
国家出大数据发展纲要 部署三大任务助力经济转型
“大数据”这个词现在很热,可究竟什么是大数据?很多人一下子说不上来,或者说是一知半解。中国人民大学公共政策研究院执行副院长毛寿龙说,通俗来讲,大数据就是标准化的信息之外,和时间、地点等相关的更多信息。
毛寿龙:比如说一个人,他基本的信息是姓名、性别、年龄,这基本信息有用,但对认识一个人非常困难;如果要加很多信息,比如他做过什么事情,或者他在哪儿讲过话,他经常去哪儿玩,这样可以更全面地认识这个人。
业内分析,在未来5到10年,大数据产业将可能迎来黄金增长期。根据国家金融信息中心指数研究院发布报告显示,2010年我国大数据市场规模为32亿元,到2016年预计将达238亿美元。
贵阳大数据交易所总裁王叁寿是这次《纲要》的起草人之一。在他看来,《促进大数据发展行动纲要》的作用是要激活中国大数据的资产价值,未来我国大数据的市场规模将达到上万亿元。
王叁寿:我们说大数据本身作为一种资产,它是无处不在的,但是,原来在没有《大数据发展纲要》这样一个顶层设计的时候,各级地方政府是没有把政府手里的数据资产激活的。政府手里掌握着大量的数据资产、数据资源,一旦把这个价值释放出来,我相信整个市场的规模会产生上万个亿,甚至成为继互联网以后最重要的一个产业。
“纲要”的正式发布,意味着“大数据”发展有了指南。下面我们来详细解读。
焦点一:加快政府数据共享
《纲要》部署了三大任务,首先提及的就是要加快政府数据开放共享,推动资源整合,提升治理能力。在毛寿龙看来,从目前来讲,政府公开数据的情况还跟不上百姓的需求。
毛寿龙:政府公开数据跟过去相比的话,应该是好得多,尤其是最近几年,发展是比较快的,但是和中央的总体要求,以及老百姓的需求角度来讲,政府公开数据及其他各个方面的东西还是比较少的。
如何寻找到“加快政府数据开放共享”的突破口?毛寿龙给出了三点建议。
毛寿龙:首先是中央政府的明确要求,要求公开哪些信息,而且不需要考虑任何后果。第二个层次是一种权力结构的要求,也就是说我们不能任何事情都要经过批准以后才能公开。第三,中央政府要求各级政府在信息公开方面有足够的投入,因为信息公开也不是免费的,信息如果公布出去,投资的通道特别小,公布的通道特别小,信息即使放在那,实际上也有很多技术性的障碍,以及资源性的障碍。
焦点二:推动产业创新发展
《纲要》提出的第二项任务是要推动产业创新发展,培育新兴业态,助力经济转型。有人会问,新兴业态和大数据有什么关系?毛寿龙解释说,大数据的发展可以让新兴产业降低信息成本,营造一个良好的信息环境。
毛寿龙:哪怕是开个饭馆,但他不知道东西到底应该在哪里,或者政府本身有一些优惠的措施,但是企业家都不知道。因为新兴产业这方面的资源比较少,发现资源、利用资源的过程都比较漫长。政府把信息公开、把资源公开,可以让新兴产业有一个非常好的信息发展环境。
王叁寿举例说,大数据同样可以改变新兴产业的盈利模式。
王叁寿:比如说滴滴打车,它是不是靠打车来收取你的中间手续费呢?不是。你通过它这个平台打车,积累了大量的数据,那么它有可能通过这个大数据来做金融衍生业务,这个就是我们讲的大数据改变了很多行业的盈利模式。
焦点三:惠及全民
《纲要》提出,要打造精准治理、多方协作的社会治理新模式。在大数据时代,信息都是扁平化的。毛寿龙认为,在这种情况下,如果继续原来金字塔式的管理模式去进行社会治理,显然是不合时宜的。
毛寿龙:当信息充分成为公共信息以后,社会与政府之间的合作,社会组织之间相互的合作,社会与个人之间的合作,它就会形成一个相互比较精准的一种对接式的、网络式的治理结构,这个时候如果从治理的角度来思考社会管理、社会治理等等,应该说是比较适合新时代数据结构的。
大数据除了要在社会治理方面有所作为外,构建以人为本、惠及全民的民生服务新体系,同样是《纲要》提出的一项重要目标。
毛寿龙:这个方面,大数据实际上是很重要的,包括小学、幼儿园也是一样,很多都是公共的资源,但是老百姓不知道哪些小学还有空位,有些可能是公共服务、有些可能是私人服务,公共信息系统建立好了以后,这些公共服务会做得更好,每个人都可以从公共服务里面获得更好的服务。
大数据向前进 安全不能拖后腿
根据《纲要》的部署,除了上面提到的任务和目标以外,数据安全同样不能忽视。王叁寿认为,要从内容安全、技术安全、交易安全三个方面加强防范。
王叁寿:第一个叫内容安全,就是谁有权利来采集这些数据,我们同时要出台法律来惩罚数据的滥用者,你要滥用我的数据我就可以惩罚你;第二的话就是技术安全,我想技术安全从信息化的角度是可以保证的;第三的话就是交易安全,数据的话我交易给你,我交易给他,如何保证交易的合法性。
多地政府纷纷试水大数据 成绩亮眼
其实早在《纲要》公布之前,多地政府已经纷纷试水政府大数据。比如,青海、宁夏、济宁、苏州、包头、金华等地已经纷纷联合国内知名大数据企业合资成立了地方大数据公司,全面参与政府数据公开的工作。
另外,贵阳市作为我国大数据产业技术创新试验区,立足打造大数据全产业链。目前,贵阳大数据正探索从“内容中心”到“服务中心”到“金融中心”的链条式发展,贵阳高新区自2014年以来聚集了戴尔、博科、世欣蓝汛等700多家大数据相关企业,大数据产业规模超过200亿元。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25