
大数据应用将从政务行业中突破
近日,海南省人民政府办公厅印发了《海南省2017年促进大数据发展工作要点》,大部分内容都是推动政府、交通、医疗、旅游、气象等单位的数据信息系统建设,并实现互联互通和数据融合共享,推动大数据应用与其他产业融合发展。前不久,中国联通发布的政务云白皮书也明确提及,其电子政务产品以云为基础、以数据为核心,政务及行业大数据是其重要的拓展方向。当前,大数据产业蓬勃发展但盈利模式尚不清晰,而数据的安全隐私性要求越来越高,大数据应用在政务行业中率先突破或成为未来的发展方向。
行业数据融合共享发展成趋势
《海南省2017年促进大数据发展工作要点》提到:推进“互联网+”政务服务,推进社会保障服务大数据的应用和数据共享,建设完善医疗保险大数据应用系统。建设交通服务大数据系统、公路网交通情况调查数据采集与服务系统、海南省公路水路联网售票与电子客票系统,推进交通服务大数据挖掘应用,提高交通运输管理与信息服务智能化水平。推动公安、交通、城管、气象、安监、测绘等跨部门、跨地域数据融合和应用,提高城市交通智能化水平。鼓励社会企业利用交通大数据开展出行信息、交通引导、便捷停车等增值服务,推进城市智慧交通建设。建设完善海南智慧旅游公共服务平台,加大旅游公共信息的互联网采集和运用力度,实现旅游信息系统互联互通和信息资源开放共享。建设全省农业大数据服务平台,推进平台与涉农信息系统对接,推动农业各类要素集聚,形成农业大数据库,开展农业大数据挖掘应用,推进农产品追溯系统、电子商务平台建设与推广应用,为生产者、消费者、监管者提供农林产品和生产资料质量安全信息服务,为农业发展提供精准服务。建立医疗健康服务大数据体系。完善全员基础数据库、居民电子健康档案数据库、电子病历数据库等建设,推进以电子病历为核心的医院信息化建设,20%的三级公立医院和30%的二级公立医院分别达到电子病历应用5级和4级水平。这些无不表明,海南省政府系统推动各行业发展大数据的决心和谋划。
海南省政府还明确提出,建立健全数据共享、开放体制机制。出台政务信息资源共享目录和开放目录,建立并实行政务信息资源共享负面清单制度和负面清单审核机制。各单位不予共享的政务信息资源,由省信息化主管部门会同法制部门和编制部门组织论证和审核,对依法不能共享的信息纳入负面清单,并通过共享平台予以公布。除列入负面清单的政务信息资源之外,各单位应无条件对其他单位提供共享信息。加强政务信息共享整合,消除信息“烟囱”。完成省直部门80%非涉密信息系统与省信息共享交换平台的对接,实现公共数据汇集、存储在省信息共享交换平台并与其他公共机构共享。推动各部门、各市县将分散的、独立的信息系统整合为一个互联互通、信息共享、业务协同的“大系统”。海南省的行动是全国政府部门开放共享大数据的一个缩影,未来,政府相关部门大数据开放共享的步子只会越来越快。
给运营商带来哪些机遇
记者认为,运营商首先迎来良好的云数据中心建设机会。大数据系统需要云资源的安全高效支撑,放在统一标准的平台上才能更好地融合共享。例如:海南省政府提出,统筹推进全省数据中心和云计算中心建设。加强省政府数据中心能力建设,扩大数据中心机房,完善政务云平台设备,全面提升数据中心承载力。各部门(含下属事业单位)新的信息平台和信息系统依托省政府数据中心政务云平台开发建设,原则上不再审批新建省各部门、县级政府孤立的数据机房。出台《海南省数据中心和云计算中心建设指导意见》,做好全省数据中心和云计算中心建设的规划布局和统筹推进。专家预测,未来数年云数据中心建设将迎来高峰,良好的政策环境和旺盛的需求对运营商是大利好。近日,移动、联通、电信三大通信运营商将入驻中国东南大数据产业园,建设东南区域云计算数据中心及产业运营中心等。
运营商可整合平台上海量数据资源,面向政务行业拓展大数据服务。在行业数据向云平台融合共享的大背景下,运营商可以通过自身平台掌控各行各业的数据,再加上自身对上亿用户海量数据的掌控,运营商通过平台上的人工智能、大数据分析能够实现数据价值的变现。出于数据隐私考虑,运营商不宜直接向消费者提供服务,可以更多地跨行业进行合作,比如在政府治理、公共管理等方方面面,也可与专业的服务提供商进行合作向外提供服务。
记者比较担忧的一点是,在行业数据开放共享的当下,运营商自身在大数据发展上如果还各干各的,缺少深度合作,那么运营商本身的大数据业务也很难做强。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13