
以更加坚定的信心和更加扎实的作风 把大数据产业发展抓紧抓实抓出成果
7月23日,贵州省大数据产业发展领导小组第四次会议在贵阳召开。省委副书记、省长、省大数据产业发展领导小组组长陈敏尔出席并讲话。他强调,各地各有关部门要认真贯彻落实习近平总书记视察贵州时的重要讲话精神,进一步把思想、认识和行动统一到省委、省政府的决策部署上来,以更加坚定的信心和更加扎实的作风,把大数据产业发展抓紧抓实抓出成果。
省委常委、常务副省长、领导小组常务副组长秦如培,省委常委、贵阳市委书记、领导小组副组长陈刚,副省长、领导小组副组长王江平,省政协副主席、副组长谢晓尧出席会议并讲话。会议由秦如培主持。
陈敏尔指出,党中央、国务院对贵州发展大数据高度重视、寄予厚望。习近平总书记在去年全国“两会”以及前不久到贵州视察期间对贵州发展大数据产业给予充分肯定。李克强总理、马凯副总理在贵州视察时对贵州大数据产业发展提出明确要求。在各级各有关部门的共同努力下,贵州大数据产业发展较早迈开了步子,发出了先声,取得了阶段性成果。大数据管大用。发展大数据产业是省委、省政府坚守两条底线的战略选择,是贵州弯道取直、寻找一片“蓝海”的现实路径。各地各有关部门要坚持知行合一,发扬钉钉子精神,多学多思多做,在实践中出真知、出干货,拿事实说话、靠作风吃饭,进一步形成高度共识、形成强大合力,共同推动大数据产业加快发展。
陈敏尔强调,要积极探索大数据产业发展的形态和业态。大胆先行先试,以应用和服务为导向打造大数据全产业链。一要加快发展大数据核心产业。发展大数据存储产业,促成更多优质资源落户贵州;发展大数据加工产业,通过数据采集、分析、清洗、脱敏、建模,深入挖掘大数据商业价值和管理价值;发展大数据应用设计创意服务产业,让更多数据资源进入市场、服务社会;发展大数据安全服务产业,确保数据安全和信息安全;发展大数据交易产业,让数据成为可供交易的商品;发展智能端产品制造业,推动手机、平板电脑、智能穿戴设备等集聚化规模化生产;发展大数据教学培养研发产业,培养更多实用人才,研发更多先进产品。二要加快发展大数据关联产业。着力发展服务外包和呼叫服务产业,推动软件和信息技术、设计、研发、工业、科技服务等领域服务外包,做大做强呼叫中心产业;着力发展电子商务,狠抓主体建设、平台支撑和模式创新,推进农村电子商务、社区电子商务和跨境电子商务加快发展;着力发展互联网金融、智慧旅游、智慧物流、智慧教育、智慧能源、智慧医疗等产业,积极培育大数据产业新业态。三要加快发展大数据延伸产业。进一步拓宽大数据产业幅,延伸大数据产业链。各地各有关部门要结合自身实际,找准产业发展的导航灯和定位器,优化产业布局,引进和培育一批龙头示范企业,加快研发和投资项目建设,制定出台一批扶持政策,推动大数据产业特色化、差异化发展。
陈敏尔要求,要抓好大数据产业发展的平台建设。全力打造大数据示范平台,利用国家层面已经批复和即将批复创建的实验区、集聚区、创新试验区等载体,创造可借鉴、可复制、可推广的经验。全力打造大数据集聚平台,重点建好大数据内容中心,
积极向上向外招引数据资源,吸引一批国家级、行业级、龙头企业数据中心集聚贵州。全力打造大数据应用平台,突出抓好“云上贵州”系统平台建设,进一步理清系统业务构架,解决好生态空间布局、标准、接口等问题,完善“云长”负责制,把“云上贵州”品牌做响做亮。全力打造大数据交易平台,以贵阳大数据交易所为重点,加快数据交易系统建设,完善定价规则和交易流程,抢占行业发展的制高点。全力打造大数据金融服务平台,创建一批互联网金融产业园区,创新互联网金融业态,为大数据产业发展提供更多金融产品和服务。全力打造大数据交流合作平台,统筹谋划、提前筹备好明年贵阳数博会和电子商务创新发展峰会,进一步强化成果展示和招商引资功能,发出贵州大数据发展的好声音。全力打造大数据创业创新平台,继续办好“云上贵州”大数据商业模式大赛,加快建设一批众创空间,推进创意与资本嫁接,让创意之花结出产业之果。
陈敏尔强调,当前要更加重视推进信息基础设施建设会战,像抓交通建设一样抓信息基础设施建设,强化指挥调度,加快工作进度,加大投资力度,构建“出省宽、省内联、覆盖广、资费低”的信息基础设施体系。要加大招商引资引才力度,紧紧围绕大数据产业业态组织有针对性的推介活动,强化人才培养和引进,为大数据产业发展提供有力支撑。要研究制定相关政策法规,探索数据信息安全、交易和保护机制,在数据安全地方立法、数据交易规则制订等方面先行先试。要抓紧制定大数据综合实验区创建行动方案,下定决心、众志成城,勇攀大数据产业发展高峰,努力实现后发先行、后发先至。
秦如培、陈刚、王江平、谢晓尧分别对贯彻落实好会议精神,做好下一步大数据产业发展有关工作提出了要求。
会上,省经信委、贵阳市和贵安新区作情况汇报,部分市州和省有关部门作发言。
省政府秘书长唐德智,省大数据产业发展领导小组成员和有关单位、企业、高校负责人参加会议。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02