京公网安备 11010802034615号
经营许可证编号:京B2-20210330
解析:“大数据”有多大?
中国“十三五”规划建议中提出,拓展网络经济空间,推进数据资源开放共享,实施国家大数据战略,超前布局下一代互联网。这是我国首次提出推行国家大数据战略。
为何要把大数据放到“国家战略”的高度?这是因为,大数据开启了一次重大的时代转型,改变了我们的生活及理解世界的方式。
数据之大
大数据首先是“大”,是海量数据。国际数据公司估计,全球2012年产生数据总量约2.8泽字节。泽是10的21次方,也就是10万亿亿,2.8泽字节相当于3000多亿部时长两小时的高清电影,连着播放7000多万年也放不完。该公司还预测,全球数据量每隔两年翻一番,2020年达到40泽字节。
但“大”只是表象,大数据的本质是以崭新的思维和技术去分析海量数据,揭示其中隐藏的人类行为等模式,由此可以创新产品、服务和管理,也可以预测未来的趋势。因此,国家、企业甚至每个人,都能从大数据中受益。
“智慧城市”
“智慧城市”就是大数据服务于民的一个范例。在欧洲,西班牙古老的港口城市桑坦德被选为欧盟试点城市。在面积约为6平方公里的桑坦德市中心,近1万个传感器每隔几分钟把城市的交通、天气、行人动作等数据传到数据中心,公交车发送自己的位置、速度及周边环境,居民也可以成为“人体传感器”,通过智能手机应用程序上传实时数据。
现在,桑坦德市的数据中心能通知市政当局路灯的状况,并根据需要自动调节路灯的亮度。市民通过一个名为“城市脉搏”的手机应用就可以获得整个城市的相关信息。
通过大数据开放来提升政务服务。韩国的“智慧首尔地图”就是各国智慧城市发展策略中的代表。通过一系列的手机应用,市民可以查询残疾人设施、首尔市免费无线网络热点、公厕、餐饮及行政信息。
在2011年,首尔就提出了“智慧首尔2015”计划,目标是到2015年让首尔成为世界上最方便使用智能技术的城市,建成适应未来生活的基础设施、成为有创造力的智慧经济都市。“智慧首尔2015”计划指出,公共数据已成为具有社会和经济价值的重要国家资产。韩国未来创造科学部预测,大数据产业到2017年可以创造1000个企业,创造5万个以上就业岗位。
国家战略
大数据被视为创新和生产力提升的下一个前沿。对数据资源的开发利用能力已成为国家竞争力的要素之一,也是国家整体实力的重要体现。由此,数据经济、数据管理、数据强国等新概念应运而生,各国政府也加强对大数据的扶持,并上升到国家战略高度。
美国率先将大数据从商业概念上升到国家战略。2012年3月,美国政府公布了2亿美元的《大数据研究发展计划》,提出通过提高美国从大型复杂数据中提取知识和观点的能力,加快科学与工程研究步伐,加强国家安全。同年11月公布的具体研发计划涉及各级政府、私企及科研机构的多个大数据研究项目。
在日本,安倍内阁于2013年6月发布了“创建最尖端IT国家宣言”,全面阐述了2013年至2020年间以发展开放公共数据和大数据为核心的国家战略,强调“提升日本竞争力,大数据应用不可或缺”。
在英国,政府在2013年注资1.89亿英镑(约3亿美元)发展大数据项目。同年发布的《英国农业技术战略》更是强调英国今后对农业技术的投资将集中在大数据上,让英国的农业科技商业化,将英国打造成农业信息学世界强国。
在大数据红遍全球的背景下,无论是领先发展的欧美,还是迎头赶上的东亚,发展大数据除了加强基础设施建设、加快普及高速互联网,更重在推动数据开放、优先发展推进与民生保障服务相关的数据。
根据中国国务院印发的《促进大数据发展行动纲要》,国家发展改革委有关负责人日前表示,2018年以前,中国要建成国家政府数据统一开放门户,推进政府和公共部门数据资源统一汇聚和集中向社会开放,实现面向社会的政府数据资源一站式开放服务。
新加坡是世界网速最快的国家之一,在2011年6月启用了政府分享公开数据平台,开放了来自60多个公共机构的近9000个数据库。利用开放数据,企业和有关部门已开发了100多项应用,涉及停车信息、公厕甚至野猫管理等。市民只需一个名为“新加坡通行证”的密码,就可以享受相关电子政府服务的便利。
在南半球的澳大利亚,政府信息管理办公室在2013年8月发布了公共服务大数据战略,以“数据属于国有资产,从设计着手保护隐私、数据完整性与程序透明度”等原则出发,推动公共行业利用大数据分析进行服务改革。澳大利亚政府的开放数据平台,目前已涵盖100多个机构部门的1000多个数据库,向公众提供数据下载上的便利。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
商业谈判是企业采购合作、渠道签约、价格议价、项目合作、客户签约的核心关键环节,直接决定企业的合作成本、利润空间与经营风险 ...
2026-07-07在数据分析、业务效果验证、AB 测试、学术研究等场景中,T 检验是假设检验体系里最基础、应用最广泛的统计方法,也是均值差异分 ...
2026-07-07 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 ...
2026-07-07【核心关键词】转化率、企业、策略、岗位、互联网、拆分、产品、运营、分析师、指标体系、数据分析、用户画像、数据诊断、产品 ...
2026-07-06在数据分析工作中,文本数据处理是高频刚需场景,用户评论、客服工单、日志信息、调研问卷、商品文案等数据都包含大量文本内容。 ...
2026-07-06 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-07-06在 CDA 数据分析师能力体系中,透视分析是数据探索、多维度汇总、业务复盘的核心基础技能。无论是 Excel 数据透视表,还是 Power ...
2026-07-03在市场竞争日趋激烈、获客成本持续攀升的当下,企业粗放式的“广撒网”获客模式早已无法适配经营需求。企业经营的核心逻辑,已经 ...
2026-07-03 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-07-03【核心关键词】运营、企业、核心、客户、新技术、数字化运营、数据分析、传统企业、人工录入、生产系统、技术人员、数据安全、 ...
2026-07-02在产品开发、项目立项、业务拓展、运营优化的工作中,市场调查、竞品分析、需求调研是三大核心基础工作。很多从业者容易将三者混 ...
2026-07-02 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-07-02在MySQL数据库运维与开发工作中,当单表数据量达到千万级、亿级后,会出现查询卡顿、索引失效、写入性能下降等问题。为优化性能 ...
2026-07-01在信息化建设、系统开发、数据分析、需求梳理的工作场景中,业务模型与逻辑模型是两个最基础、也最容易混淆的核心概念。很多项目 ...
2026-07-01 很多数据分析师能熟练计算各种指标,但当被问到“这些指标之间是什么关系”“为什么要选这个指标而不是那个”“指标体系的整 ...
2026-07-01【核心关键词】报表、数据源、客户、营销、业绩、销售、时效性、函数、可视化、运营、数据分析、数据报表、业务部门、数据运营 ...
2026-06-30在数据分析、商业预测、经济统计、运维监控等领域中,绝大多数业务数据都具备时间连续性特征,例如月度销售额、日度客流量、季度 ...
2026-06-30 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-06-30在 SQL Server 安装、服务启动、数据库文件操作等场景中,经常会遇到 “实例已在使用” 类报错,不同触发场景的原因与处理方式差 ...
2026-06-29在Excel数据统计、财务核算、销售复盘、库存盘点等办公场景中,经常需要在数据透视表中实现一列数据乘以另一列数据的计算需求, ...
2026-06-29