京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据推动社会思维变革
大数据并非新概念
记者:沈教授,您怎么看待大数据这个概念和大数据时代这个说法?
沈阳:我个人认为,大数据并不是一个新的概念。它很多内在的研究,其实我们计算机学科领域一直在推进。比如,对数据的挖掘和分析方法,以及纯数据内容方面的研究就一直存在。在若干年前,大数据已经在某些领域实现了具体的应用。不过,最近两年出来的大数据概念更加强调互联网的因素,更加强调数据的体量,以及数据与各行业的运用对接。大数据概念的推广和它对社会的影响,使得数据分析的概念从计算机学科快速地扩展到社会的各个领域,这是非常有价值的。大数据就是互联网发展到现今阶段的产物,在以云计算为代表的技术创新背景的衬托下,一些原本很难收集和使用的数据开始容易被利用起来了,并且不断作用于各行各业的创新发展,这就是大数据的价值。数据实用化是大数据时代的一个特点。
大数据利于社会治理
记者:您认为大数据思维会对当今社会带来哪些主要影响?
沈阳:大数据思维有这么两个特点。第一个特点是,数据一切可量化。比如说,它有助于我们研究政府官员的民意支持度。又比如,政府的信息公开程度,我们也是可以测量的。比如新媒体指数、城市幸福指数、各城市堵车指数,从大数据的角度来看,这些指数的研究方向和方式就体现了相关特点。第二个特点是,大数据思维特别强调不同数据之间的相关性,乃至于寻找它们之间的不相关性。这如果运用到社会治理上,可以提升政府反应的灵敏度。
记者:今年有句话很火,叫“证明你妈是你妈”。它直指简政放权和政府服务方面的一些问题。但在具体的新闻事件中,我们也可以看出,它还透露出相关部门一些信息共享的问题。比如,要办一个证,时常就会出现“多部门跑腿”的现象,民众要跑完这个部门再跑另一个部门。您认为,随着大数据时代的来临,政府在思维方面需要做什么样的必要刷新?
沈阳:在大数据时代,传统的政务查询、社保查询、医疗教育、水电煤等公共服务将被集成,各政务服务间的信息化壁垒、数据孤岛将会消失,政府、企业、研究机构间的数据可实现安全的分享流通、交易交换。因此,随着大数据的发展,政府首先要进一步把为人民服务的观念和责任意识落实到实际工作中去,要有数据信息开放思维、数据信息整合思维和数据信息分享思维。从互联网的角度来看,政府服务优化是没有止境的。也就是说,不同部门之间要加强服务融合,要加强信息的交换。我们需要用移动互联网的思维去打造一个指尖上的政府服务体系。正如李克强总理强调的“要让政府信息多跑路,群众少跑腿”,我们各级政府应该按照方便办事、就近服务的原则,充分利用大数据的功能,真正完成向服务型政府转变的时代要求。
大数据应进一步实用化和安全化
记者:大数据的发展离不开政府的推动,近年来,我国政府在这方面主要做了哪些工作?
沈阳:我们国家在推动大数据发展方面已经形成了较好的顶层设计。若干个省份有准备成立大数据管理局的构想。在学术支持方面也体现了我国大数据的发展比较蓬勃。还有,大数据的民间团体也非常活跃。大数据相关的公司在融资和产品推广方面也都得到了社会各界的支持。2013年,我们国家发布了《关于数据中心建设布局的指导意见》,提出了以市场为导向,以资源节约和提高效率为着力点,通过引导市场主体合理选址、长远设计、按需按标建设,逐渐形成技术先进、结构合理、协调发展的数据中心新格局。我国在加强信息基础设施建设、增强信息产品的供给能力、培育信息消费需求、营造发展环境、提升公共服务信息化水平等方面采取了一系列具体措施。
在今年6月的国务院常务会议上,李克强总理再次强调了大数据运用的重要性。之后,国务院办公厅还印发了《关于运用大数据加强对市场主体服务和监管的若干意见》,意见提出,要运用大数据提高为市场主体服务水平,加强和改进市场监管,推进政府和社会信息资源开放共享,提高政府运用大数据的能力。这些都有助于推动我国大数据的发展。
记者:沈教授,以您的研究视角来看,目前我国大数据的发展有哪些需要重视的问题?
沈阳:目前我国政府对大数据高度重视,民众对网络、新媒体越来越关注,高校的相关人才培养也在作出相应调整。我个人认为目前需要重视的问题有这么几个。第一,大量的权威数据资源集中在政府手中,而很多数据我们目前还没有开发。所以,政府应该开放更多的数据源。在政府数据开放方面,我们还需要迈向一个新台阶。第二,相关部门在保护隐私安全方面要有更多的考虑。我们要建立有效的法规机制,让隐私权和大数据的社会便利性获得一个最佳平衡点。第三,在数据的流入和流出方面,我们需要更加清晰的界定。在不同领域,我们需要更多的数据标准。第四,要加强大数据的科普。既不能神化大数据,又要让大数据在更多领域取得快速进展。第五,大数据研究只有与实际接轨,工具化、服务化和实用化,才能解决具体问题,从而提升社会的生产力。
记者:作为相关方面的资深专家,您和您的团队在大数据方面做了哪些深入研究,或者您近期有没有什么研究计划?
沈阳:我们构建的新媒体指数涵盖了不少微博数据、百万级别的微信数据,还有APP的数据等,我们目前主要的研究重点在大数据的数据源、大数据的分析模型、大数据的发布服务等方面。我们团队与教育部、新华社、人民网(603000,股吧)、新浪网、腾讯网等单位均有紧密合作,可以说,我们已经有了一个很好的研究起点。我们还做了一系列的评估指标,会对大数据的发展方向做一些客观中立的学术性评估。此外,我们还试着在新的领域扩展大数据的应用,比如说传感器新闻、互联网的虚拟社群研究等。当然,每一个团队的精力都是有限的,研究需要聚焦。我们会广泛关注,重点突破,进行不同学科之间的合作。我们团队和清华的大数据研究院有密切的合作。我们现在有若干项目是在国家有关部门的重点支持下进行的。
大数据需要复合型人才
记者:今年7月22日,国务院办公厅就2015年上半年工业通信发展情况举行发布会。工信部表示在进一步贯彻“互联网+”指导意见中,将重点推进重要工业云、工业领域大数据等发展,而“互联网+”和大数据发展的核心在于人才,清华大学作为国内一流学府,在相关方面是否已经有培养计划?
沈阳:对大学生的培养,对大数据人才的培养应该符合教育规律。我个人觉得新闻传播专业的学生大一大二的时候,还是应该强化他们的经典阅读。强化文化修养和理工科的逻辑思维。如果只是培养学生的浅阅读能力,如果学生不具备深度思考、缜密思维的能力,那就难以成为优秀的大数据人才。优秀的大数据人才是复合型人才,需要中外融合、文理相通、深浅结合,以及理论和实践的结合。因为我们需要提供能解决实际问题的产品。目前,包括清华在内的一些国内高校已经有一系列的培养方案。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27