
工信部九方面推进我国大数据产业发展 支持关键技术产品研发和产业化
随着新一代信息技术的迅猛发展,互联网与社会各领域各行业的交融、交汇日益深化,一个以大规模产生分享和应用数据为特征的大数据时代已经到来。近年来在国家政策支持和各方面的努力下,我国大数据产业循序发展,应用不断深化,大数据已经成为当今经济社会领域倍受关注的热点之一。
对我国而言,如何把握住发展的机遇,充分利用好大数据抢占发展先机是现在面临的主要问题。对此,莫玮提出了关于我国大数据的两点看法。
第一,党中央国务院高度重视大数据发展,大数据产业发展迎来了重要的机遇,党的十八届五中全会提出实施国家大数据战略,习近平总书记4月19日在全国网络安全和信息化工作座谈会上指出,要切实贯彻落实好网络强国战略,互联网+行动计划,大数据等国家战略,国务院也出台了《促进大数据发展行动纲要》,全国推进大数据发展,加快建设数据强国。
十三五时期是我国全面建成小康社会的决胜阶段,全球新一代信息技术产业发展正处于加速变革期,国内市场应用需求处于爆发期,我国大数据产业迎来了重要的发展时刻。为此,我国要抢占机遇,增强创新能力,深化行业应用,繁荣产业生态,促进大数据产业健康、快速发展。
第二,我国大数据发展具备良好基础,同时也面临诸多挑战,自从20多年前接入国际互联网以来,我国高度重视互联网的发展,加强基础设施建设,加大基础设施研发,大力发展网络经济,网络深度融合了社会的发展,为我国大数据产业发展奠定了良好的基础。这主要体现在以下七个方面:
一,大数据基础设施日益完善。截止今年6月底,我国固定宽带家庭普及率达到56.6%,移动宽带用户普及率达到了63.8%,全国月户均移动互联网接入量达到了700兆,5G已经全面拉开序幕,研发和实验阶段也进入了攻坚阶段。
二,激烈了丰富的数据资源。目前我国网民数量已经超过7亿,移动电话数据规模突破了13亿,网络零售交易额跃居全球第一,我国已经产生积累数据量最多,数据类型最丰富的国家之一。
三,大数据技术创新取得了显著的进展。国内互联网龙头企业,单服务器集群规模达到了上万台,部分企业在深度学习人工智能等领域,我国企业对国际主流大数据技术基础开元软件逐步增加。
四,大数据应用推进的势头良好。大数据在互联网服务中得到了广泛的应用,提升了个性化和智能化的服务水平。大数据与传统产业相结合,推动制造业的网络化、数字化和智能化方向发展。电信、金融、交通等行业利用大数据加快服务优化,业务创新和产业升级的步伐。
五,当数据相关产业规模不断壮大。2015年我国软件和信息技术服务产值达到了4.3亿元,连续多年保持了20%以上的增速,一批新兴的专业化大数据企业崛起,大数据成为社会投资的热点之一。
六,大数据产业支撑体系不断完善。建立了大数据行业标准化工作机制,开展了大数据技术、交易、开放共享等国家标准的研制工作。一批大数据技术研发实验室,产业联盟,投资基金等产业平台相继建成,为产业发展提供了良好的支撑。
七,地方发展大数据积极性高涨。目前,全国30多个省市专门出了大数据相关的政策文件,十余个地方专门设置了大数据的管理部门,统筹推进大数据发展,呈现出京津冀、长三角、珠三角、中西部、东北部等全面开花的格局。
莫玮表示,总体来看,我国大数据产业发展具备了良好的基础,但要实现从数据大国向数据强国的转变,还面临着数据资源开放程度低,核心技术能力不强,产业支撑体系不够完善,高层次专业人才欠缺等一系列的问题和挑战。
工业和信息化部按照国务院的决策部署积极推进大数据产业的发展,以及促进大数据发展行动纲要的任务分工,将以五大发展理念为指导,着重做好以下九个方面的工作。
一,认真贯彻落实推进大数据发展行动纲要。依托联席会议制度会同发改委、中央网信办等部门统筹推进落实的任务。
二,做好大数据顶层发展的统筹设计。
三,支持大数据关键技术产品研发和产业化,形成一批具有自主知识产权的技术和产品。
四,大力发展工业大数据,认真贯彻落实国务院《关于深化制造业与物联网融合发展的指导意见的任务要求》。
五,支持地方大数据产业发展和应用试点,选择带有条件的地方开展大数据的建设,并积极探索推进产业集聚区的建设。
六,推动大数据标准体系建设,推荐关键急需标准的研制和验证,积极参与国际标准制订。
七,加强大数据安全保障体系建设,推进大数据安全技术、产品研发、完善相关法律法规和制度体系。
八,建设符合新生态队伍,创新人才培养模式,建立健全多层次、多类型的大数据人才培养体系。
九,加强国际合作,充分利用国际市场面向全球配置资源的需求做。
“数据是国家基础战略性资源,我们自身与这么一个无处不数据的时代,坐拥数据富矿,要从富矿中提炼出钻石,切实转化为推动经济社会前行的力量,还需要政府、企业、科研院落等行业联盟更各界的共同努力,希望各地的政府积极制订并落实配套措施,着力推动数据资源开放共享,利用大数据提升政府治理能力和公共的服务水平,加快产业转型升级,促进经济社会发展,也希望我们企业界充分利用数据资源开展创业创新,在技术、产品、服务和商业模式方面积极探索,希望科技领域加强大数据领域前沿技术研究,加强校企合作,突破一批关键的核心技术,提升我国大数据关键技术创新水平。”,莫玮介绍说。
最后,莫玮表示希望全社会各界提高对大数据的认识,积极推动大数据在各领域的广泛深度应用。
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