一号玩家下载部落冲突 年1月20日,由全球大数据联盟(GBDC)、全球移动 游戏 联盟(GMGC)、世界
随着大数据、 云计算 、 物联网 等新 技术 新应用向商业世界及公众生活的渗透,人类交流和连接方式发生了剧烈变革,数据体量迎来了爆炸式的增长,大数据时代由此开启:人类全面进入共享经济时代,传统的产业模式被不断革新,原有的产业链被打破,以往的传统观念也被彻底颠覆。数据的获取和应用成为了全新命题,ICT和DT(信息 通信 技术+数据技术)的融合终将会为带领我们走进一个新的时代。
WOO总干事、GMGC创始人兼秘书长宋炜致辞
会议首先由WOO总干事、GMGC创始人兼秘书长宋炜为本次大会至开幕词。
宋炜在致辞中指出,互联网的快速发展让我们进入到了一个全新的信息共享时代,产业的不断升级转型、传统产业的快速蜕变和新兴产业的迅速兴起赋予了我们全新的机遇与挑战,而这个挑战,正是大数据。如今的大数据渗透到了多个行业,国家多个大数据法规的颁布也为大数据行业的蓬勃发展注入了强心剂。
国内市场和相关政策如此天时地利,促进国内外大数据行业交流也是行业发展的重中之重。我们经过1个月多的准备,邀请到了很多全球顶级的公司,他们将直击当下大数据发展的发展痛点,为各位参会人士提供专业而权威的发展建议。与此同时,我们也相信在未来的组织和配合中,GMGC能够提出更中立的声音,为产业带来正能量。
全球大数据联盟GBDC成立揭牌仪式
接下来,由微软中国首席技术官韦青,GMGC创始人兼秘书长、WOO总干事、光合资本创始人宋炜,联想集团副总裁田日辉,IBM分析 开发 总经理吉燕勇,TalkingData合伙人兼执行副总裁林逸飞、Akamai中国公司董事长凌洁、碳云智能联合创始人及首席科学家,前华大基因首席科学家及华大 科技 CEO李英睿上台为全球大数据联盟共同揭牌。
之后,进行了《中国 移动互联网 大数据规范》的发布仪式。
《中国移动互联网大数据规范》发布仪式
全球 手机 媒体委员会秘书长吴红晓发布《中国移动互联发展指数一号玩家下载部落冲突数据报告》
中国移动互联发展指数专家组、全球手机媒体委员会秘书长吴红晓发布了《中国移动互联发展指数一号玩家下载部落冲突数据报告》。他说,大数据时代的移动互联网,应该基于大数据的方式来反映移动互联网的现状,今天我们在此次峰会上正式发布2015年的数据报告。
目前,移动智能终端规模已达到12.8亿台,人口红利阶段结束。但在移动互联网用户里面,男女用户比例趋向平衡,女性比例已上升到44.6%;在移动网民年龄结构上,80后、90后、00后加起来的总和已超过73%;用户开始向一线城市集中,三线城市也开始了更多的下沉,在西藏的很多城市,包括三线中部城市,移动互联网的活跃度非常之大。移动互联网整个中国移动互联网用户活跃度最高的省份,东部沿海城市用户规模最大,但是活跃度最高还是在中部省份。从移动智能终端设备类型来比,智能手机用户比例在提升,占据百分之93.4%,移动设备也在向高价位倾斜,大屏幕手机继续呈现上升趋势,小屏手机逐渐被取代,4G用户量已经达到总用户量5分之一,达到19.5%。在 移动应用 市场,移动应用已经进入服务时代,生活类应用大行其道,移动互联网用户的依赖有所增加,尤其是
