京公网安备 11010802034615号
经营许可证编号:京B2-20210330
清华大学牵头成立大数据系统软件国家工程实验室
9月11日,2017国际大数据产业技术创新高峰论坛暨大数据系统软件国家工程实验室第一次会议在清华大学举行。清华大学校长邱勇、副校长杨斌、教育部科学技术司司长雷朝滋、工业和信息化部信息化和软件服务业司副司长安筱鹏、国家发展和改革委员会高技术产业司创新能力处副处长袁军等出席并致辞。活动由清华大学副校长薛其坤主持。
邱勇在会上致辞。石加东 摄
邱勇向国家发展和改革委员会、教育部、工业和信息化部的支持与信任表示感谢。邱勇说,最近国家发改委正式批复成立“大数据系统软件国家工程实验室”,由清华大学为承担单位,北京理工大学为参与单位,联合国防科大、北京大学、人民大学、中山大学、百度、阿里巴巴、腾讯等七家单位,与公安部、环保部、国家气象局、农科院、中石油等单位开展深度合作,体现了高度交叉、高度合作的特点,实验室建设运营意义重大,我们对实验室未来充满期待。
邱勇指出,大数据技术已成为引导社会变革的新兴力量。清华大学在数据科学与工程、大数据应用等方面具备了良好的学科基础,并在大数据软件研发及产业化方面有了长期积累,有些成果已得到应用。例如,清华大学开发的气象大数据平台,已在国家气象中心和21个省级气象中心部署上线,基于相关预报成果,为2016年杭州G20峰会的成功召开提供了重要保障。在环保领域,建设了环保部大数据平台和福建省全国首个省级生态环境大数据平台。在刚刚结束的金砖国家峰会上,首次通过大数据分析,实现了高精度的大气空气质量保障,为后续工程实验室发展奠定了良好基础。
邱勇强调,大数据系统软件是挖掘大数据价值的基础设备,是大数据硬件与应用间的桥梁。清华大学要面向国家大数据产业需求,重点突破大数据系统软件技术瓶颈,支撑创新驱动产业转型升级及关键领域的自主可控,为我国重大战略方向、重点工程的大数据应用提供技术支撑和系统建设。
对于大数据系统软件国家工程实验室的建设,邱勇提出四点要求:一是要打造顶级的大数据系统软件人才团队,突破关键技术;二是要构建共性的技术平台,支撑多个领域的垂直大数据应用体系;三是要打通线上和线下数据链条,开展跨领域合作,形成各类数据连通共享的平台;四是要积极面向产业大数据人才提供服务,建设灵活有效的实验室平台支撑服务体系。
雷朝滋(右)、安筱鹏(左)分别致辞。石加东摄
雷朝滋、安筱鹏先后致辞,充分肯定清华大学、共建合作单位在大数据系统软件和产业化方面的工作成果,表示相关部委机构将一如既往地支持实验室工作,鼓励实验室从技术突破和产业应用等方面为我国大数据事业发展增添动力。
揭牌仪式现场。石加东摄
邱勇、雷朝滋、安筱鹏、国防科技大学计算机学院院长廖湘科院士、北京理工大学副校长陈杰、中国人民大学副校长刘元春、清华大学信息学院院长陆建华院士、大数据系统软件国家工程实验室主任孙家广院士共同为大数据系统软件国家工程实验室揭牌。
随后,孙家广介绍了实验室建设情况。实验室将大力引进国内外高校、研究机构和企业界的大数据高端人才,以大数据全生命周期管理为核心,致力于在大数据存储、处理和计算分析的关键环节实现技术突破,构建大数据系统软件产业的创新网络,促进大数据与各行业应用的深度融合。
孙家广、陈杰、廖湘科、李泽椿(从上至下、从左到右)分别发言。石加东摄
陈杰作为参建单位代表,廖湘科作为实验室共建单位代表,中国气象台原台长李泽椿院士作为合作单位代表分别发言,表示将与清华全力配合、共同协作,发挥好各自单位优势,为实验室建设发展共同努力、共创硕果、共享未来,为我国大数据系统软件自主可控发展作出贡献。
美国科学院、工程院、艺术与科学院院士、清华大学访问教授迈克尔·乔丹做了主题报告。清华大学及国内外大数据领域十余位知名专家学者出席,共同探讨我国大数据系统软件的发展前景。
在同期举办的2017国际大数据产业技术创新高峰论坛上,副校长杨斌介绍了清华大学在大数据领域的工作布局和有效探索。他表示,高峰论坛的召开标志着清华大数据技术研究进入到一个新的阶段,期待与会嘉宾共同绘制大数据产业技术创新的蓝图,共同推动大数据领域的技术与应用创新落地。
杨斌在高峰论坛上做主旨报告。
