京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代来临“得数据者得天下”成全球普遍共识
“我们的衣食住行都与大数据有关,每天的生活都离不开大数据,每个人都被大数据裹挟着。大数据提高了我们的生活品质,为每个人提供创新平台和机会。”10月19日,参加中国行政体制改革研究会、人民出版社举办的“大数据和国家治理现代化”研讨会暨《大数据领导干部读本》新书发布会的专家们如是说。
那么,什么是大数据?用专业术语来讲,大数据是一类数据量大、增长速度快、类别多、价值密度低的数据,也是一项对数量巨大、来源分散、格式多样的数据进行采集、存储和关联性分析的新一代信息系统架构和技术。
大数据通过数据整合分析和深度挖掘,发现规律,创造价值,进而建立起物理世界到数字世界到网络世界的无缝链接。大数据时代,线上与线下,虚拟与现实、软件与硬件、跨界融合,将重塑我们的认知和实践模式,开启一场新的产业突进与经济转型。
国家行政学院常务副院长马建堂说,大数据其实就是海量的、非结构化的、电子形态存在的数据,通过数据分析,能产生价值,带来商机的数据。
而《大数据时代》的作者维克多•舍恩伯格这样定义大数据,“大数据是人们在大规模数据的基础上可以做到的事情,而这些事情在小规模数据的基础上无法完成。”
大数据是“21世纪的石油和金矿”
工业和信息化部部长苗圩在为《大数据领导干部读本》作序时形容大数据为“21世纪的石油和金矿”,是一个国家提升综合竞争力的又一关键资源。
而马建堂在致辞中也指出,大数据可以大幅提升人类认识和改造世界的能力,正以前所未有的速度颠覆着人类探索世界的方法,焕发出变革经济社会的巨大力量。“得数据者得天下”已成全球普遍共识。
“从资源的角度看,大数据是‘未来的石油’;从国家治理的角度看,大数据可以提升治理效率、重构治理模式,将掀起一场国家治理革命;从经济增长角度看,大数据是全球经济低迷环境下的产业亮点;从国家安全角度看,大数据能成为大国之间博弈和较量的利器。”马建堂在《大数据领导干部读本》序言中这样界定大数据的战略意义。
总之,国家竞争焦点因大数据而改变,国家间竞争将从资本、土地、人口、资源转向对大数据的争夺,全球竞争版图将分成数据强国和数据弱国两大新阵营。
苗圩在《大数据领导干部读本》序言中说,数据强国主要表现为拥有数据的规模、活跃程度及解释、处置、运用的能力。数字主权将成为继边防、海防、空防之后另一大国博弈的空间。谁掌握了数据的主动权和主导权,谁就能赢得未来。新一轮的大国竞争,并不只是在硝烟弥漫的战场,更是通过大数据增强对整个世界局势的影响力和主导权。
大数据可促进国家治理变革
专家们普遍认为,大数据的渗透力远超人们想象,它正改变甚至颠覆我们所处的时代,将对经济社会发展、企业经营和政府治理等方方面面产生深远影响。
的确,大数据不仅是一场技术革命,还是一场管理革命。它提升人们认知能力,是促进国家治理变革的基础性力量。在国家治理领域,打造阳光政府、责任政府、智慧政府建设上都离不开大数据,大数据为解决以往的“顽疾”和“痛点”提供强大支撑;大数据还能将精准医疗、个性化教育、社会监管、舆情检测预警等以往无法实现的环节变得简单、可操作。
中国行政体制改革研究会副会长周文彰认同大数据是一场治理革命。他说:“大数据将通过全息数据呈现,使政府从‘主观主义’、‘经验主义’的模糊治理方式,迈向‘实事求是’、‘数据驱动’的精准治理方式。在大数据条件下,‘人在干、云在算、天在看’,数据驱动的‘精准治理体系’、‘智慧决策体系’、‘阳光权力平台’都将逐渐成为现实。”
马建堂在为《大数据领导干部读本》作序时也说,对于决策者而言,大数据能实现整个苍穹尽收眼底,可以解决“坐井观天”、“一叶障目”、“瞎子摸象”和“城门失火,殃及池鱼”问题。另外,大数据是人类认识世界和改造世界能力的升华,它能提升人类“一叶知秋”、“运筹帷幄,决胜千里”的能力。
专家们认为,大数据时代开辟了政府治理现代化的新途径:大数据助力决策科学化,公共服务个性化、精准化;实现信息共享融合,推动治理结构变革,从一元主导到多元合作;大数据催生社会发展和商业模式变革,加速产业融合。
