
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
在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30