京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据助力我国经济转型:打破多重因素 准确定位是先决条件
10月29日消息,国务院于9月印发《促进大数据发展行动纲要》,系统部署大数据发展工作。记者通过在贵州、安徽、北京、湖北等地采访了解到,在新常态背景下,为找到结构调整、动能转换那把“金钥匙”,从东部沿海到西部内陆,众多省份都不约而同瞄准大数据这一信息技术前沿领域,将其视为弯道超车、加速发展的新蓝海。大数据作为国家间、企业间的竞争焦点,正在引发深刻技术与商业变革,亦在我国经济转型发展中释放出令人欣喜的新动能。目前我国大数据的发展依然任重道远,还有不少问题需要面对和破解。
记者在贵州、安徽、北京等大数据先行先试的省市采访,不少专家、企业家和地方领导干部提出,大数据是朝阳产业和“未来能源”,这一新兴领域能不能成为我国信息技术由“跟跑者”向“领跑者”转型,取决于产业能否健康发展、核心技术能否真正突破、壁垒鸿沟能否真正打破等多重因素,亟待深化认识精准判断,制定科学有效的战略规划。
大数据产业应科学布局 合理规划
首先,要警惕“一哄而上、一哄而散”,科学布局合理规划产业发展。
“大数据是蓝海、是机遇,但一定要防止重演过去很多产业‘一哄而上、一哄而散’的教训,避免发生颠覆性的错误。”贵州省委常委、贵阳市委书记陈刚说,数据中心对气候条件、温度环境、地质安全和能源供给等要素依赖性很高,不可能遍地开花。但目前这一产业已经开始出现一窝蜂上马的苗头,对此应高度警惕,科学制定国家产业规划和战略布局。
国家超算天津中心应用研发部主任孟祥飞说,国内现在大数据概念有越炒越热的趋势,要清醒认识到很多所谓“数据中心”其实只是“数据孤岛”,根本没有形成产业体系。阿里云总裁胡晓明表示,要警惕当前各地互联网数据中心建设的泛滥现象,有的地方,市、县、乡都在搞“大数据、云计算”,全民大数据容易导致新一轮硬件建设大比拼,造成资源浪费。
10月29日消息,国务院于9月印发《促进大数据发展行动纲要》,系统部署大数据发展工作。记者通过在贵州、安徽、北京、湖北等地采访了解到,在新常态背景下,为找到结构调整、动能转换那把“金钥匙”,从东部沿海到西部内陆,众多省份都不约而同瞄准大数据这一信息技术前沿领域,将其视为弯道超车、加速发展的新蓝海。大数据作为国家间、企业间的竞争焦点,正在引发深刻技术与商业变革,亦在我国经济转型发展中释放出令人欣喜的新动能。目前我国大数据的发展依然任重道远,还有不少问题需要面对和破解。
记者在贵州、安徽、北京等大数据先行先试的省市采访,不少专家、企业家和地方领导干部提出,大数据是朝阳产业和“未来能源”,这一新兴领域能不能成为我国信息技术由“跟跑者”向“领跑者”转型,取决于产业能否健康发展、核心技术能否真正突破、壁垒鸿沟能否真正打破等多重因素,亟待深化认识精准判断,制定科学有效的战略规划。
大数据产业应科学布局 合理规划
首先,要警惕“一哄而上、一哄而散”,科学布局合理规划产业发展。
“大数据是蓝海、是机遇,但一定要防止重演过去很多产业‘一哄而上、一哄而散’的教训,避免发生颠覆性的错误。”贵州省委常委、贵阳市委书记陈刚说,数据中心对气候条件、温度环境、地质安全和能源供给等要素依赖性很高,不可能遍地开花。但目前这一产业已经开始出现一窝蜂上马的苗头,对此应高度警惕,科学制定国家产业规划和战略布局。
国家超算天津中心应用研发部主任孟祥飞说,国内现在大数据概念有越炒越热的趋势,要清醒认识到很多所谓“数据中心”其实只是“数据孤岛”,根本没有形成产业体系。阿里云总裁胡晓明表示,要警惕当前各地互联网数据中心建设的泛滥现象,有的地方,市、县、乡都在搞“大数据、云计算”,全民大数据容易导致新一轮硬件建设大比拼,造成资源浪费。
规范大数据行业制度 加快模式创新
再次,产业标准、统计体系等缺失制约发展,亟待加快模式创新。
贵阳大数据交易所总裁王叁寿说,我国目前缺乏对各类数据的统一标准规范及大规模自动化处理手段,数据流通平台仍局限在特定行业或领域内,不同用户对于数据价值的认知仍有较大差异。
由于政府部门条线分割严重、缺乏数据存储规范标准,企业即使拿到的公共大数据也十分杂乱,融合成本高昂。很多记录下来的数据没有规范化,也没有对数据存储进行设计,即使在同一个行业,数据也是千奇百怪。
安徽省经信委软件处处长程英春说,目前云计算、大数据标准体系尚不完备,评估评测环节不健全,公共支撑体系有待完善,特别是政府在采购云计算服务方面,受传统的预算、采购制度限制,以及缺乏相应安全、服务和管理标准规范等,存在采购单位“不敢买”“不能买”等现象。部分行业领域市场门槛高,自主云计算产品和服务进入困难。
贵阳大数据战略重点实验室主任连玉明说,当前一些地方政府缺乏“数据治理”意识,一时还难以改变靠经验判断的惯性思维。
受访专家表示,各级政府部门应制定清晰的大数据、云计算顶层设计,从数据主权、数据创新能力、关键技术、人才、数据研究、覆盖全行业的产业链、法制环境支持等关键要素入手,研究大数据发展趋势,评估大数据对政府、经济与社会运行所带来的革命性影响。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27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