国内做大数据的公司有哪些?

2024-05-17 01:36

1. 国内做大数据的公司有哪些?

1、上海市大数据股份有限公司(简称“上海大数据股份”),是经上海市人民政府批准成立的国有控股混合所有制企业。
致力于成为智慧城市建设的主力军、国内大数据应用领域的领军企业和全球领先的公共大数据管理和价值挖掘解决方案提供商,满足政府对公共数据治理和提升城市管理及公共服务水平的要求,构建公共大数据与商业数据服务、以及政企数据融合的桥梁,促进社会经济发展。
2、辉略(上海)大数据科技有限公司,目前在中国交通(城市智能信号灯优化模型与平台,交通预算决策系统模型等)、环境(PM2.5污染检测和治理)、医疗(医院WIFI定位模型,病历匹配模型等)、汽车(用户购买转化率模型)等领域进行大数据项目运营与模型开发。
3、成都市大数据股份有限公司成立于2013年,作为成都市实施国家大数据发展战略的载体,2018年完成股份制改革并挂牌新三板,成都产业集团全资持股,主要涉及数据运营、投资并购、信息技术三大业务方向。

扩展资料:
大数据发展的一些趋势:
趋势一:数据的资源化
何为资源化,是指大数据成为企业和社会关注的重要战略资源,并已成为大家争相抢夺的新焦点。因而,企业必须要提前制定大数据营销战略计划,抢占市场先机。
趋势二:与云计算的深度结合
大数据离不开云处理,云处理为大数据提供了弹性可拓展的基础设备,是产生大数据的平台之一。自2013年开始,大数据技术已开始和云计算技术紧密结合,预计未来两者关系将更为密切。除此之外,物联网、移动互联网等新兴计算形态,也将一齐助力大数据革命,让大数据营销发挥出更大的影响力。
参考资料来源:百度百科-大数据
参考资料来源:上海市大数据股份有限公司官网-公司简介
参考资料来源:辉略(上海)大数据科技有限公司-关于我们

国内做大数据的公司有哪些?

2. 国内目前有几家做大数据平台的公司?哪家比较好?

极其流行,同样也是竞争力极其大的一种商业模式。虽然国内软件开发公司都发展壮大起来了,但是各地软件开发公司的实力及资质仍然参差不齐。下面为大家介绍下近期国内软件开发公司的排名汇总。1:华盛恒辉科技有限公司上榜理由:华盛恒辉是一家专注于高端软件定制开发服务和高端建设的服务机构,致力于为企业提供全面、系统的开发制作方案。在开发、建设到运营推广领域拥有丰富经验,我们通过建立对目标客户和用户行为的分析,整合高质量设计和极其新技术,为您打造创意十足、有价值的企业品牌。在军工领域,合作客户包括:中央军委联合参谋(原总参)、中央军委后勤保障部(原总后)、中央军委装备发展部(原总装)、装备研究所、战略支援、军事科学院、研究所、航天科工集团、中国航天科技集团、中国船舶工业集团、中国船舶重工集团、第一研究所、训练器材所、装备技术研究所等单位。在民用领域,公司大力拓展民用市场,目前合作的客户包括中国中铁电气化局集团、中国铁道科学研究院、济南机务段、东莞轨道交通公司、京港地铁、中国国电集团、电力科学研究院、水利部、国家发改委、中信银行、华为公司等大型客户。