中国具备数据强国潜力 2020年数据规模将位居第一
2015年是中国建设制造强国和网络强国承前启后的关键之年。今后的中国,大数据将充当越来越重要的角色,中国也具备成为数据强国的优势条件。
马建堂说,近年来,党中央、国务院高度重视大数据的创新发展,准确把握大融合、大变革的发展趋势,制定发布了《中国制造2025》和“互联网+”行动计划,出台了《关于促进大数据发展的行动纲要》,为我国大数据的发展指明了方向,可以看作是大数据发展“顶层设计”和“战略部署”,具有划时代的深远影响。
工信部为正在构建大数据产业链,推动公共数据资源开放共享,将大数据打造成经济提质增效的新引擎。
另外,中国是人口大国、制造业大国、互联网大国、物联网大国,这些都是最活跃的数据生产主体,未来几年成为数据大国也是逻辑上的必然结果。中国成为数据强国的潜力极为突出,2010年中国数据占全球比例为10%,2013年占比为13%,2020年占比将达18%。届时,中国的数据规模将超过美国,位居世界第一。专家指出,中国许多应用领域已与主要发达国家处于同一起跑线上,具备了厚积薄发、登高望远的条件,在新一轮国际竞争和大国博弈中具有超越的潜在优势。中国应顺应时代发展趋势,抓住大数据发展带来的契机,拥抱大数据,充分利用大数据提升国家治理能力和国际竞争力。
建设数据强国需从顶层设计上搭建清晰框架
不过,中国在推进大数据战略上还面临一些挑战:比如,数据开放方面还广泛存在“数据孤岛“现象,虽然政府掌握着80%的数据,但现实中“部门墙”“行业墙”“地区墙”阻碍数据流动和共享。还有大数据的相关法律、法规、标准缺位,导致能开放的数据不开放,需要保护的隐私无法保护,企业由于标准模糊而无法大胆创新。还有“数据主权“容易受侵犯,由于数据空间是国家新的战略维度,尚无完备的安全保障体系,加上手机、电脑、芯片、搜索引擎、服务器等核心数据的“基础设施”大量依赖进口,数据资产极易流失。
马建堂在《大数据领导干部读本》序言中也提出,抓住大数据革命带来的“机会窗口”,建设数据强国,要在顶层设计上搭建清晰的大数据行动框架,盘活数据资产,在数据开放上取得实质性突破。同时把强大的“国家企业”和活跃的“万众创新”结合起来,培育大数据竞争的中间力量和数据生态中的活跃力量。
周文彰认为,我国要从“数据大国”变为“数据强国”,借助大数据革命促进国家治理现代化,还有很多工作要做,有很多问题需要研究。如要建立数据政策体系、数据立法体系、数据标准体系;要重视对“数据主权”问题的研究,加强大数据动态的跟踪研究;要建设高质量的“大数据与国家治理实践案例库”等等。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在企业数字化转型过程中,“业务模型”与“数据模型”常被同时提及,却也频繁被混淆——业务团队口中的“用户增长模型”聚焦“如 ...
2025-11-20在游戏行业“高获客成本、低留存率”的痛点下,“提前预测用户流失并精准召回”成为运营核心命题。而用户流失并非突发行为——从 ...
2025-11-20在商业数据分析领域,“懂理论、会工具”只是入门门槛,真正的核心竞争力在于“实践落地能力”——很多分析师能写出规范的SQL、 ...
2025-11-20在数据可视化领域,树状图(Tree Diagram)是呈现层级结构数据的核心工具——无论是电商商品分类、企业组织架构,还是数据挖掘中 ...
2025-11-17核心结论:“分析前一天浏览与第二天下单的概率提升”属于数据挖掘中的关联规则挖掘(含序列模式挖掘) 技术——它聚焦“时间序 ...
2025-11-17在数据驱动成为企业核心竞争力的今天,很多企业陷入“数据多但用不好”的困境:营销部门要做用户转化分析却拿不到精准数据,运营 ...
2025-11-17在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10