从细分行业来看,“精品突围”趋势明显,BAT占据了高达十六款的数量,在应用商店的覆盖率上,360手机助手保持榜首地位;在2015年成长性应用APP,利用移动端硬件与应用,线上与线下符合数据的聚合优势,可更加准确对用户进行分类,不同细分人群应用偏好存在差异,对他们的线下消费性去进行洞察,能够能加清楚地进行分析。
TalkingData CEO崔晓波:拥抱大数据领跑服务时代
TalkingData
CEO崔晓波针对大数据的发展发表了主题演讲:我们现在被各种的大数据所包围,大数据无处不在,遍及了我们生活的方方面面。我们可以把移动设备堪称一系列传感器的组合,由他们组成了大数据未来的生态。从移动互联网的发展所经历的四个阶段——工具时代,娱乐时代,消费时代,服务时代来看,传统行业很多都已经进入了移动互联网,并且在不断的进行转型。不仅如此,移动技术和设备的发展为大家带来了数据整合的可能性,线下数据和线上数据的关联,让大数据能够对人们的喜好、习性进行洞察,利用数据去做营销也让客户定位更加精准化,为企业决策提供可靠的数据支撑。
微软中国首席技术官韦青:以人为基础,联通万物
微软中国首席技术官韦青为参会人士解读了微软在大数据的发展战略,发表了名为微软“云-物-大-智”技术路线图之大数据篇的主题演讲:对大数据的理解一直以来都有一个次序的问题,在接下来的几十年,我们会对我们的大脑进行不断的拓展。大数据不仅仅是大,他有着自己的相关性。物联网是万物互联的时代,我们认为不仅仅是物在联,人也在不断的连接,一切都是基于人而产生。大数据经常会被人们神秘化,当时DOS转成windows系统的时候引起了很大的争论,人机交流的界面让很多人不能理解,但现在我们来看,平民化的 人工智能 模式让人们能够更方便的使用。
微软作为一个平台,未来会靠着巨大的计算能力,来不断对人工智能进行开发,旗下的“牛津计划”就可以很快的开发出具备人工智能的语音算法。
每间公司都是一个数据公司,一切的精准定位都是从数据产生,数据传输数据存储,数据分析和数据展现和响应构成。
阿里数据经济研究中心秘书长&阿里研究院高级专家潘永花:DT时代,大数据将成为核心驱动力
阿里数据经济研究中心秘书长&阿里研究院高级专家潘永花就DT时代的到来发表了名为“双十一背后的DT力量“的演讲:在DT时代,数据的业务化会成为核心的动力和源泉,成为商业价值核心的驱动力。在阿里巴巴的大数据体系,核心在三个方面“存,通,用”,不断的完善数据生态和标准,流程和算法。企业也应该不断进行大数据的尝试,例如阿里的蚂蚁金服是专门针对于 中小企业 ,基于阿里自己的信用体系,对商家进行评估贷款,能够快速结算资金流转问题,而且坏账率远低于传统银行。阿里的“大数据+信用”利用大数据搭建了个人的信用体系,这个应用也为高级法院解决了很多问题。
利用公有云这样的平台,可以降低创业成本高达70%。人类正在从 IT 走向DT,只有让别人成功,你才会成功!
