
促进大数据发展行动纲要:推动产业创新发展(4)
工业和新兴产业大数据工程
工业大数据应用。利用大数据推动信息化和工业化深度融合,研究推动大数据在研发设计、生产制造、经营管理、市场营销、售后服务等产业链各环节的应用,研发面向不同行业、不同环节的大数据分析应用平台,选择典型企业、重点行业、重点地区开展工业企业大数据应用项目试点,积极推动制造业网络化和智能化。
服务业大数据应用。利用大数据支持品牌建立、产品定位、精准营销、认证认可、质量诚信提升和定制服务等,研发面向服务业的大数据解决方案,扩大服务范围,增强服务能力,提升服务质量,鼓励创新商业模式、服务内容和服务形式。
培育数据应用新业态。积极推动不同行业大数据的聚合、大数据与其他行业的融合,大力培育互联网金融、数据服务、数据处理分析、数据影视、数据探矿、数据化学、数据材料、数据制药等新业态。
电子商务大数据应用。推动大数据在电子商务中的应用,充分利用电子商务中形成的大数据资源为政府实施市场监管和调控服务,电子商务企业应依法向政府部门报送数据。
3.发展农业农村大数据。构建面向农业农村的综合信息服务体系,为农民生产生活提供综合、高效、便捷的信息服务,缩小城乡数字鸿沟,促进城乡发展一体化。加强农业农村经济大数据建设,完善村、县相关数据采集、传输、共享基础设施,建立农业农村数据采集、运算、应用、服务体系,强化农村生态环境治理,增强乡村社会治理能力。统筹国内国际农业数据资源,强化农业资源要素数据的集聚利用,提升预测预警能力。整合构建国家涉农大数据中心,推进各地区、各行业、各领域涉农数据资源的共享开放,加强数据资源发掘运用。加快农业大数据关键技术研发,加大示范力度,提升生产智能化、经营网络化、管理高效化、服务便捷化能力和水平。
专栏6 现代农业大数据工程
农业农村信息综合服务。充分利用现有数据资源,完善相关数据采集共享功能,完善信息进村入户村级站的数据采集和信息发布功能,建设农产品(14.28 -4.48%,咨询)全球生产、消费、库存、进出口、价格、成本等数据调查分析系统工程,构建面向农业农村的综合信息服务平台,涵盖农业生产、经营、管理、服务和农村环境整治等环节,集合公益服务、便民服务、电子商务和网络服务,为农业农村农民生产生活提供综合、高效、便捷的信息服务,加强全球农业调查分析,引导国内农产品生产和消费,完善农产品价格形成机制,缩小城乡数字鸿沟,促进城乡发展一体化。
农业资源要素数据共享。利用物联网、云计算、卫星遥感等技术,建立我国农业耕地、草原、林地、水利设施、水资源、农业设施设备、新型经营主体、农业劳动力、金融资本等资源要素数据监测体系,促进农业环境、气象、生态等信息共享,构建农业资源要素数据共享平台,为各级政府、企业、农户提供农业资源数据查询服务,鼓励各类市场主体充分发掘平台数据,开发测土配方施肥、统防统治、农业保险等服务。
农产品质量安全信息服务。建立农产品生产的生态环境、生产资料、生产过程、市场流通、加工储藏、检验检测等数据共享机制,推进数据实现自动化采集、网络化传输、标准化处理和可视化运用,提高数据的真实性、准确性、及时性和关联性,与农产品电子商务等交易平台互联共享,实现各环节信息可查询、来源可追溯、去向可跟踪、责任可追究,推进实现种子、农药、化肥等重要生产资料信息可追溯,为生产者、消费者、监管者提供农产品质量安全信息服务,促进农产品消费安全。
4.发展万众创新大数据。适应国家创新驱动发展战略,实施大数据创新行动计划,鼓励企业和公众发掘利用开放数据资源,激发创新创业活力,促进创新链和产业链深度融合,推动大数据发展与科研创新有机结合,形成大数据驱动型的科研创新模式,打通科技创新和经济社会发展之间的通道,推动万众创新、开放创新和联动创新。
专栏7 万众创新大数据工程
大数据创新应用。通过应用创新开发竞赛、服务外包、社会众包、助推计划、补助奖励、应用培训等方式,鼓励企业和公众发掘利用开放数据资源,激发创新创业活力。
大数据创新服务。面向经济社会发展需求,研发一批大数据公共服务产品,实现不同行业、领域大数据的融合,扩大服务范围、提高服务能力。
发展科学大数据。积极推动由国家公共财政支持的公益性科研活动获取和产生的科学数据逐步开放共享,构建科学大数据国家重大基础设施,实现对国家重要科技数据的权威汇集、长期保存、集成管理和全面共享。面向经济社会发展需求,发展科学大数据应用服务中心,支持解决经济社会发展和国家安全重大问题。
知识服务大数据应用。利用大数据、云计算等技术,对各领域知识进行大规模整合,搭建层次清晰、覆盖全面、内容准确的知识资源库群,建立国家知识服务平台与知识资源服务中心,形成以国家平台为枢纽、行业平台为支撑,覆盖国民经济主要领域,分布合理、互联互通的国家知识服务体系,为生产生活提供精准、高水平的知识服务。提高我国知识资源的生产与供给能力。
5.推进基础研究和核心技术攻关。围绕数据科学理论体系、大数据计算系统与分析理论、大数据驱动的颠覆性应用模型探索等重大基础研究进行前瞻布局,开展数据科学研究,引导和鼓励在大数据理论、方法及关键应用技术等方面展开探索。采取政产学研用相结合的协同创新模式和基于开源社区的开放创新模式,加强海量数据存储、数据清洗、数据分析发掘、数据可视化、信息安全与隐私保护等领域关键技术攻关,形成安全可靠的大数据技术体系。支持自然语言理解、机器学习、深度学习等人工智能技术创新,提升数据分析处理能力、知识发现能力和辅助决策能力。
6.形成大数据产品体系。围绕数据采集、整理、分析、发掘、展现、应用等环节,支持大型通用海量数据存储与管理软件、大数据分析发掘软件、数据可视化软件等软件产品和海量数据存储设备、大数据一体机等硬件产品发展,带动芯片、操作系统等信息技术核心基础产品发展,打造较为健全的大数据产品体系。大力发展与重点行业领域业务流程及数据应用需求深度融合的大数据解决方案。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10