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
逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25