
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
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23