
大数据时代到来 “数据驱动”全球大趋势
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“Data.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(EGDI)上看,近十年,我国EGDI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(NationalData.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
机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01