
大数据产业趁势上“云端”
全国首个智慧“微城市”试点;江苏省大数据产业园;江苏省电子商务示范基地;中关村(盐城)大数据产业联盟……作为国家智慧城市建设首批示范区,近年来城南新区围绕新产业经济,努力推动从消费型互联网向生产型互联网转型,积极培育“互联网+”产业,打造新经济增长点。通过大力实施城市智慧化、智慧产业化“两化”融合战略,努力打造苏北乃至全省一流的绿色发展先行区、智慧产业集聚区、产城融合示范区,为江苏“互联网+”产业发展探索新路、建立标杆、做好示范。
城南新区是我市大数据产业的主要承载区,是全市最年轻的板块。自2006年开始建设以来,全区“白手起家”,在一片农田上建起了一座现代化新城;“从零起步”,在一张白纸上绘就最新、最前沿的产业蓝图;“无中生有”,在市委、市政府的率领下,充分发扬“马上就办”、“事在人为、干就干好”的工作作风,积极抢抓机遇,拿出当年抓汽车产业的劲头搞大数据产业,用3年时间初步实现了“造城”向“建区”的转变,实现了产城融合发展。今年,我市将大数据产业作为全市“产业创新十大工程”之一,举全市之力重点推进。
要想富,先有“数”。以大数据产业核心技术为基础,城南新区规划建设30平方公里的智慧科技城大数据产业园,邀请了国际国内一流的设计师,按照国家智慧城市的示范标准进行规划设计。大数据产业园空间布局为“一核三园”,一核即核心区,三园分为高等职业教育园、智能装备制造园、数字生态应用园,已初步形成了数据中心、云计算、数据分析应用、端产品制造四大产业体系和民生、产业、政务三大数据应用,“云端”新盐城初露端倪。
产业发展、载体先行。采取政府主导、市场运作等多元化投资方式,城南新区全面加快载体建设,不断增强项目承载能力。大数据产业园创新大厦已经投入使用,软通大数据产业园、华夏脉络智慧产业园等载体建设正在快速推进,市级信息资源、智慧城市体验、城市管理运营“市级三中心”项目完成内外装修,展示中心即将对外开放。目前,已建成及在建各类载体达100万平方米,今年底可建成50万平方米,提供拎包即住的“一站式”服务。
平台建设,离不开产学研合作。城南新区已全面与各类高校、院所开展合作,依托高校、科研院所的资源优势,助推产业发展。今年,市、区都出台了“515”人才引进三年行动计划(到2017年,每年引进5万名大学生、1万名专门人才、500名领军人才),高端人才不断汇集。中国工程院院士倪光南,中国工程院院士、中科院绿色数据中心创建者顾国彪,“国内互联网之父”许榕生等一大批国内顶级数据专家汇聚盐城,目前城南新区已引进了4名两院院士、2名外籍院士、13名国家“千人计划”专家和60名双创领军人才。
近年来,城南新区坚持绿色发展、创新驱动、资源整合原则,形成大数据信息资源、大数据管理资源、大数据人才资源的集聚,推行一个产业定向发展、一名领导全权负责、一支队伍自主选配、一笔资金专项使用、一套机制灵活管理的工作机制,实现了领导力量、招商重点、经济工作重心全面聚焦到大数据产业。产业研讨会召开、密集招商、专题推介……浓烈的发展氛围吸引了众多大数据企业云集于此:华为云服务项目、腾讯“互联网+城市”项目、微软云计算创新中心等云计算项目,东方国信、中润普达等数据分析应用项目,中科伺服智能制造、中科煜宸3d打印等端产品制造项目相继落户,“载体—平台—应用”的产业功能体系已初步形成。截至目前,已创建平台15个,入驻企业78个;已落户世界500强、国内100强、行业前10强大数据项目23个,知名大数据专业应用项目55个。
7月2日,省委书记罗志军在大数据产业园调研时提出,希望产业园加大对高层次人才的吸引力度,为创新创业营造良好环境。举旗大数据,尽管时间不长,但在省、市领导的关怀关心下,城南新区按下了产业发展快进键。按照“一年建设载体,两年培育产业,三年基本建成”为时序,城南新区计划在三年内,引进大数据龙头企业15家、中小企业300家,实现大数据产业投入200亿元,全力创建国家级大数据产业基地、国家级科技孵化器、国家级软件和信息服务产业园等3个国家级牌子,努力打造国家级绿色数据中心、华东地区重要的行业数据开发服务中心、大数据交易中心等3个中心。五年内,培育引进大数据相关企业500家,大数据产业实现产值达500亿元,带动相关产业规模超3000亿元,建成国际知名、国内一流的富有盐城特色的大数据产业园。在全国形成“西有贵阳、东有盐城”的大数据产业发展格局,为“迈上新台阶、建设新江苏”做出应有贡献。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09