
中国大数据,不只“数据大”
市民在中国国际大数据产业博览会现场参观大型无人机。
近年来,中国大力推动实施国家大数据战略,大数据产业保持良好发展势头,涌现出一大批大数据新企业、新产品、新服务、新业态。不断涌动的创新、深度的融合和庞大的体量让中国加速迈入“大数据时代”。而对中国而言,大数据不仅仅是“数据大”这么简单,突破核心技术、培养竞争优势、培育持久动能、增强管理能力,都是推动大数据产业发展的题中之义。
突破核心技术
产业规模达到4700亿元,同比增长30%,这是中国大数据产业去年交出的成绩单。根据国家网信办发布的《数字中国建设发展报告(2017年)》显示,2014年至2017年,中国大数据产业持续高速增长,预计2020年中国大数据市场产值将超万亿。
党的十九大提出要建设网络强国、数字中国、智慧社会,推动互联网、大数据、人工智能和实体经济深度融合,发展数字经济、共享经济,培育新增长点、形成新动能。在国家大数据战略深入实施的当下,中国各地方大数据产业发展方兴未艾。
中国大数据产业的发展得益于丰富的技术创新成果。近年来,中国大力支持前沿技术创新,加快关键产品研发,推进大数据与云计算的深度融合,促进产学研深度融合,打造了一批代表性企业和项目。比如,全部采用安全可靠CPU的“神威·太湖之光”超级计算机连续4次位列全球超算500强首位,量子点电视等创新加速涌现,中国在基于数字技术的人工智能、高性能计算等领域国际领先等。
“全球数据爆发增长、海量集聚的当下,完备的数据基础、巨大的数据资源和应用市场让中国具备创新优势。”工信部副部长陈肇雄说。
中国拥有全球最庞大的数据生产群体,网民数量、移动电话用户数量居世界第一,已是名副其实的数据资源大国。据外媒报道,全球大数据市场规模2020年有望扩大至2100亿美元。其中,中国大数据总量占比将达20%,成为全球大数据大国。
深化融合应用
“如今,大量前去医院就诊的患者都是看糖尿病、心血管疾病等慢性病,这类疾病的诊疗重在分析病人的各项数据,以此监测并发症、调整用药。”
谈到大数据技术在医学领域的应用,有业内人士说,普通百姓可以明显感受到医疗大数据带来的便利,以慢病管理应用软件为例,很多病人的诊疗可以在软件上完成,不仅节省医疗资源,也能给医生提供更准确的病史作为参考。
“医疗大数据”仅是大数据与其他产业深度融合的案例之一。随着大数据产业的深入发展,大数据产业与实体经济的融合日益加深,已经从早期的电商、金融、电信领域渗透至农业、医疗、工业等方方面面。
《2018年中国大数据产业发展水平评估报告》显示,2017年,综合基础环境、数据汇集、行业应用等因素,大数据发展水平行业排名由高到低为金融、电信、政务、交通、商贸、医疗、工业、教育、旅游、农业。
其中,金融、电信、政务大数据发展指数分别为45.35、41.69和39.44,超过行业指数平均值30.51。工业领域2017年的指数为24.28,相较2016年的15.41显著提高。
“信息技术正从助力经济发展的辅助工具向引领经济发展的核心引擎转变。对数据的‘盘活’和‘赋能’,必将为产业生活带来‘点石成金’的效应。”中科院院士梅宏说。
加强数据治理
在大数据产业迅猛发展的同时,大数据安全发展和保障能力建设等问题逐渐进入人们的视线。如何构建完善大数据治理体系,完善法律法规,加强大数据安防产品开发,建立高效数据安全管理机制,成为业界共同关心的议题。
数据安全隐患可谓全球性议题。比如美国社交平台脸书就因被指控通过手机应用收集用户及其朋友信息而引发广泛关注。在国内,近年来,地下数据交易猖獗,数据泄露和网络攻击事件频发,给个人隐私保护、企业安全生产、经济社会发展乃至国家安全都可能带来新的挑战。
《数据泄露水平指数调查报告》显示,2017年上半年全球有19亿条数据记录被泄露。相比2016年下半年,丢失、被盗或被泄露记录条数增加了164%。
另一份报告则显示,通过手机APP获取个人信息数据在国内已呈常态化趋势。高达96.6%的Android应用会获取用户手机隐私权限,25.3%的Android应用甚至存在越界获取用户手机隐私权限的情况。
中央网信办网络安全协调局副局长卿昱表示,互联时代大数据规模空前,数据流动更加频繁。国家有关部门正在积极加快推动网络安全法等一系列法律法规制度的增补完善,启动大数据安全标准研制工作,积极发挥标准的基础性引领作用。
“到2020年,技术先进、应用繁荣、保障有力的大数据产业体系基本形成”。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05