
统筹推进大数据 四大工程建设
积极发展大数据产业是贵阳加快发展的机会窗口和超常规发展的重要抓手。发展大数据产业既是贵阳实现后发赶超的创新性产业方向,又是贵阳实现产业转型和新型工业化的战略选择,也是贵阳着力促进“四化”同步发展、坚守两条底线、奋力打造贵阳发展升级版的必由之路。当前贵阳市正从强化政策带动、金融推动、市场驱动、外力拉动等多个角度发力,统筹推进全市大数据强基、筑云、智端和掘金四大工程的建设。预计到2016年底,贵阳大数据相关产业规模达到540亿元,约占全市信息产业总产值的30%,相当于2013年贵阳地区生产总值的四分之一;大数据龙头企业达到30家,上市公司5家以上,聚集200家大数据企业,引进和培养5000名以上大数据研发与应用人才,形成完整的大数据产业体系。当前全市上下应紧紧咬住这些奋斗目标,俯下身子,真抓实干,不折不扣地积极贯彻落实大数据产业发展应用规划和政策措施,着力做好五个方面的工作。
一是坚持政府推动和市场主导相结合。发展大数据产业的基本原则是市场驱动,政府引导,资源整合。为此,要发挥好省大数据产业发展领导小组的作用,加快组建大数据产业管理机构,为大数据产业发展提供组织保障。政府要主动适应互联网特别是移动互联网万物互联时代产业发展的新形势,打破传统时代服务企业的固有模式,探索基于信息化、云计算等新技术条件的新服务方式,努力为大数据企业提供新服务。要创新政府服务模式,精准把握大数据企业的发展需求,加快数据交易、流通平台建设,推动服务流程和模式升级换代,建立规则、强化监管、科学引导,促进产业良性发展。
市场需求是大数据产业发展的推动力量,大数据产业发展要以应用为抓手有序推进,发挥市场的配置作用,大力培育和引进市场主体,依托贵安新区大数据产业基地,建设数据交换(交易)平台,使市场在大数据产业发展中“点石成金”的效应最大化。
大力引进战略投资者和风险投资者。更加注重开展招商引资,通过政府简政放权换来市场高效配置,在基础设施建设、应用服务、研发设计等方面引进一批优强企业,催生增值服务、端产品制造等各个层面企业群,鼓励产业链上下游之间进行数据交换,培育面向应用的数据资产交易市场。
二是培育形成完整的大数据产业链。在产业链的每个环节,既要大力引进大企业,也要促成初创企业生成。在大数据产业生态基础层和分析层加强技术攻关、抢占技术前沿。围绕海量数据存储、数据库技术、数据挖掘、数据信息应用、信息安全等重点方向,以企业为主体加强关键技术攻关并推动成果产业化,形成一批达到国家制高点水平的“杀手锏”技术。在大数据产业生态应用层着力抓好增值服务层和配套端产品层服务。在增值服务层,重点引导数据挖掘应用,催生增值服务企业集群,可以培育出大量中小微企业。结合我省电子信息制造业实际,重点围绕提高本地配套能力,引进培育配套端产品企业,将“实业做实”,同时注重拓宽产业幅,谋划高端企业,发展芯片封装测试产业,推动我省集成电路产业起步发展。将云服务纳入政府采购目录,创造应用市场。发展贵阳智慧旅游、大健康产业、政府服务、网上金融。
三是积极申报国家级大数据科技产业园(产业基地)。区域经济发展的快慢很大程度上取决于国家制度及支持力度。国家级大数据科技产业园(以下简称大数据产业园))从成立到后续的开发建设都属于国家战略,大数据产业园的获批,对于大数据企业的发展,意味着项目加资金加政策倾斜。大数据产业园作为大数据企业的重要聚集基地,能够有效地创造聚集力,通过共享资源、克服外部负效应,带动关联产业的发展,从而有效地提升企业效益、提升地区品牌、创造社会价值和推动产业集群的形成。建议以贵阳云基地、呼叫中心、高新区顶新国际大陆云端大数据总部、贵阳市大数据服务外包示基地为依托,积极申报国家级大数据技术产业园(产业基地),争取国家级政策扶持,加快大数据产业的发展。
四是加快培养大数据技术人才。发挥好平台作用,加快培训和引进一批创新型技术人才和应用型大数据技术人才,以大数据领域研发和产业化项目为载体,积极引进一批领军人才和高端人才,鼓励大数据产业人才到贵阳创业。既要发挥好中关村贵阳科技园平台作用,又要发挥好在筑高校院所科技创新联盟作用,更要发挥好贵州省大数据产业联盟平台作用;更好发挥好贵州省大数据产业发展应用研究院、贵州大学大数据与信息工程学院平台作用,加快培养一批大数据产业发展急需人才,为奋力打造贵阳发展升级版提供强劲智力支持。
五是促进大数据前沿的技术创新。促进大数据前沿的技术创新要大力支持大数据工程和学术紧密结合,开展前沿技术攻关;着力发展服务器、移动智能终端产品、云计算与大数据通用基础软件、移动互联网应用软件等产品的企业,构建较为完整的电子信息软硬件产品链;培育开源社区,加强技术扩散和产业化,鼓励参与国际开源社区,培育自主开源社区,加快国际、国内先进技术产业化;建设公共服务平台,推进软硬件产品链垂直整合和企业间战略合作;大力发展面向信息技术产业的规划咨询、方案设计、投融资服务、系统集成、测试评估、安全审计、人员培训等公共服务,增强产业技术创新支撑能力,加快大数据分析能力和利用能力建设。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 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 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29