”他说,一个中等城市的大数据是十分庞大的,刑侦部门图片数据每天采集1.2亿张图片,30多万路监控视频,一天的视频数据要看完,1个人需要1亿小时。

“我们掌握的数据中,结构化的数据,也就是能用文本表述的信息,包括户籍、高铁、民航、住宿等,只占5%左右,数据量并不大,并且只能反应属性信息和宏观轨迹;而95%是非结构化数据,这些以视频图像为代表,包括语音等信息。”他说,平安城市数据量大,数据多样,还要求处理高速,这就体现出大数据+人工智能的意义。

大数据医疗为我们的生活提供优质保障

大数据对于传统的颠覆,还将更深远。HPE软件集团亚太及日本地区大数据方案与业务经理安德鲁·帕克认为,大数据的应用,或许会让我们能批量生产“姚明”。通过人类基因数据的分析,寻找跟姚明基因相似的运动员加以培养,就能找到下一个姚明了。“已经有机构在过去两年里投资该领域,通过基因排序和数据的分析,可以招募到更优秀的人才。”

人体本身就是海量数据的集成,基因的数据是人体海量信息集的体现。这在智能医疗上的体现或许更明显。

普莱姆(Prime)医疗数据分析公司高级副总裁及首席医疗信息官艾利·卡林致力于利用PRIME系统,基于网络数据库分析,对医疗行业进行市场分析和调研,广泛应用在政府、医院、连锁医疗机构、制药和医疗器械、医疗保险、医疗投资等行业。他认为,数据的捕获最终的目标是改进医疗成效。

“医院通过搜集患者信息进行数字化,还可以进行医生表现的评价等。这个产业非常巨大,在美国有超过500个医疗数据机构在研究、分析。”在他看来机会和挑战并存,挑战之一是医疗数据获得性和获得深度,因为在美国医疗数据超过150亿T,未来还会翻倍。

“把信息分为多个维度,包括病历信息、医生信息、人口统计学信息、心理统计学信息、保险索赔信息、付费者信息等,进行阵列信息处理,将会得出更多的信息,包括每个医疗设施的使用频率等,这样一来可以知道哪个地区哪种病发病率最高,医生需求最高等。”普莱姆说。

原创文章,作者:冰川,如若转载,请注明出处:https://www.zhihuichengshi.cn/xinwenzixun/27966.html