京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在数据科学的工具箱中,析因分析(Factor Analysis, FA)、聚类分析(Clustering Analysis)与主成分分析(Principal Component ...
2025-12-18自2017年《Attention Is All You Need》一文问世以来,Transformer模型凭借自注意力机制的强大建模能力,在NLP、CV、语音等领域 ...
2025-12-18在CDA(Certified Data Analyst)数据分析师的时间序列分析工作中,常面临这样的困惑:某电商平台月度销售额增长20%,但增长是来 ...
2025-12-18在机器学习实践中,“超小数据集”(通常指样本量从几十到几百,远小于模型参数规模)是绕不开的场景——医疗领域的罕见病数据、 ...
2025-12-17数据仓库作为企业决策分析的“数据中枢”,其价值完全依赖于数据质量——若输入的是缺失、重复、不一致的“脏数据”,后续的建模 ...
2025-12-17在CDA(Certified Data Analyst)数据分析师的日常工作中,“随时间变化的数据”无处不在——零售企业的每日销售额、互联网平台 ...
2025-12-17在休闲游戏的运营体系中,次日留存率是当之无愧的“生死线”——它不仅是衡量产品核心吸引力的首个关键指标,更直接决定了后续LT ...
2025-12-16在数字化转型浪潮中,“以用户为中心”已成为企业的核心经营理念,而用户画像则是企业洞察用户、精准决策的“核心工具”。然而, ...
2025-12-16在零售行业从“流量争夺”转向“价值深耕”的演进中,塔吉特百货(Target)以两场标志性实践树立了行业标杆——2000年后的孕妇精 ...
2025-12-15在统计学领域,二项分布与卡方检验是两个高频出现的概念,二者都常用于处理离散数据,因此常被初学者混淆。但本质上,二项分布是 ...
2025-12-15在CDA(Certified Data Analyst)数据分析师的工作链路中,“标签加工”是连接原始数据与业务应用的关键环节。企业积累的用户行 ...
2025-12-15在Python开发中,HTTP请求是与外部服务交互的核心场景——调用第三方API、对接微服务、爬取数据等都离不开它。虽然requests库已 ...
2025-12-12在数据驱动决策中,“数据波动大不大”是高频问题——零售店长关心日销售额是否稳定,工厂管理者关注产品尺寸偏差是否可控,基金 ...
2025-12-12在CDA(Certified Data Analyst)数据分析师的能力矩阵中,数据查询语言(SQL)是贯穿工作全流程的“核心工具”。无论是从数据库 ...
2025-12-12很多小伙伴都在问CDA考试的问题,以下是结合 2025 年最新政策与行业动态更新的 CDA 数据分析师认证考试 Q&A,覆盖考试内容、报考 ...
2025-12-11在Excel数据可视化中,柱形图因直观展示数据差异的优势被广泛使用,而背景色设置绝非简单的“换颜色”——合理的背景色能突出核 ...
2025-12-11在科研实验、商业分析或医学研究中,我们常需要判断“两组数据的差异是真实存在,还是偶然波动”——比如“新降压药的效果是否优 ...
2025-12-11在CDA(Certified Data Analyst)数据分析师的工作体系中,数据库就像“数据仓库的核心骨架”——所有业务数据的存储、组织与提 ...
2025-12-11在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05