
全球“大数据战略”面面观
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。
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”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。
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
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10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 ...
2025-09-04