京公网安备 11010802034615号
经营许可证编号:京B2-20210330
十项大数据工程如何"数据强国"
据了解,《纲要》是我国发布的首个大数据国家行动计划,旨在全面推进我国大数据发展和应用,加快建设数据强国。该计划提出从政府大数据、大数据产业、大数据安全保障体系三个方面着手推进大数据领域的十大工程。
其中,包括推进政府数据资源共享开放工程、国家大数据资源统筹发展工程、政府治理大数据工程、公共服务大数据工程等4大“政府大数据”工程;工业和新兴产业大数据工程、现代农业大数据工程、万众创新大数据工程、大数据关键技术及产品研发与产业化工程、大数据产业支撑能力提升工程等5大“大数据产业”工程;以及网络和大数据安全保障工程。
2020年民生保障领域的政府数据向社会开放
与十八大以来发布的诸多国务院文件一样,《纲要》明确了行动计划中的部分任务的完成时间:2017年底前跨部门数据资源共享共用格局基本形成;到2018年,开展政府和社会合作开发利用大数据试点,中央层面构建形成统一的互联网政务数据服务平台,跨部门共享校核的国家人口基础信息库、法人单位信息资源库、自然资源和空间地理基础信息库等国家基础信息资源体系基本建成,2018年底前建成国家政府数据统一开放平台等。
到2020年,形成一批具有国际竞争力的大数据处理、分析、可视化软件和硬件支撑平台等产品。培育10家国际领先的大数据核心龙头企业,500家大数据应用、服务和产品制造企业。实现关键部门的关键设备安全可靠。
2020年底前,逐步实现信用、交通、医疗、卫生、就业、社保、地理、文化、教育、科技、资源、农业、环境、安监、金融、质量、统计、气象、海洋、企业登记监管等民生保障服务相关领域的政府数据集向社会开放。
建立国家大数据发展应用统筹协调机制
《纲要》提出建立国家大数据发展和应用统筹协调机制,推动形成职责明晰、协同推进的工作格局,强化国家数据资源统筹管理。同时设立大数据专家咨询委员会,为大数据发展应用及相关工程实施提供决策咨询。
《纲要》还表示,要修订政府信息公开条例,制定政府信息资源管理办法,建立政府部门数据资源统筹管理和共享复用制度;同时研究推动网上个人信息保护立法工作,推动出台相关法律法规,加强对基础信息网络和关键行业领域重要信息系统的安全保护。
另外,《纲要》明确要加快建立大数据市场交易标准体系,同时强化中央财政资金引导,集中力量支持大数据核心关键技术攻关、产业链构建、重大应用示范和公共服务平台建设等。
延伸
十项大数据工程如何“数据强国”?
1.政府数据资源共享开放工程
推动政府数据资源共享。制定政府数据资源共享管理办法。
形成政府数据统一共享交换平台。到2018年,中央政府层面实现金税、金关、金财、金审、金盾、金宏、金保、金土、金农、金水、金质等信息系统通过统一平台进行数据共享和交换。
形成国家政府数据统一开放平台。建立政府部门和事业单位等公共机构数据资源清单,制定实施政府数据开放共享标准,制定数据开放计划。
2.国家大数据资源统筹发展工程
整合各类政府信息平台和信息系统。在地市级以上(含地市级)政府集中构建统一的互联网政务数据服务平台和信息惠民服务平台。
整合分散的数据中心资源。构建形成布局合理、规模适度、保障有力、绿色集约的政务数据中心体系。开展区域试点。
加快完善国家基础信息资源体系。到2018年,跨部门共享校核的国家人口基础信息库、法人单位信息资源库、自然资源和空间地理基础信息库等国家基础信息资源体系基本建成。
加强互联网信息采集利用。制定完善互联网信息保存相关法律法规,构建互联网信息保存和信息服务体系。
3.政府治理大数据工程
推动宏观调控决策支持、风险预警和执行监督大数据应用。探索建立国家宏观调控决策支持、风险预警和执行监督大数据应用体系。
推动信用信息共享机制和信用信息系统建设。鼓励互联网企业运用大数据技术建立市场化的第三方信用信息共享平台,建设企业信用信息公示系统,初步建成社会信用体系。
建设社会治理大数据应用体系。实时采集并汇总分析政府部门和企事业单位的市场监管、检验检测、违法失信、企业生产经营、销售物流、投诉举报、消费维权等数据。
4.公共服务大数据工程
医疗健康服务大数据。建设覆盖公共卫生、医疗服务、医疗保障、药品供应、计划生育和综合管理业务的医疗健康管理和服务大数据应用体系。
社会保障服务大数据。建设由城市延伸到农村的统一社会救助、社会福利、社会保障大数据平台。
教育文化大数据。建立各阶段适龄入学人口基础数据库、学生基础数据库和终身电子学籍档案。
交通旅游服务大数据。建立综合交通服务大数据平台。建立旅游投诉及评价全媒体交互中心。
5.工业和新兴产业大数据工程
工业大数据应用。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。
服务业大数据应用。研发面向服务业的大数据解决方案。
培育数据应用新业态。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。电子商务企业应依法向政府部门报送数据。
6.现代农业大数据工程
农业农村信息综合服务。建设农产品全球生产、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。
农业资源要素数据共享。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。
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。
7.万众创新大数据工程
大数据创新应用。鼓励企业和公众发掘利用开放数据资源。
大数据创新服务。研发一批大数据公共服务产品。
发展科学大数据。构建科学大数据国家重大基础设施。发展科学大数据应用服务中心。
知识服务大数据应用。建立国家知识服务平台与知识资源服务中心。
8.大数据关键技术及产品研发与产业化工程
加强大数据基础研究。探讨建立数据科学的学科体系;研究面向大数据计算的新体系和大数据分析理论,探索建立数据科学驱动行业应用的模型。
大数据技术产品研发。加强数据存储、整理、分析处理、可视化、信息安全与隐私保护等领域技术产品的研发。
提升大数据技术服务能力。以应用带动大数据技术和产品研发,形成面向各行业的成熟的大数据解决方案。
9.大数据产业支撑能力提升工程
培育骨干企业。到2020年,培育10家国际领先的大数据核心龙头企业,500家大数据应用、服务和产品制造企业。
大数据产业公共服务。形成面向大数据相关领域的公共服务平台。
中小微企业公共服务大数据。形成全国统一的中小微企业公共服务大数据平台。
10.网络和大数据安全保障工程
网络和大数据安全支撑体系建设。到2020年,实现关键部门的关键设备安全可靠。完善网络安全保密防护体系。
大数据安全保障体系建设。建设完善金融、能源、交通、电信、统计、广电、公共安全、公共事业等重要数据资源和信息系统的安全保密防护体系。
网络安全信息共享和重大风险识别大数据支撑体系建设。建立网络安全信息共享机制,推动政府、行业、企业间的网络风险信息共享。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27在CDA(Certified Data Analyst)数据分析师的能力体系与职场实操中,高维数据处理是高频且核心的痛点——随着业务场景的复杂化 ...
2026-03-27在机器学习建模与数据分析实战中,特征维度爆炸、冗余信息干扰、模型泛化能力差是高频痛点。面对用户画像、企业经营、医疗检测、 ...
2026-03-26在这个数据无处不在的时代,数据分析能力已不再是数据从业者的专属技能,而是成为了职场人、管理者、创业者乃至个人发展的核心竞 ...
2026-03-26