
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在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29