碳云智能联合创始人及首席科学家,前华大基因首席科学家及华大科技CEO李英睿:与生命相关,大数据无所不能
碳云智能联合创始人及首席科学家,前华大基因首席科学家及华大科技CEO李英睿发表了名为“管理数字生活”:在生物学中,人就是一个大数据的载体,DNA也已经成为了一些公司存储数据的介质。每个人都是数据的序列,每个人基因的序列组成了自己独一无二的生命方程,所以有时候在相同的环境下,每个人的反应是不同的。目前我们对于健康的管理也是以大数据为基础,在知道身体状态的情况下,可以通过大数据预测并进行干预,避免疾病发生。在国外有这么一个例子,科学家对一个白血病小姑娘的基因从底层进行了改写,小姑娘避免了白血病对她带来的伤害。
生命是多维度的运作系统,我们希望能够干预并影响他,利用他大数据的特质进行不断的进步。
IBM中国开发中心, IBM分析开发总经理吉燕勇:认知计算最大程度激发大数据潜能
IBM中国开发中心,IBM分析开发总经理吉燕勇发表了名为“认知计算-通往智慧之路”的演讲。他指出,认知计算分为:understand(理解各种数据的能力),learn(学习能力),reason(推理和决策能力)三个部分,认知技术是基于证据,海量并行,概率分析的技术。IBM在认知计算领域有着很深入的了解,认知系统可以使用数据库对候选答案进行不同维度的匹配和打分,他可以在几分钟内分析成千上万的资料,快速展示结果,从而激发出突破性的洞察。
认知计算和大数据有什么关系呢?第一,它解决自然语言和人交互。这个可能不像传统之间,传统更多是通过计算机交互,它把很多东西通过数据方式交互,这是通过语言交互。第二,既然是语言的话很多是含糊的,有歧义的,怎么解释出语言出来。然后,这个答案可能不是百分之百的,可能找到的答案是20%,如果是20%的话要不要抢答,如果是90%的话是不是抢答?最后,它处理很多数据,解决问题可能没有明确出来,所以必须做出区别。
VMware中国研发中心总经理任道远:背靠大数据,为企业创造更大价值
VMware中国研发中心总经理任道远发表了名为“业务数据湖——当敏捷遇上大数据”的主题演讲。他说,在我们数据工程的管道里,如何避免复杂的流程?基于社交网络和物联网的感应器,在分析的流程里,我们会引入更先进的算法,我们需求是对历史性和将来可推测的分析,这些分析可以很快的通过界面与领域专家进行分享和分析,最后通过数据驱动的应用为企业做出更加敏捷的决定。在我们数据湖的解决方案里,我们将我们所得到的内容进行有效的索引,并进行展现。
数据湖的数据必须有效而可靠,并符合各类法规,支持各类云数据管理。这些数据和算法的服务可以为企业提供精准的数据分析,为企业们创造更大得价值。
联想集团副总裁田日辉:基于大数据,给予用户完美体验
联想集团副总裁田日辉发表了名为“数据驱动五大智能连接,构建设备+
在很多情况下,设备的快速连接是非常重要的,联想也在逐渐构建设备管理的服务方案。大数据为其提供了很多数据支撑,并不断促进业务的发展。
通过端到端的闭环,联想能够精准的识别用户所遇到的问题,由此来优化设备的部分性能。在联想的内部管理方面,大数据对整个公司的运营效率也有着非常大的帮助,通过大数据可以让我们清楚的知道用户使用设备的情况,包括活动效果的评估等。
联想的大数据平台服务了全球的用户,在大数据的隐私保护方面极为重视,总数据量已达到9PB。联想也会和开发者一起,共同促进行业的进步。
地平线机器人科技创始人兼CEO余凯:降低失误深度学习和大数据达成巧妙融合
地平线机器人科技创始人兼CEO,前百度IDL常务副院长,前百度研究院副院长余凯就大数据深度学习这一话题和参会人士分享了经验:在今天,即便是非常复杂的模型都能够被分析出来,通过大数据人工智能的技术,能够让我们理解用户的需求,在过去的60年时间里,人工智能第一次被提出,计算和大数据这两个关键的支撑,在过去的20年中不断推进着行业的发展。
不同的人工智能的问题都能够通过一个相对简单的X到Y的框架去进行描述,从数据中学习模型并应。例如,给你六个样本,我们需要把背后的规律找出来,所有的规律都能够解释样本,这就是学习空间的复杂度。从思维方法论的角度来讲,深度学习是最适合大数据的方式,深度学习能够促进效果不断提升。
端到端的学习,有一个序列的步骤,深度学习能够把这所有的步骤归结成一个优化的目标,这也是端到端的学习受到重视的原因。由于深度学习在过去五年内错误的不断降低,错误率仅在5%以内,他们被运用到了很多方面,如自动驾驶,人脸识别,语音识别等。很多的 智能硬件 都需要在本地做,只有这样才能保证反应速度的及时,避免出现因时间不及时而产生失误。人的大脑是专用的处理器,信号传递的速度非常之快,所以机器人需要做专门的设计。