2:五木恒润科技有限公司上榜理由:五木恒润拥有员工300多人,技术人员占90%以上,是一家专业的军工信息化建设服务单位,为军工单位提供完整的信息化解决方案。公司设有股东会、董事会、监事会、工会等上层机构,同时设置总经理职位,由总经理管理公司的具体事务。公司下设有研发部、质量部、市场部、财务部、人事部等机构。公司下辖成都研发中心、西安研发中心、沈阳办事处、天津办事处等分支机构。3、浪潮浪潮集团有限公司是国家首批认定的规划布局内的重点软件企业,中国著名的企业管理软件、分行业ERP及服务供应商,在咨询服务、IT规划、软件及解决方案等方面具有强大的优势,形成了以浪潮ERP系列产品PS、GS、GSP三大主要产品。是目前中国高端企业管理软件领跑者、中国企业管理软件技术领先者、中国最大的行业ERP与集团管理软件供应商、国内服务满意度最高的管理软件企业。4、德格Dagle德格智能SaaS软件管理系统自德国工业4.0,并且结合国内工厂行业现状而打造的一款工厂智能化信息平台管理软件,具备工厂ERP管理、SCRM客户关系管理、BPM业务流程管理、OMS订单管理等四大企业业务信息系统,不仅满足企业对生产进行简易管理的需求,并突破局域网应用的局限性,同时使数据管理延伸到互联网与移动商务,不论是内部的管理应用还是外部的移动应用,都可以在智能SaaS软件管理系统中进行业务流程的管控。5、Manage高亚的产品 (8Manage) 是美国经验中国研发的企业管理软件,整个系统架构基于移动互联网和一体化管理设计而成,其源代码编写采用的是最为广泛应用的Java / J2EE 开发语言,这样的技术优势使 8Manage可灵活地按需进行客制化,并且非常适用于移动互联网的业务直通式处理,让用户可以随时随地通过手机apps进行实时沟通与交易。

3. 大数据有哪些应用

大数据的应用如下:
1、了解和定位客户

这是大数据目前最广为人知的应用领域。很多企业热衷于社交媒体数据、浏览器日志、文本挖掘等各类数据集,通过大数据技术创建预测模型,从而更全面地了解客户以及他们的行为、喜好。
2、了解和优化业务流程

大数据也越来越多地应用于优化业务流程,比如供应链或配送路径优化。通过定位和识别系统来跟踪货物或运输车辆,并根据实时交通路况数据优化运输路线。
人力资源业务流程也在使用大数据进行优化。Sociometric Solutions公司通过在员工工牌里植入传感器,检测其工作场所及社交活动员工在哪些工作场所走动,与谁交谈,甚至交流时的语气如何。
3、提供个性化服务

大数据不仅适用于公司和政府,也适用于我们每个人,比如从智能手表或智能手环等可穿戴设备采集的数据中获益。Jawbone的智能手环可以分析人们的卡路里消耗、活动量和睡眠质量等。
Jawbone公司已经能够收集长达60年的睡眠数据,从中分析出一些独到的见解反馈给每个用户。从中受益的还有网络平台“寻找真爱”,大多数婚恋网站都使用大数据分析工具和算法为用户匹配最合适的对象。
4、改善医疗保健和公共卫生

大数据分析的能力可以在几分钟内解码整个DNA序列,有助于我们找到新的治疗方法,更好地理解和预测疾病模式。试想一下,当来自所有智能手表等可穿戴设备的数据,都可以应用于数百万人及其各种疾病时,未来的临床试验将不再局限于小样本,而是包括所有人!
苹果公司的一款健康APP ResearchKit有效将手机变成医学研究设备。通过收集用户的相关数据,可以追踪你一天走了多少步,或者提示你化疗后感觉如何,帕金森病进展如何等问题。研究人员希望这一过程变得更容易、更自动化,吸引更多的参与者,并提高数据的准确度。
5、提高体育运动技能

如今大多数顶尖的体育赛事都采用了大数据分析技术。用于网球比赛的IBM SlamTracker工具,通过视频分析跟踪足球落点或者棒球比赛中每个球员的表现。许多优秀的运动队也在训练之外跟踪运动员的营养和睡眠情况。

大数据有哪些应用

4. 大数据服务平台是什么?

