京公网安备 11010802034615号
经营许可证编号:京B2-20210330
布局大数据综合试验区建设 发改委强调并非建“产业园”
继贵州9月18日宣布启动全国第一个大数据综合试验区建设,国家发改委正在选择一些区域,布局大数据综合试验区试点。
9月初,国务院发布《促进大数据发展行动纲要》(以下简称《纲要》),提出将全面推进我国大数据发展和应用。
近日,发改委有关负责人在解读《纲要》时,提出“将选择一些区域,组织实施国家大数据综合试验区建设”,特别强调“试验区建设不是建产业园、建数据中心”,而是开展面向应用的数据交易市场试点,包括“鼓励产业链上下游之间进行数据交换,探索数据资源的定价机制,规范数据资源交易行为,建立大数据投融资体系”等。
试验区“不是建产业园”
国家发改委相关负责人在解读《纲要》时,重点回答了关于政府数据开放和大数据综合试验区试点的问题。
关于《纲要》一再提到的政府数据统一共享平台,负责人介绍,针对政府和公共部门“不愿开放、不敢开放、不会开放”数据的问题,相关工作主要有三方面部署,一是加强数据资源的国家统筹管理,优先开放相关领域数据,二是建立健全相关法规制度,实现最大程度开放,三是建立政府数据开放平台和标准体系,实现统一开放。
在《纲要》的具体落实上,国家发改委方面称,将选择一些区域,组织实施国家大数据综合试验区建设。国家发改委明确强调,试验区建设不只是建产业园、建数据中心,而是要充分依托已有设施资源,把现有的利用好,把新建的规划好,坚决杜绝盲目新建数据中心,避免造成资源空间的浪费损失。
近年全国各地大数据产业园区规划一哄而上,数据中心建设遍地开花,闲置率一直饱受诟病。中国电子信息发展(52.560, -2.22, -4.05%)研究院电子信息产业研究所所长安晖,接受21世纪经济报道记者采访时表示,地方政府不应该盲目夸大引入数据中心的作用,一些大数据企业在面对地方官员时,往往喜欢混淆大数据的概念。他认为,发展数据中心的关键是要以此为基础,引入高附加值的产业。
国家发改委称,综合试验区应具备一定基础条件,在数据资源共享开放、大数据产业发展支撑、数据应用创新和数据安全保障方面均有较好的基础,能够通过试验区建设,发挥示范带动效应。
另外国家将依托这些试验区,承接中央部门、其他地方的数据中心应用需求,有效控制新建数据中心,盘活存量资源,促进集聚发展。
其次,通过试验区的先行先试,利用培育大数据交易等新方式,开展面向应用的数据交易市场试点,鼓励产业链上下游之间进行数据交换,探索数据资源的定价机制,规范数据资源交易行为,建立大数据投融资体系,激活数据资源潜在价值,促进形成新业态。
贵州启动首个数据综合试验区建设
大数据综合试验区试验什么,怎么试验,以及从哪些方面着手,是各方关注的焦点。目前,贵州已经于9月18日宣布启动大数据综合试验区建设。21世纪经济报道记者从贵州方面获悉,试点内容已经有了初步轮廓。
贵州方面介绍称,贵州将围绕数据从哪里来、数据放在哪里、数据谁来应用三个问题,重点打造大数据信息产业基础设施层、系统平台层、云应用平台层、增值服务层、配套端产品层五个产业链层级。
贵州还将重点打造大数据示范、集聚、应用、交易、金融服务、交流合作、创业创新等“七大平台”;全力实施数据资源汇聚、政府数据共享开放、综合治理示范提升、大数据便民惠民、大数据三大业态培育、传统产业改造升级、信息基础设施提升、人才培养引进、大数据安全保障、大数据区域试点统筹发展“十大工程”。
贵州试验区的目标,是要力争通过3至5年的努力,把贵州大数据综合试验区建设成为全国数据汇聚应用新高地、综合治理示范区、产业发展集聚区、创业创新首选地、政策创新先行区。
对于目前多地在探索大数据相关项目,业界对这些试点有肯定也有质疑。
在21世纪经济报道记者近日参加的中国计算机学会青年计算机科技论坛上,一位熟悉地方试点的专家直言,“试点地区目前多是初步工作。对于实质性的试点探索等还没有深入开展。”
所谓实质性的试点探索,多是指在交易、产品以及隐私规范等方面的探索。参与论坛的大多企业和学界人士都有一个共同观点,目前国内尚无一笔实质意义上的大数据交易。
其它关于大数据产权、安全以及政府数据如何公开,政府数据公开是否收费等问题,学界、企业界以及参与制定政策的部委专家等,意见也多不统一,而这些恰是应该是地方试点探路的核心内容。
贵阳大数据交易所相关负责人告诉21世纪经济报道记者,目前贵阳大数据交易正在与众多会员企业一道,共同合作研究、制定不同行业和领域的大数据交易规则与标准,并发起成立中国大数据交易研究院,参与贵州试点建设。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 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 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18