京公网安备 11010802034615号
经营许可证编号:京B2-20210330
发展“大数据”聚焦三大问题
当前,对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析,从中发现新知识、创造新价值、提升新能力的新一代信息技术和服务业态正快速发展。而为了进一步促进“大数据”的发展,日前,国务院印发了《大数据发展行动纲要》(以下简称《纲要》),聚焦三大问题,成为“大数据”未来发展的指南。
焦点一:加快政府数据开放共享
《纲要》指出,要加快政府数据开放共享,推动资源整合,提升治理能力。即要大力推动政府部门数据共享,稳步推动公共数据资源开放,统筹规划大数据基础设施建设,支持宏观调控科学化,推动政府治理精准化,推进商事服务便捷化,促进安全保障高效化,加快民生服务普惠化。
从整体上看,政府数据的开放程度相较以前有了明显好转。在数据公开方式上,已经由纸质文件转为线上线下结合,除了相应的官方网站外,还有微信、微博等线上平台与群众进行互动答疑。在数据公开内容上,由此前“不解渴”的数据逐渐转向群众所需求的数据,达到真正的急人之所急、需人之所需。
然而,“数据平台”、“信息共享”、“互联互通”等词汇虽频频被政策文件提及,但实际上,仅仅是政府各部门间的数据共享就未能得到全面普及,从群众的反馈上可见一斑。
购房时客户需要填报十几张表格,其中表格的重复率高达30%;办理证件时需要来往各个部门开具相应证明,群众为此跑断腿;不同区域、不同部门的政府数据实现分割、垄断式管理,产生一个个“数据孤岛”,从而影响其社会服务效率。
由此可见,要实现政府各部门间的数据共享仍有很长一段路要走。虽然不同部门规则不一、层次不一等多方面原因造成了“数据孤岛”,但破除“数据孤岛”也是发展“大数据”的首要任务。因此,加快政府数据开放共享无疑是亮点之一,也是社会群众所迫切需求的。
对于如何加快政府数据开放共享,《纲要》也提出若干措施,如加强顶层设计和统筹规划,明确各部门数据共享的范围边界和使用方式;厘清各部门数据管理及共享的义务和权利,依托政府数据统一共享交换平台;大力推进国家人口基础信息库等国家基础数据资源,以及金税、金关、金财等信息系统跨部门、跨区域共享;加快各地区、各部门、各有关企事业单位及社会组织信用信息系统的互联互通和信息共享,丰富面向公众的信用信息服务,提高政府服务和监管水平等。
焦点二:推动产业创新发展
《纲要》指出,要推动产业创新发展,培育新兴业态,助力经济转型。即要发展工业大数据、新兴产业大数据、农业农村大数据、万众创新大数据,推进基础研究和核心技术攻关,形成大数据产品体系,完善大数据产业链。
当前,新兴产业对推动经济发展、助力经济转型有着重要作用。然而,也正因为它是新兴产业,所以拥有的资源比传统产业少,发展环境也不如传统产业。“大数据”的发展则能有效弥补新兴产业缺少资源的短处,故而发展“大数据”能变相推动产业创新发展,亦能改变新兴产业的盈利模式。
以发展万众创新大数据为例,对于初次创业的创客们,实施大数据创新行动计划,鼓励企业和公众发掘利用开放数据资源,无疑能激发创新创业活力,减少许多不必要的创业弯路。
同时,利用大数据、云计算等技术,对各领域知识进行大规模整合,搭建层次清晰、覆盖全面、内容准确的知识资源库群,亦能为创客们提供精准、高水平的知识服务,避免跨界发展的创客遇到知识盲区等。
此外,许多互联网模式下的新兴产业也可利用相应的网络平台积累自己的大数据,以自己的大数据衍生出其他服务,形成不同的盈利模式,百花齐放。
焦点三:强化安全保障
《纲要》指出,要强化安全保障,提高管理水平,促进健康发展。即要建立大数据安全评估体系,健全大数据安全保障体系,明确数据采集、传输、存储、使用、开放等各环节保障网络安全的范围边界、责任主体和具体要求,强化安全支撑。
在信息化的时代,数据应用无处不在,数据的安全问题也随之层出不穷。仅以个人数据为例,在消费途径多样化的大环境下,个人数据被留存在各种渠道上。从管理资金的金融系统到出行旅游的交通系统,再到快捷消费的电子商务平台,个人数据无处不在,而要保护这些数据不被非法利用,则是难上加难。
然而,要发展“大数据”,就必须对数据的安全有所保障,营造一个安全的数据流通环境。一方面要在数据的获取、存储、使用等方面进行有效保障,如加大“大数据”安全保障体系建设、建立网络安全信息共享机制等;另一方面也要完善相关法律,利用法律的牙齿来进行刑事责任约束,对非法利用数据等违法行为加大惩处力度。
对此,《纲要》也提出举措和目标,即在涉及国家安全稳定的领域采用安全可靠的产品和服务,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。建设国家网络安全信息汇聚共享和关联分析平台,促进网络安全相关数据融合和资源合理分配,提升重大网络安全事件应急处理能力等。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在企业数字化转型过程中,“业务模型”与“数据模型”常被同时提及,却也频繁被混淆——业务团队口中的“用户增长模型”聚焦“如 ...
2025-11-20在游戏行业“高获客成本、低留存率”的痛点下,“提前预测用户流失并精准召回”成为运营核心命题。而用户流失并非突发行为——从 ...
2025-11-20在商业数据分析领域,“懂理论、会工具”只是入门门槛,真正的核心竞争力在于“实践落地能力”——很多分析师能写出规范的SQL、 ...
2025-11-20在数据可视化领域,树状图(Tree Diagram)是呈现层级结构数据的核心工具——无论是电商商品分类、企业组织架构,还是数据挖掘中 ...
2025-11-17核心结论:“分析前一天浏览与第二天下单的概率提升”属于数据挖掘中的关联规则挖掘(含序列模式挖掘) 技术——它聚焦“时间序 ...
2025-11-17在数据驱动成为企业核心竞争力的今天,很多企业陷入“数据多但用不好”的困境:营销部门要做用户转化分析却拿不到精准数据,运营 ...
2025-11-17在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10