
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 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15