大数据服务平台则是一个集数据接入、数据处理、数据存储、查询检索、分析挖掘等、应用接口等为一体的平台,然后通过在线的方式来提供数据资源、数据能力等来驱动业务发展的服务。


计算机俗称电脑,是一种用于高速计算的电子计算机器,可以进行数值计算,又可以进行逻辑计算,还具有存储记忆功能。是能够按照程序运行,自动、高速处理海量数据的现代化智能电子设备。由硬件系统和软件系统所组成,没有安装任何软件的计算机称为裸机。


可分为超级计算机、工业控制计算机、网络计算机、个人计算机、嵌入式计算机五类,较先进的计算机有生物计算机、光子计算机、量子计算机、神经网络计算机。蛋白质计算机等。

5. 国内做大数据的公司有哪些?

1、上海市大数据股份有限公司(简称“上海大数据股份”),是经上海市人民政府批准成立的国有控股混合所有制企业。
致力于成为智慧城市建设的主力军、国内大数据应用领域的领军企业和全球领先的公共大数据管理和价值挖掘解决方案提供商,满足政府对公共数据治理和提升城市管理及公共服务水平的要求,构建公共大数据与商业数据服务、以及政企数据融合的桥梁,促进社会经济发展。
2、辉略(上海)大数据科技有限公司,目前在中国交通(城市智能信号灯优化模型与平台,交通预算决策系统模型等)、环境(PM2.5污染检测和治理)、医疗(医院WIFI定位模型,病历匹配模型等)、汽车(用户购买转化率模型)等领域进行大数据项目运营与模型开发。
3、成都市大数据股份有限公司成立于2013年,作为成都市实施国家大数据发展战略的载体,2018年完成股份制改革并挂牌新三板,成都产业集团全资持股,主要涉及数据运营、投资并购、信息技术三大业务方向。

扩展资料:
大数据发展的一些趋势:
趋势一:数据的资源化
何为资源化,是指大数据成为企业和社会关注的重要战略资源,并已成为大家争相抢夺的新焦点。因而,企业必须要提前制定大数据营销战略计划,抢占市场先机。
趋势二:与云计算的深度结合
大数据离不开云处理,云处理为大数据提供了弹性可拓展的基础设备,是产生大数据的平台之一。自2013年开始,大数据技术已开始和云计算技术紧密结合,预计未来两者关系将更为密切。除此之外,物联网、移动互联网等新兴计算形态,也将一齐助力大数据革命,让大数据营销发挥出更大的影响力。
参考资料来源:百度百科-大数据
参考资料来源:上海市大数据股份有限公司官网-公司简介
参考资料来源:辉略(上海)大数据科技有限公司-关于我们

国内做大数据的公司有哪些?

6. 大数据具体是做什么?有哪些应用?

大数据即海量的数据,一般至少要达到TB级别才能算得上大数据,相比于传统的企业内数据,大数据的内容和结构要更加多样化,数值、文本、视频、语音、图像、文档、XML、HTML等都可以作为大数据的内容。

提到大数据,最常见的应用就是大数据分析,大数据分析的数据来源不仅是局限于企业内部的信息化系统,还包括各种外部系统、机器设备、传感器、数据库的数据,如:政府、银行、国计民生、行业产业、社交网站等数据,通过大数据分析技术及工具将海量数据进行统计汇总后,以图形图表的方式进行数据展现,实现数据的可视化,在此基础上结合机器学习算法,对数据进行深度挖掘,发掘数据的潜在价值。

应用部分,大数据不仅包括企业内部应用系统的数据分析,还包括与行业、产业的深度融合,大数据分析的应用场景具有行业性,不同行业所呈现的内容与分析维度各不相同,具体场景包括:互联网行业、政府行业、金融行业、传统企业中的地产、医疗、能源、制造、电信行业等等。
1.    互联网行业大数据的应用代表为电商、社交、网络检索领域,可以根据销售数据、客户行为(活跃度、商品偏好、购买率等)数据、交易数据、商品收藏数据、售后数据等、搜索数据刻画用户画像,根据客户的喜好为其推荐对应的产品。