随后,美国工程院院士、清华大学访问教授希·莫罕,百度公司副总裁王海峰、阿里巴巴集团副总裁刘松、腾讯云公司副总裁黎巍分别围绕“区块链与大数据技术”“百度人工智能”“数据智能生态化实践之路”“社交网络大数据——从建设到赋能”做了主题演讲。数据科学研究院院长俞士纶教授出席并致辞,清华大学软件学院院长、大数据系统软件国家工程实验室执行主任王建民主持论坛。
2017国际大数据产业技术创新高峰论坛现场。石加东摄
本次活动的举行,标志着大数据系统软件国家工程实验室正式启动。各共建单位对实验室发展前景充满信心,一致表示,将与清华大学精诚合作,为推动大数据技术的产学研协同创新机制而努力,为推动我国大数据软件开发应用技术和产业发展提供强有力的支撑。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在业务数据分析中,按天拆分统计夜间时段的数据是高频需求——比如电商夜间订单监测、平台夜间用户活跃度分析、运维系统夜间异常 ...
2026-07-29在机器学习建模与特征工程实践中,判断不同特征对模型预测效果的贡献度,是特征筛选、模型解释、业务归因的核心环节。特征置换重 ...
2026-07-29 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-07-29【核心关键词】岗位、数字化、经验、课程、方法论、决策、企业、大方向、数据分析、销售管理、理论知识、思维方式、分析销售、 ...
2026-07-28在问卷调研、用户分群、效果对比等业务数据分析中,分类变量的关联性与差异性验证是高频需求。卡方检验作为针对离散分类数据的经 ...
2026-07-28 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-07-28在Excel数据分析与报表制作中,数据透视表是快速完成多维度汇总、分组统计的核心工具。很多从业者在得到透视表汇总结果后,为了 ...
2026-07-27 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-07-27当下,我们已然步入数据要素价值全面释放的智能时代。数据不再只是零散的数字记录,更是驱动新质生产力运转的核心动能、滋养人工 ...
2026-07-27【核心关键词】客户、数据分析、指标体系、数据采集、数据指标、业务数据、分析思路、业务需求、分析方法 【专访摘要】本次 CDA ...
2026-07-24在数据分析、业务建模与数字化运营体系中,原始业务数据普遍存在缺失、重复、异常、口径不一致等质量问题,直接用于分析与建模会 ...
2026-07-24 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-07-24在数据驱动的精细化运营体系中,指标是业务判断、效果复盘、策略优化的核心依据。随着企业数据化程度提升,指标数量持续膨胀,但 ...
2026-07-23在用户运营与产品增长体系中,留存是衡量产品真实价值与用户粘性的核心标尺,也是决定用户生命周期价值、获客投产比的底层因素。 ...
2026-07-23 很多数据分析师精通Excel、SQL、Python等工具,但当被问到“面对一个具体的业务问题,该用什么分析方法”“描述性分析和诊断 ...
2026-07-23【核心关键词】埋点、产品、互联网、数据库、决策、数据分析、产品经理、商业模式、移动互联网、指标体系、运营模块、大数据平 ...
2026-07-22在高并发、大数据量的业务系统中,单表数据量达到千万级甚至亿级后,会出现查询性能骤降、索引维护成本飙升、存储扩容困难等问题 ...
2026-07-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-07-22在金融风控、企业运营、行业研究等数据分析场景中,大量数据以面板数据形态存在:例如多家分支机构连续多个季度的风险指标、多位 ...
2026-07-21 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-07-21