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
随着大数据技术的快速发展,商业竞争逐步从传统的经验式经营转变为数据驱动的精细化运营。海量的用户行为数据、交易数据、运营数 ...
2026-09-04CDA数据分析师 出品 作者:李诗怡 1. 波士顿矩阵(BCG Matrix) 定义: BCG于1970年提出的业务组合分析工具,以"市场增长率"(纵 ...
2026-09-04 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-09-04数据透视表是Excel与Power BI中最核心的数据分析工具,具备快速汇总、维度拆分、动态筛选的能力,可高效完成数据归类与统计展示 ...
2026-09-03在Power BI数据分析可视化场景中,堆积柱状图+折线图是最常用的复合图表组合。堆积柱状图适合展示各细分维度当期数值、结构占比 ...
2026-09-03 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-09-03CDA数据分析师 出品 作者:李诗怡 一、8个核心数据清洗函数 1. TRIM:一键清除多余空格(最常用) 作用:仅保留文本中"单词/字 ...
2026-09-02数据分析的核心并非单纯操作工具、整理报表或绘制图表,而是依靠科学的思维逻辑挖掘数据价值、解释业务现象、指导经营决策。在完 ...
2026-09-02在社会经济、产业研究、区域治理与大数据实证分析中,面板数据是最具研究价值的数据类型。面板数据同时包含截面维度与时间维度信 ...
2026-09-02 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-09-02在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27