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
平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13