京公网安备 11010802034615号
经营许可证编号:京B2-20210330
优化政策,促进大数据产业健康发展
大数据产业是指建立在互联网、物联网等渠道的大量数据资源基础上的数据存储、价值提炼、智能处理的信息服务业。该产业近年成为新的技术制高点和经济增长的新动力。
专家学者和业内人士认为,我国大数据产业目前呈现良好发展态势,但面临一些困难,需优化产业政策,促其健康发展。
态势良好
北京大学教授杨学山等人士认为,相较于发达国家,我国大数据产业还处于探索起步阶段,但在对大数据的社会认知、政策环境、市场规模、产业支撑能力等方面取得了积极进展,为大数据产业可持续发展创造了良好条件。
大数据产业发展政策日益完善。大数据产业是云计算技术、物联网、移动互联网广泛普及的结果。鉴于大数据对经济、社会、科研、国家安全等方面的巨大价值,我国各级政府制定政策推动大数据产业发展。2015年8月,国务院印发《促进大数据发展行动纲要》,标志着大数据产业已被提升为国家战略高度。
大数据产业发展平台逐渐建立。随着国家和地方政府大数据产业发展政策的制定和实施,大数据产业发展的相关平台逐步建立。全国各地已建成和在建的大数据产业园已达100多个。为推动大数据研究,学术界成立了大数据专家委员会等机构,举办了大数据共享与开发、大数据技术创新、大数据运用、大数据产业发展等主题的学术研讨会。
市场空间持续扩大。大数据产业主要涉及数据的收集、存储、分析和运用等环节,其在金融、电子商务、电信、医疗、农业、军事、政务等领域发挥着越来越重要的作用。虽然我国大数据产业还处在起步阶段,但已彰显出巨大的市场空间和持续增长的态势。
面临困难
中国工程院院士孙家广等专家认为,大数据产业发展具有极强的技术和信息依赖性,由于我国大数据产业起步滞后以及基础条件不够成熟,其在快速发展的同时,面临的困难日益显现:
信息壁垒降低了大数据产业资源配置效率。大数据产业发展必须实现数据信息的自由流动和共享,如果数据不开放、不共享,数据整合就不能实现,数据价值也会大大降低。然而,这一问题并没有得到相关部门的足够重视。这主要是由于地方政府没有形成与大数据产业发展相适应的全局思维。此外,政府部门是社会信息的主要控制者,其信息又分别被不同部门和区域控制,而不同部门和区域数据标准各异,信息资源也就难以实现共享。
数据安全管理薄弱增加了大数据产业发展的风险。我国目前面对的现实是保护大数据安全能力不足、大数据安全法律法规缺失、网络信息管理体制存在缺陷等,这些问题增加了大数据产业发展的风险。
产业生态体系短板阻碍大数据产业链和产业集群的形成。我国大数据产业虽已覆盖多个领域,但仍处于起步阶段,主要体现为:各领域大数据企业分散现象普遍;产业发展、政策、平台、创新、环境等不协调……
优化政策
中国科学院院士、北京理工大学副校长梅宏认为,为克服困难,促进我国大数据产业健康发展,相关的产业政策应优化:
完善大数据产业发展战略规划,优化产业布局。应优化对大数据产业的战略规划,明确方向和重点,制定长、中、短期发展目标,完善投融资、税收、知识产权、利益分配等的政策,为大数据产业创造良好的发展环境。
依托大众创新创业优化大数据产业发展环境。大众创新创业有利于增强创新驱动活力、拓宽创业渠道、优化创新环境、促进中小企业发展、优化产业结构等,这是解决大数据发展创新技术受限、企业竞争不充分等问题的有效途径,所以应充分利用好大众创新创业,优化大数据产业发展的环境。
加强大数据共享平台和安全保障体系建设。在数据共享方面,应尽快制定和出台《公共信息资源开发共享管理办法》,以法律形式规定公共信息资源开放共享的内容、程序、标准等,并在此基础上建立公共信息资源共享网站,形成共享服务体系;在数据安全方面,应完善国家数据安全法律法规。同时加强网络安全基础设施建设,提高对抗网络攻击、加密、入侵检测等技术的水平,建立和完善大数据安全应急机制。
实施融合发展战略,构建大数据产业生态体系。这里的融合发展既包括大数据与其他产业的融合,也包括大数据企业与政府、社会组织的融合。构建大数据产业与其他产业发展的联动机制,组建全国性、区域性的大数据产业联盟,加强大数据产业链各个环节企业的合作就显得尤为重要。大数据产业发展需要同时发挥好政府、企业、社会中介等多方面的力量,聚集各方优势。企业应在产业发展过程中充当主体地位,政府应根据企业的需求,提供政策和服务。中介组织也不容忽视,政府部门应加强对大数据行业协会、科研机构、产业联盟等组织的培育和扶持,充分发挥它们在理论研究、技术研发、社会调研等方面的作用,使之成为推动大数据产业发展的另一支重要力量。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15