2.    政府行业在大数据分析部分包括质检部门、公安部门、气象部门、医疗部门等,质检部门包括对商品生产、加工、物流、贸易、消费全过程的信息进行采集、验证、检查,保证食品物品安全;气象部门通过构建大气运动规律评估模型、气象变化关联性分析等路径,精准地预测气象变化,寻找最佳的解决方案,规划应急、救灾工作。
3.    金融行业的大数据分析多应用于银行、证券、保险等细分领域,在大数据分析方面结合多种渠道数据进行分析,客户在社交媒体上的行为数据、在网站上消费的交易数据、客户办理业务的预留数据,结合客户年龄、资产规模、消费偏好等对客户群进行精准定位,分析其在金融业的需求等。

7. 大数据平台的软件有哪些?

一、Phoenix
简介:这是一个Java中间层,可以让开发者在Apache HBase上执行SQL查询。Phoenix完全使用Java编写,代码位于GitHub上,并且提供了一个客户端可嵌入的JDBC驱动。
Phoenix查询引擎会将SQL查询转换为一个或多个HBase scan,并编排执行以生成标准的JDBC结果集。直接使用HBase API、协同处理器与自定义过滤器,对于简单查询来说,其性能量级是毫秒,对于百万级别的行数来说,其性能量级是秒
二、Stinger
简介:原叫Tez,下一代Hive,Hortonworks主导开发,运行在YARN上的DAG计算框架。
某些测试下,Stinger能提升10倍左右的性能,同时会让Hive支持更多的SQL,其主要优点包括:
❶让用户在Hadoop获得更多的查询匹配。其中包括类似OVER的字句分析功能,支持WHERE查询,让Hive的样式系统更符合SQL模型。
❷优化了Hive请求执行计划,优化后请求时间减少90%。改动了Hive执行引擎,增加单Hive任务的被秒处理记录数。
❸在Hive社区中引入了新的列式文件格式(如ORC文件),提供一种更现代、高效和高性能的方式来储存Hive数据。
三、Presto
简介:Facebook开源的数据查询引擎Presto ,可对250PB以上的数据进行快速地交互式分析。该项目始于 2012 年秋季开始开发,目前该项目已经在超过 1000 名 Facebook 雇员中使用,运行超过 30000 个查询,每日数据在 1PB 级别。Facebook 称 Presto 的性能比诸如 Hive 和 Map*Reduce 要好上 10 倍有多。
Presto 当前支持 ANSI SQL 的大多数特效,包括联合查询、左右联接、子查询以及一些聚合和计算函数;支持近似截然不同的计数(DISTINCT COUNT)等。

大数据平台的软件有哪些?

8. 大数据有哪些常用的平台?

大数据有三个主要部分,分别是数学,统计学和计算机等学科。大数据基础知识往往决定了开发人员未来的成长高度,所以要重视基础知识的学习。
大数据平台是对海量结构化、非结构化、半机构化数据进行采集、存储、计算、统计、分析处理的一系列技术平台。大数据平台处理的数据量通常是TB级,甚至是PB或EB级的数据,这是传统数据仓库工具无法处理完成的,其涉及的技术有分布式计算、高并发处理、高可用处理、集群、实时性计算等,汇集了当前IT领域热门流行的各类技术。

扩展资料:
注意事项:
大数据的第一站就是收集和存储海量数据(公开/隐私)。现在每个人都是一个巨大的数据源,通过智能手机和个人笔记本释放出大量的个人行为信息。获取数据似乎已经变得越来越容易,数据收集这一模块最大的挑战在于获取海量数据的高速要求以及数据的全面性考虑。
传统商业智能在数据清洗处理的做法(ETL)是,把准确的数据放入定义好的格式中,通过基础的抽取统计生成高维度的数据,方便直接使用。然而大数据有个最突出的特征——数据非结构化或者半结构化。因为数据有可能是图片,二进制等等。数据清洗的最大挑战来了——如何转化处理大量非结构数据,便于分布式地计算分析。
参考资料来源:百度百科-大数据