京公网安备 11010802034615号
经营许可证编号:京B2-20210330
在发展与治理中彰显大数据的时代价值
由2017中国国际大数据产业博览会组委会主办,中国行政体制改革研究会、工业和信息化部信息中心承办的“大数据时代:数字经济与数字治理”论坛日前在贵阳举行。来自党政机关、研究机构、知名企业的专家学者及业界人士就发展数字经济、完善数字治理交流研讨。现摘编观点如下:
邬贺铨(中国工程院原副院长):
数据使用必须承担保护的责任与义务
当前,我国数据流通与数据交易主要存在以下问题:数据源活性不够,数据中介机构还处于起步阶段;多源数据的汇集技术尤其是非结构化数据分析技术滞后;缺乏熟悉不同行业并掌握在特定领域使用数据技术的人才。很多数据源企业对数据资源的垄断意识较强,很多数据拥有者不放心让自身数据进入流通环节,担心用户隐私或企业机密泄露。
数据的价值在于融合与挖掘,数据流通、交易有利于促进数据的融合和挖掘,搞活数据从而产生效益。数据共享开放、流通交易和数据保护及数据安全对数据技术提出严峻挑战,对法律的制定及执行提出了很高要求。为此,数据使用必须承担保护的责任与义务,同时需平衡数据保护与数据的开发利用。
孙蔚敏(工信部信息中心主任):
数字经济是振兴实体经济的精兵利器
数字经济牵手传统制造,将推动传统工业快速向数字化、网络化、智能化升级,以工业云、数字工厂、机器人技术等为代表的“智能制造”将促进我国工业装备水平大幅提升、自主创新能力显著增强。数字经济也在引领农业现代化,当前,数字农业、智慧农业等新模式就是其在农业领域的实现与应用。
推进我国数字经济发展要注重加强网络设施建设,夯实数字经济基础支撑。例如,要持续深入实施网络提速降费,推动国家大数据中心建设。要深入推进“两化”融合,提升数字经济应用水平,推进大数据在研发设计、生产制造、管理决策、售后服务等全流程的深度应用,培育个性化定制、众包设计、协同制造等数据驱动的制造业新模式。要促进多方协同创新,繁荣数字经济产业生态,支持产业联盟、行业协会等组织搭建公共服务平台,构建多方协作、互利共赢的产业生态。
张 晓(中国互联网络信息中心副主任):
推动数字化转型应用
与工业经济的流水线生产不同,数字经济依托云网端,开展网络的协同和定制化的服务,具有强链接、强平台、强数据、强智能等发展特征。以强数据为例,通过采集汇聚、挖掘分析、精准画像来提高认知、驱动决策。当前,数字经济呈现产业融合化、市场全球化、技术革命化、投资成熟化、服务精细化、治理现代化等发展特征,为此,需要建立普惠共创的发展观、科学共享的数据观和包容共治的生态观,抓住工业经济向数字经济转型的机遇,推动产业革命;聚焦大连接、大平台、大数据、大智能,推动国家整体的数字化转型以及产业的数字化应用;促进数字经济时代经济和社会均衡发展,不断加强数字治理。
王 露(中国行政体制改革研究会常务副秘书长):
注重四个“结合” 向“数据强国”迈进
领导干部是落实国家大数据战略的行动主体。在国家大数据战略部署背景下,要以大数据提升国家治理能力为目标,以领导干部的现实需求为出发点,帮助领导干部把准形势、用对方法、找好标杆、取得实效,把大数据战略落到实处。
为此,要注重把政府数据开放和市场基于数据的创新结合起来。否则,大数据战略就会成为无源之水,数据开放的价值也就无从显现。要注重把大数据与国家治理创新结合起来,借助大数据实现政府负面清单、权力清单和责任清单的透明化管理,完善大数据监督和技术反腐体系。要注重把大数据与现代产业体系结合起来,包括工业大数据、新兴产业大数据、农业农村大数据等。要注重把大数据与大众创业、万众创新结合起来,培育数据密集型产业。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15