京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据管道成城市重要基础设施
每年,大数据以成数倍于往年的数量增加,互联网企业在其中扮演着重要的角色;大数据的储存也面临前所未有的挑战,而连接硬件设备开发和计算应用的云计算企业更是被提到云层的高度;最后落到大数据在社会、经济、文化、生活等领域的应用。《行动纲要》涉及三个关键词“共享”、“开放”、“安全”。三个关键词背后指出三个问题:“共享”,为什么要加快政府大数据公开的进程?“开放”,企业创新的动力源在哪里?“安全”,如何保护个人隐私和信息安全?政府大数据公开的目的是改善民生,企业创新的目的是促进结构转型,信息安全建设的目的是完善法律。数据“共享”指向社会领域,“开放”指向经济领域,“安全”指向法律领域。由此说明,大数据产业牵一发而动全身。
三个关键词的出发点和落脚点都指向政府大数据,关于政府大数据的开放共享,关于政府大数据的研究与应用,关于政府大数据的示范影响效应。那么我们不禁要问,政府大数据的价值究竟何在?
为什么政府大数据更有价值?
这个问题从数量和质量两个层面说起。表面看,百度、阿里和腾讯都分别拥有数以亿计的用户量,但这与政府大数据相比,不是一个量级。九次方大数据创始人王叁寿曾经说过“阿里巴巴的数据容量也就是100PB左右,而仅一个北京市政府就拥有几百个PB的数据容量,相当于10个阿里巴巴。”这还仅仅是一个北京市政府。截至2014年,中国共有664个城市,2852个行政县,40446个行政乡。当前,中国中央和省级政务部门主要业务电子政务覆盖率已经达到70%。粗略估算,全国政府大数据加起来至少也该有数百甚至上千个阿里巴巴的体量。
而就大数据的质量,BAT企业的短板在于数据种类的单一化程度较高。政府大数据则涉及工商、税务、司法、交通、医疗、教育、通信、金融、地理、气象、房产、保险、农业等等领域,数据的种类繁多,关联性强、统计规格较为统一,便于应用处理。
据中国互联网络信息中心统计,截至2014年6月,使用“.gov.cn”域名的政府网站总数发展到近1.2万个。目前,96%的国务院部门建成了政府网站,约90%的省级政府、96%的地市级政府、77%的县级政府都拥有政府网站。政府网站不仅会将部分政府信息数据公开,同时开展网上办事和政民互动等服务。
贵阳大数据交易所推出的《2015年中国大数据交易白皮书》指出:在大数据时代,政府、社会、企业时时刻刻都在产生着大量的数据,政府作为国家主权的代表,是负责国家管理与民生服务的主体,拥有十分庞大的数据资源,并且也对当前的大数据应用有着迫切需求。据预测,中国数据总量于2020年将占全球数据量的24%,届时将成为世界上第一数据大国和“世界数据中心”。
政府大数据如何应用?
据中国电子技术标准化研究院《大数据标准化白皮书》指出,中国政府大数据主要应用于以下领域:智慧城市、政务、公共服务、医疗、教育、交通等,这些领域大多涉及国民生活和城镇化进程。其中,“智慧城市”、“政务”以及“公共服务”位列前三。这一调研结果与国务院的《纲要》内容精神不谋而合,在推动社会管理与公共服务方面,都倡导通过对大数据进行有效的应用,提高社会治理和服务水平。
截止至2014年底,中国的国家智慧城市试点已达193个,而公开宣布建设智慧城市的城市超过400个,投资总规模高达 5000亿元。智慧城市的概念包含了智能安防、智能电网、智慧交通、智慧医疗、智慧环保等多领域的应用,而这些都要依托于大数据,大数据产业是“智慧”的源泉。
中国对政务相关的政府大数据产业需求,也非常明显。由于全国各地区信息化发展的水平差异较大,政法信息化建设也存在着明显的区域差异性特征。国务院通过的《行动纲要》提出,“要推动政府信息系统和公共数据互联共享,消除信息孤岛,加快整合各类政府信息平台,避免重复建设和数据‘打架’,增强政府公信力,促进社会信用体系建设。”主要针对的就是政务数据的开放共享平台而言的。
