
2018年底前建成国家政府数据统一开放平台 把大数据巨大潜能挖出来
加快大数据部署,深化大数据应用,已成为稳增长、促改革、调结构、惠民生,以及推动政府治理能力现代化的内在需要和必然选择。《纲要》出台,正是藉此激发大数据产业的巨大潜力,释放市场主体的创新活力,为“中国制造2025”、“互联网+”再添动力——
近日,国务院印发《促进大数据发展行动纲要》,提出要全面推进大数据发展和应用,加快政府数据开放共享,深化大数据在各行业创新应用,通过建设数据强国,提升政府治理能力,推动经济转型升级。此外,《纲要》还提出,要在2017年底前形成跨部门数据资源共享共用格局,在2018年底前建成国家政府数据统一开放平台。
“这是我国第一次把发展大数据上升为国家战略。”中国电子信息产业发展研究院信息化研究中心副主任潘文在接受《经济日报》记者采访时表示,此次《纲要》发布,对推进落实“中国制造2025”和“互联网+”国家战略、促进大众创业、万众创新,推动经济和社会发展具有重要意义。
产业规模迅速增长
大数据已成为推动经济转型发展的新动力,其本身也正成为新的经济增长点。“自去年3月‘大数据’首次出现在《政府工作报告》中以来,国务院常务会议一年内6次提及大数据运用。”潘文表示,大数据充分利用优质共享的信息知识和创新资源,不断降低社会信息成本,通过基于大数据精准分析和科学决策,将有力支撑教育文化、健康医疗、电子商务、工业制造、现代农业等,提升传统产业生产效率和经济效益,同时培育形成新产业、新消费热点和新服务模式,有利于稳增长、调结构。
“与基础软件行业追逐国际主流趋势不同,我国大数据产业在国际竞争中已崭露头角,未来存在更大的发展空间和发展机遇。”潘文说。目前,我国互联网、移动互联网用户规模居全球第一,拥有丰富的数据资源和应用市场优势,大数据部分关键技术研发取得突破,涌现出一批互联网创新企业和创新应用,一些地方政府已启动大数据相关工作。
大数据产业正成为新的经济增长点,产业规模迅速增长。据赛迪顾问电子信息产业研究中心总经理张梓钧介绍,2014年,中国大数据IT市场规模达93.1亿元,增长率为37.3%。预计2015年至2017年,中国大数据IT市场年复合增长率能达到33.3%。
开放共享势在必行
在信息社会,随着大数据、云计算、物联网、移动互联网等新技术及相关的创新应用不断加快,海量数据正在政务管理、产业发展、城市治理、民生服务等众多领域不断产生、积累、变化和发展,数据资源也正和土地、劳动力、资本等生产要素一样,成为促进经济增长的基本要素。
“政府占有80%的公共信息资源,加快政府大数据资源向社会开放和利用,是政府加快行政管理改革主动适应时代发展的必要选择。”潘文说。这也正如浪潮集团董事长孙丕恕所言,开放数据,是政府部门实现数据创新应用,服务产业、企业走向升级发展道路的重要途径。
因此,《纲要》提出大力推动政府部门数据共享,在2017年底前形成跨部门数据资源共享共用格局。
“大数据能提升个性化、精准性公共服务能力。”中关村大数据产业联盟副秘书长陈新河认为,大数据让数据挖掘更加深入和精细化,从而让更为个性化并合理的公共服务成为可能。例如在医疗卫生行业,相关部门可以从多个渠道获取个人健康信息,把职业、行为等行为数据与电子病历等医疗数据关联起来,形成一个综合的健康状况模式,提供精细化的医疗服务。
也有专家指出,政务数据开放共享需注意相关法律法规体系、行政体系及带来的安全和标准问题,特别要注意保护用户隐私、知识产权保护等。
给力“双创”重塑优势
除了推动政府加快数据开放共享,《纲要》的另一大重点是推动大数据产业创新发展。潘文认为,这两者相辅相成、密不可分。首先,推动政务数据社会化增值开发,可以生产出各种各样的增值信息产品,满足社会不同层次、不同领域的需要。其次,互联网的高速发展带来了企业数据爆炸式的增长,数据已成为企业未来新战略发展的中心。
《纲要》提出了发展多个细分产业大数据,“其中,发展工业和新兴产业大数据,是重点中的重点,也是践行‘中国制造2025’和‘互联网+’行动计划的现实选择。”潘文说。
目前,我国数据价值链和产业链已初显端倪。百度、阿里巴巴、大智慧=等数据资源型和研发应用型企业初步涌现,引领着数据产业的发展。我国作为人口大国、互联网大国、消费大国、技术创新应用新高地,不论是政府部门,还是企业层面,都将产生海量数据,为进行大数据分析提供了基础支撑。
《纲要》还特别提到发展万众创新大数据。对此,潘文表示,大数据带来的新服务模式和资源分析处理能力,将带动产业技术研发体系的创新,推动跨领域、跨行业的融合和协同创新,在推动新兴产业快速发展的同时带动传统产业的协同发展,为大众创业、万众创新提供有力支撑,重塑国家竞争优势。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 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在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23