京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据战略释放大数据红利
大数据最大的价值是通过数据分析来改善决策,进而提高社会生产力。在我国人口红利逐渐消失,土地、资源、环境等生产要素日益紧张的背景下,十八届五中全会强调实施大数据战略,将有利于释放我国作为数据大国的大数据红利,为新常态下我国实现创新发展提供新的动力。
近年来,美国、英国、日本、韩国等发达国家已将大数据上升为国家战略。美国将大数据视为强化美国竞争力的关键因素之一,把大数据研究和生产计划提高到国家战略层面,并大力发展相关信息网络安全项目。英国政府通过利用和挖掘公开数据的商业潜力,为英国公共部门、学术机构等方面的创新发展提供“孵化环境”,同时为国家可持续发展政策提供进一步的帮助。日本在其“创建最尖端IT国家宣言”中,提出要以发展开放公共数据和大数据为核心的日本新IT国家战略,把日本建设成为一个具有世界最高水准的广泛运用信息产业技术的社会。韩国在其提出的“创新型经济框架”中,将大数据中心作为一个重要的布局,希望借助大数据解决业务或者研究方面的问题。
中国将大数据上升为国家战略层面,既是顺应时代潮流,也是当前推进创新发展的迫切需要。大数据之所以能成为世界其他主要国家的国家战略,源于其在商业、交通、医疗等领域多年来的成功应用。著名智库美国信息技术与创新基金会曾在2013年年底发布了一份名为《支持数据驱动型创新的技术与政策》的报告,介绍了美国疾病控制中心、美国证监会、欧洲航天局以及亚马逊、IBM和英特尔等各类公共和私营机构应用大数据的成功案例,展示了大数据在推动创新方面的潜力及其在公共卫生、科学教育、公共安全、交通运输等众多领域的广阔应用前景。
国内也有一些城市和企业在利用大数据推动创新发展方面初见成效。近年来,贵州省抢抓机遇,希望借助大数据产业实现工业结构的快速更新,实现落后省份的“弯道超车”。贵州省凭借生态环境好、电力充足、气候凉爽等优势,一举成为了与内蒙古并列的数据中心集群地。我国三大电信运营商都在贵州建设数据中心基地,总投资高达150亿元,建成后服务器超200万台,形成超过2500PB的裸容量存储能力。此外,贵州省还成立了大数据交易所。该交易所除了提供大数据交易外,还提供大数据清洗建模分析服务、大数据定向采购服务、大数据平台技术开发等增值服务,深度挖掘大数据价值及应用,支持创新创业。作为贵州大数据产业的重要载体,贵阳大数据广场在很短时间内就汇集了51支创客团队、360多家大数据及关联企业。
在云计算、大数据等技术迅速发展的背景下,中国著名的服务器生产商浪潮从2010年开始了自己的转型之路。2014年,浪潮提出了“以大数据为中心的云海战略”,利用云计算技术对大数据进行有效整合,搭建开放的大数据服务平台,并在平台之上根据业务需求部署创新应用。为了更快聚集浪潮大数据产业数据资源,浪潮2015年在全球规划建设了8个大数据中心,并计划在全国范围内完成10个以上的大数据创新应用中心建设,完成从基础硬件厂商向大数据处理和服务企业的转型。2015年4月,贵安-浪潮大数据应用创新中心在贵安新区揭牌,同时浪潮签署了《大数据创客培育战略合作协议》,与贵州大学等多所院校达成了《大数据研发及人才实训合作协议》。浪潮眼中的数据价值,正是通过建立开放的大数据平台,打造“大数据+创客中心”模式,引导中小企业创新创业,最大限度地发挥大数据的产业应用价值,实现新业态的开放创新发展。迄今为止,通过自建、合作共建等多种商业模式,浪潮已为396个政府和企业、18家院所和高校、2678位创业者提供了大数据整合和数据开放服务。
越来越多的国家和企业都充分认识到大数据在推动各领域创新方面潜在的巨大作用。但是,要让大数据成为中国继人口红利后的下一个红利,还有很多工作要做。
一是要制定推动数据共享的法律框架。数据共享涉及若干重大问题,包括数据跨境流动和数据主权,数据共享安全风险、数据共享隐私保护等。目前,我国大数据法治建设明显滞后,用于规范、界定“数据主权”的相关法律缺失,缺乏有效的大数据法律框架。美国政府数据开放经历了《信息自由法》《电子信息自由法》《数据质量法》《开放政府法》等里程碑式的发展,对数据开放的范围、权限等做了详细的规定,在保障公众知情权和隐私权的基础上,逐步形成了较完整的立法体系。欧盟在2013年修订了《公共部门信息再利用指令》,就公共部门信息再利用提供了法律框架。在将大数据上升为国家战略层面后,我国要尽快启动数据共享的相关立法、标准工作,建立公共基础数据资源的标准,完善数据资源采集、共享、利用和保密等相关制度。
二是推动大数据处理关键技术的研发和应用示范。目前大数据的筛选收集、储存、分析处理和应用仍面临巨大挑战,需要大量先进的创新型新技术、新工具和新技能,并提供解决方案。2012年,美国奥巴马政府公布大数据研究开发计划,给予该计划一次性2亿美元资助,用于研发收集、储存、保留、管理、分析和共享海量数据所需核心技术。2014年,欧盟将大数据技术列入欧盟未来新兴技术(FET)行动计划,加大技术研发创新资助力度。我国要加强大数据技术研发方向的前瞻性和系统性,重点增加在人工智能、实时大数据处理、海量数据存储管理、交互式数据可视化和应用等前沿及共性技术基础上的研发投入,并实施大数据重大应用示范工程,促进大数据技术成果惠及民生,在全社会形成推广示范效应,带动全社会大数据的应用不断深化。
三是加快建立国家政府数据共享平台。政府作为社会管理与民生服务的主体,拥有着大量的高质量数据资源,这些数据若能充分发挥其效用,必将带来极大的经济价值与社会效益。正因为如此,主要发达国家纷纷建立政府数据共享平台,推进数据资源向社会开放,服务公众和企业。美国政府推出Data. gov,使得企业和个人能够利用那些政府采集但未经梳理的各类信息,开发应用来提供公共服务或者进行盈利。英国政府建立了有“英国数据银行”之称的data.gov.uk网站,为公众提供一个方便进行检索、调用、验证政府数据信息的官方出口,支持和开发大数据技术在科技、商业、农业等领域的发展。法国政府推出的公开信息线上共享平台data. gouv.fr,便于公民自由查询和下载公共数据。不同于其他类别的资源,大数据应用具有极强的时效性,随着时间推移,数据库质量及其应用价值均会有大幅下降。因此,我国要加快建立国家层面的政府数据共享平台,并通过政府数据的开放共享对全社会形成示范效应,带动更多行业、企业开放数据、利用数据、共享数据。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20