值得强调的是,中国民众对政府公共服务的大数据产业发展也有着很大的期望。在进行公共决策或进行编制公共服务预算时,政府可以借助大数据技术在海量数据处理和挖掘方面的优势,对分散数据进行有效整合,深度挖掘,提高决策科学性和预算准确性。以上海市为例,2014年“上海政府数据服务网”,是国内首个政府数据服务网,启动了政府数据资源向社会开放试点工作。市民可以通过该网站下载212项数据产品、30项数据应用。上海市把全市政府资源数据集中存储和统一管理,并向社会公开,是对中国政府大数据产业的有益探索,是满足公共服务需求的大数据实践。这也符合《行动纲要》提出的“推动民生”领域的建设的需求。
根据最近数据显示,目前国内多地已在政府大数据开放领域有积极探索,其中贵阳、上海、广州等地已经引领先潮。贵阳市正在积极推进“十大工程”,着力把贵阳建设成为以大数据内容中心、服务中心、金融中心为内涵的“中国数谷”;上海市政府会同公安局、环境保护局、气象局等多个单位开放10个专用数据集,面向全球征集交通大数据应用解决方案;广州工信委正在筹建大数据管理局等等。可以预见,在《行动纲要》的积极鼓励下,会有更多地方政府参与到大数据开放与应用中去。
大数据管道成城市重要基础设施
《行动纲要》推出前,各地政府大数据谋划和探索已经纷纷启动,推出后,中央和各地政府网纷纷转载和加以解读,更加速了大数据开放燎原之势。虽然政府大数据从战略高度和商业价值层面来讲,潜力无限,但必须强调的是,大数据初建期,铺管道将为城市重要的基础设施。
举例来说,贵阳已被外界誉为“中国数谷”,很多人对此不解,为什么偏偏是贵阳?贵阳市领导就此曾说,发展大数据需要四个条件:电力、气候、硬件和人才。当然,前两个是贵阳先天优势,三、四是人为结果。客观来说,具备这四个条件的地方政府还有很多,而且在人才层面或许还更有优势。但不管怎样,发展大数据都不能也不可能跨越铺管道环节。大数据顶层设计出台,首先强调推动政府大数据开放,言外之意,大数据管道已经成为城市重要基础设施。
从上图可以看出,在我国大数据行业整体市场规模中,大数据基础建设占64.53%,大数据软件市场规模占25.47%,应用市场规模占10%。换句话说,大数据基础建设是目前我国发展大数据产业的重中之重。
正是基于这样一种市场分析,九次方大数据总裁创始人王叁寿将目前大数据行业发展现状看做是城市建设自来水管道系统时期。在九次方B轮融资介绍会上,他说,每个城市只建一套自来水供水系统,不可能建第二套,所以,九次方大数据现在做的事就是快速布局政府大数据基础体系的建设,抓住了这个先机,就赢得了大数据市场的第一步。至于自来水问题,那就是基础建设后顺理成章的事了。
不过,大数据基础建设仅仅是大数据行业发展的前期环节,等到基础环节铺设完善,自来水得以通畅流通了,那时大数据的价值才真正爆发出来,那就是大数据商业应用的时期了。
政府大数据基础设施建设现状如何?
政府大数据基础建设的爆点正在被点燃,市场份额也正在被快速瓜分。而这种基础建设的生命周期很短,一旦建成,市场就很难在该领域再找到机会。大数据管道建设涉及到设计、设备、技术等十分专业的工作,政府的策略是需求专业公司提供服务,而九次方大数据在大数据行业经过五年积累,已经具备大数据管道铺建的经验,这也成为九次方和各地政府大数据合作经验的基石。
《行动纲要》的主角,大数据,是李克强自2014年3月大数据首次写入政府报告后第9次被提及。这次意味着国家层面对“大数据”的理解进入了一个新的高度。家国智库理事长叶伟春说:“互联网的效应是‘加’,大数据的效应则是‘乘’,大数据能够产生倍增效应。”
可以看到,各地政府在大数据开放上也加快了推进步伐。从贵阳大数据交易所获知,几乎每天都能接到各地政府前往考察的通知,通过接触交流,政府逐渐意识到,大数据管道建设时代已经到来,布局大数据基础设施成为当务之急,而作为政府大数据基础建设的合作者和服务者,能够获得政策释放的红利,正如《行政纲要》最后所说:“让各类主体公平分享大数据带来的技术、制度和创新红利。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21