
大数据产业大发展、大机遇、大红利时代到来
“近年来大数据的采集并处理,存储、通信、管理、风险、挖掘、展现、应用和安全等技术正取得重大进展,互联网+新业态正在快速建立,国家工业、农业万众创新等大数据工程正不断涌现并取得显著的成效。”3月2日上午,在北京国家会议中心举办的“2016云上贵州·大数据招商引智推介会”上,嘉宾代表中国工程院院士、贵州省大数据专家咨询委员会主任李伯虎在演讲中称,大数据产业大发展、大机遇、大红利的时代已然到来,对于贵州来说,先发优势明显,领先地位突出。
作为首届贵州省大数据产业咨询委员会中的一员,并参与了贵州工业云部分工作,在短短两年中,李伯虎见证了贵州在大数据技术产业应用方面取得的瞩目成就。
李伯虎在演讲中介绍,2014年以来贵州省结合本省发展的需要和先天优势,抓住大数据时代的重大机遇,大胆探索先行先试,发展势头风生水起,实现了在大数据平台、商业模式创新、绿色数据中心、大数据交易、产业博览会、国家产业集聚与产业试验区、地方大数据法规、国家级实验室等诸多方面的八个率先,“正如习近平总书记所言‘贵州发展大数据确实有道理’,这便是对贵州大数据技术产业应用、发展成就的高度肯定。”
2015年9月,国务院发布的《促进大数据发展行动纲要》,正积极推动着中国大数据技术产业应用的快速发展。
李伯虎称,近年来大数据的采集并处理,存储、通信、管理、风险、挖掘、展现、应用和安全等技术正取得重大进展,基于泛在网络的,以泛在互联、数据驱动、共享服务、跨界融合、自主智慧、万众创新为特征的互联网+新业态正在快速建立,我们国家工业、农业万众创新等大数据工程正不断涌现并取得显著的成效。
“显而易见,大数据产业大发展、大机遇、大红利的时代已然到来,贵州省作为我国首批国家大数据综合试验区,先发优势明显,领先地位突出。”李伯虎说道。
对于贵州大数据技术产业和应用的再发展,李伯虎在演讲最后提出了5点建议:
第一、坚持贯彻国家提出的创新、协调、绿色、开放、共享的五大发展理念,推动贵州大数据技术产业应用的新发展;
第二、坚持贵州省提出来的“三个问题”、“四个理念”、“五个层次产业链”、“三个业态”、“三个中心”的“34533”发展框架,持续完善深化大数据技术产业应用的系统化新发展;
第三、坚持以新应用为导向,带动大数据技术产业应用的新发展,贵州省从2014年起推动建设工业云等7+N朵云,到现在发展为百花齐放的20朵云,丰富大数据新应用必将引领落实大数据技术产业和应用的创新和繁荣;
第四、坚持新兴新技术和应用领域技术深度融合,由于大数据技术产业应用的复杂性、综合性和艰巨性,因此必须充分融合云计算、互联网、移动互联网、智能科学技术、高性能计算、虚拟现实、增强现实、信息安全等信息技术和各应用领域技术的新成果,这样才能推动大数据领域技术产业和应用的创新突破。
第五、坚持政产学研用精,融合创新发展的系统工程发展机制。我国航天领域多年来积累的探索一代、预研一代、研制一代、生产一代、应用一代的系统工程方法,以及美国2012年提出的产学研用联合的国家制造创新网络计划值得借鉴。
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