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。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24