京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据国家战略推动“数据驱动经济”
五中全会首次明确大数据上升为国家战略。大数据时代的到来,让“数据驱动”成为新的全球大趋势。国家竞争战略正从对资本、土地、人口、资源/能源的争夺转向对大数据的争夺。
日前闭幕的五中全会首次明确大数据上升为国家战略。
大数据时代的到来,让“数据驱动”成为新的全球大趋势。国家竞争战略正从对资本、土地、人口、资源/能源的争夺转向对大数据的争夺。大数据颠覆性地改变经济形态、国际安全态势、国家治理和资源配置模式,引发了巨大的经济社会变革,而数据开放与共享成为推动各国大数据发展的使能器。
近些年来,全球各国纷纷将开放数据纳入到国家发展战略。截至2014年4月,全球已有63个国家制定了开放政府数据计划,数据开放推动政府从“权威治理”向“数据治理”转变。美国政府最先对大数据革命做出战略反应。2009年,美国联邦政府发布《开放政府指令》,作为大数据的前奏推出了“D ata.gov”公共数据开放网站。2012年3月,美国联邦政府发布了《大数据研究和发展计划》,正式启动了“大数据发展计划”,宣布将投入超过2亿美元在大数据研究上。
欧盟同样是数据开放的积极行动者。2011年11月,欧盟数字议程采纳欧盟通信委员会《开放数据:创新、增长和透明治理的引擎》的报告,开始推进开放数据战略,该战略从三方面对原有法律、政策进行修订与补充:第一,建立适应信息再利用的法律框架;第二,动用金融工具,以支持开放数据和行动作为建立欧洲经济数据门户的部署;第三,促进各成员国之间的协调与经验交流,为开放数据与共享提供平台。
此后,欧盟专门在2014年发布了《数据驱动经济战略》,有望近期内成为欧盟经济单列行业,为欧盟恢复经济增长和扩大就业,做出巨大贡献。欧盟在大数据方面的活动主要涉及两方面内容:一是研究数据价值链战略计划;二是资助“大数据”和“开放数据”领域的研究和创新活动。数据价值链战略计划包括开放数据、云计算、高性能计算和科学知识开放获取四大战略,主要原则是:高质量数据的广泛获得性,包括公共资讯数据的免费获得;作为数字化单一市场一部分,欧盟内数据的自由流动;寻求个人潜在隐私问题与其数据再利用潜力之间的适当平衡,同时赋予公民以其希望形式使用自己数据的权利。
大数据对于中国的战略意义母庸置疑。中国是全球互联网用户、移动互联网用户最多的国家,拥有庞大的数据生产和数据消费的主体。我国已经具备建设数据大国的潜在优势。
然而,与国外先进国家相比,数据共享与开放严重滞后。我国政府掌握着80%以上的数据,是大数据时代的财富拥有者,政府作为政务信息的采集者、管理者和占有者,具有其他社会组织不可比拟的信息优势。但由于信息技术、条块分割的体制等限制,各级政府几个部门之间的信息网络往往自成体系,相互割裂,相互之间的数据难以实现互通共享,导致目前政府掌握的数据大都处于割裂和休眠状态。行政分割导致数据无法共享。我国政府数据资源多按地域或部门进行分割管理。不同地域和部门为了自身利益,形成人为数据共享壁垒,加大了政府大数据开发难度。由于政府部门业务管理信息系统开发和建设的“部门化”,政府信息系统出现“系统林立”和分裂状态,政府公共信息资源重复采集现象严重,信息摩擦和治理成本偏高。
总体而言,我国政府开放数据的程度远远落后于世界领先国家。从国际上公认衡量各国信息化发展水平的全球电子政务发展指数(EG D I)上看,近十年,我国EG D I排名先升后降,从2003年第74位升至2005年第57位,2012年又跌至第78位,已经严重阻碍大数据在国家治理中的统筹与应用。因此,近期出台的《促进大数据发展行动纲要》提出要把数据开放共享作为战略部署的重要任务切中要害,顺应未来发展大势。
随着数据治理理念的影响渗透,我国公共数据开放共享进程开始逐步加快。2013年,国务院发布了《关于促进信息消费扩大内需的若干意见》,要求促进公共信息资源共享和开发利用,推动市政公用企事业单位、公共服务事业单位等机构开放信息资源。此外,2011-2013年陆续上线了国家数据(N ationalData.gov.cn)、北京市政务数据资源网(BjData.gov.cn)和上海政府数据资源网(DataShanghai.gov.cn)。然而,总体而言与发达国家还有非常大的差距,据“开放知识基金会”发布的《2013年开放政府数据普查》结果,在被普查的全球70个国家和地区政府中,我国综合排名第35位,与我国经济大国和数据大国的身份极不匹配。
数据开放与共享涉及到诸如数据跨境流动和数据主权,数据开放隐私保护、数据安全保障及其政策框架体系等问题,这些重大问题的有效处理和把握将是影响中国未来推动数据开放、实施数据治国战略的关键所在。
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