京公网安备 11010802034615号
经营许可证编号:京B2-20210330
国家信息中心周民:解读大数据纲要
自2015年8月国务院发布《促进大数据发展行动纲要》(以下简称大数据纲要)以来,大数据如雨后竹笋般成长起来,无论是政府还是产业界人士都在关注大数据的发展。国家信息中心周民副主任前段时间在中国(廊坊)大数据产业周活动中接受了IT168记者的采访,为我们详细解读了大数据纲要及大数据发展前景。
开放、创新、安全 大数据三大任务
通过大数据将推动政府管理理念和社会治理模式进步,加快建设与当前社会主义市场经济体制和中国特色社会主义事业发展相适应的法治型政府、创新政府、廉洁型政府、服务型政府,逐步实现政府治理能力现代化。
周民指出,大数据纲要部署有三方面主要任务。一要加快政府数据开放共享,推动资源整合,提升治理能力。大力推动政府部门数据共享,稳步推动公共数据资源开放,统筹规划大数据基础设施建设,支持宏观调控科学化,推动政府治理精准化,推进商事服务便捷化,促进安全保障高效化,加快民生服务普惠化。
在大数据行动纲要发布后,十八届五中全大数据又有重要的论述,在创新发展方面,要实施国家大数据战略。在这样的发展背景下,不论是政府也好,还是从事信息化的企业也好都要转变观念,用大数据思维提升国家治理能力。国家大数据战略其中一个重点就是要把政府掌握的数据共享和开放。
政府在履职的过程中形成了许多数据资源,虽然从数据量的角度来看它相比于社会经济生活中产生的数据相对较少,但政府大数据它的价值密度比社会数据资源价值密度高出许多。促进大数据的发展首先要促进政府大数据的开放、公开、共享。
二要推动产业创新发展,培育新兴业态,助力经济转型。发展大数据在工业、新兴产业、农业农村等行业领域应用,推动大数据发展与科研创新有机结合,推进基础研究和核心技术攻关,形成大数据产品体系,完善大数据产业链。
在产业方面要用创新发展的思路来推动大数据产业的发展。大数据纲要中同时提出了用创新发展带动整个大数据产业发展。从产业链角度来看,大数据包括了采集、处理、分析,以及交易、应用等多个环节,在这个产业链中底层需要基础支撑比如硬件、云计算技术、计算资源存储、数据挖掘分析工具到后续的支撑应用以及国际许多先进的技术。在这方面,我国还远未实现安全可控,关键核心技术还要依靠国外的产品,所以产业方面需要创新发展,加大对大数据关键技术研发、产业发展和人才培养力度,深化大数据应用,推动我国大数据产业健康发展。

▲国家信息中心周民副主任
三要强化安全保障,提高管理水平,促进健康发展。健全大数据安全保障体系,强化安全支撑。
大数据一旦集中起来,数据量将非常巨大,首先考虑的就是数据安全问题。一是从脱敏、去隐私化做好安全保障,二是要做好数据安全防护。
国家信息中心全力参与大数据战略落地
随着大数据纲要的发布,国家信息中心在大数据方面也在积极参与相关工作。比如大数据行动纲要指出在2018年要建成国家统一数据开放平台,其中中央层面国家统一数据共享与交换平台是由国家信息中心承建,目前该平台雏形已经建立,连接了几十个部委,这些部委都可以依托这个共享平台,实现自己的业务和其它业务的数据共享与交换。目前,已有多个重要信息系统在利用这个平台。未来随着信息化建设的不断深入,数据共享与交换平台将发挥出更重要的作用。
从产业的角度来看,国家信息中心采取了事企合作的方式,利用社会化的资源与技术,把产业的先进技术应用到系统建设中来。同时通过与廊坊市的积极合作,共同开展大数据等方面的应用与研究,将为今后政府数据进一步公开提供基础,并能够让社会企业利用数据资源开展增值服务。
虽然我们可以看到大数据的大好趋势以及发展前景,但大数据的广泛应用仍然存在一定的挑战。对于此,周民认为,大数据共享在不同的部门认知和理解需要一个过程,现在虽还不能做到所有部委都把数据进行公开、共享,但从近几年发展趋势来看,已经有部分部委把数据拿出来做共享,相信随着时间推移,会有越来越多的部委将数据进行共享,以更好的服务社会。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09