京公网安备 11010802034615号
经营许可证编号:京B2-20210330
中国大数据产业发展存在的问题及解决对策
随着全球大数据产业的蓬勃发展,大数据产业在我国已快速兴起普及,展现出良好的发展势头,大数据产业将成为未来新的经济增长点。但是由于我国数据产业发展起步较晚,加之大数据关键核心技术发展比较滞后和与之相配套的相关工作准备不足,当前数据产业发展已面临着许多亟待解决的问题,其突出表现在:政府数据开放度低,数据流通不畅;数据安全和隐私保护问题凸显;数据标准化程度低,数据孤岛和碎片化导致数据商业价值不高;数据平台建设定位不清;技术创新与支撑能力不足;大数据专业人才匮乏等问题。
加快制定国家层面的大数据发展战略规划
从国外的经验来看,颁布国家层面的战略规划进行整体布局和注重构建配套政策是促进大数据产业有序发展的关键。
党的十八届五中全会提出要实施“国家大数据战略”,这是大数据第一次写入党的全会决议,标志着大数据战略正式上升为国家战略。大数据作为国家战略,理应由国家主导推进,而不应交由市场或地方政府主导。由于目前我国还没有出台由顶层设计的国家大数据发展战略规划,虽然国家部委和地方政府都在发力,但各自为政,定位不明确,难以形成合力。因此要加快补齐制约大数据有序发展的这块“短板”,按照十八届五中全会对大数据发展的新要求,加快制定出台国家层面上的“十三五”大数据发展战略规划,统筹规划布局“大数据战略”的中长期路线图与实施重点、路径、目标,引领全国数据产业健康有序发展,有利于防止出现数据产业盲目发展、产业同质化恶性竞争等问题。
加快推进政府数据资源开放共享步伐
政府数据资源开放共享是世界各国实施大数据发展战略的重要举措,因为政府作为公共数据的核心生产者和拥有者,加快政府数据开放共享,释放政府数据价值,有利于加快推动数据产业市场化步伐。可以预见,政府数据资源开放共享将催生出巨大的经济和社会价值,从而形成巨大的示范效应。
目前政府数据资源开放共享步伐进展比较缓慢,究其深层原因,主要在于现行政府行政体制条块分割的“自我封闭性”而导致的,因此,要把加快推进政府数据资源开放共享步伐的着力点放在全面深化政府行政体制改革上来。我们只有也唯一只有全面深化行政体制改革,创新行政管理方式,从根本上打破部门行业条块分割的体制壁垒,才能破解目前大数据发展面临的“数据孤岛”“数据碎片化”难题,进而推动大数据资源整合与集成应用,提高数据产业资源配置效率。
其次要把政府数据开放共享纳入政府工作重要职责,明确职责主体,确立政府数据开放共享的主管部门、工作职责和工作考核机制;尽快制定出台《开放数据发布指南》和《公共数据资源开放共享管理办法》,明确界定数据开放边界、范围、原则和安全保障范围等,制定数据开放共享行动计划,加快推进政府数据资源开放共享步伐。
加快建立完善大数据产业发展的相关法律法规制度
大数据正在改变世界,但它并没有改变人们对于数据安全和个人隐私保护的意识。目前,我国大数据安全及隐私保护的法律法规缺失,大数据安全保护能力十分有限,大大增加了我国大数据产业发展风险。从法理学角度来说,虽然法律具有一定的滞后性,但对于快速兴起普及的大数据产业,不应任由其发展,而应采取相应的数据安全及隐私保护措施。由此建议可先由部委制定相关规章制度来防控风险,然后随着大数据产业发展再逐步进行修订,待成熟时再上升到法律,保证数据采集、加工、分析、应用等整个数据产业链条有法可依、有章可循,为大数据产业发展营造良好的法律法规制度环境。
鉴于我们还没有制定有关数据安全和隐私保护的单行法律法规,建议先考虑加快起草和颁布《信息保护法》和《数据开放法》,加强数据安全和个人隐私保护,明确数据安全边界,保障大数据采集、使用等环节中个人隐私信息不受侵犯。参照《物权法》,研究制定《数据产权法》,明确数据产权法律定义、内容、确权和保护等内容,明确数据产权的资产属性和交易属性,明确产权所有者享有依法进行数据交易的权利;同时建议把制定《数据法》尽早列入全国人大立法计划,做好与之前出台的相关法律法规的衔接,待时机成熟时,出台《数据法》,力争在“十三五”期间尽早将大数据发展纳入立法程序。
加快推进数据标准化和有序推进大数据平台建设
加快推进数据标准化需要充分发挥有为政府的作用。建议从国家层面上组织专家队伍在积极借鉴国际经验的基础上,结合我国国情着力于对推动大数据的基础标准、技术标准、应用标准和管理标准等进行深入研究,积极鼓励先行先试,待试点成熟后上升为标准推广实施。具体来说,必须加快建立政府部门、事业单位等公共机构的数据标准和统计标准体系,推进数据采集、政府数据开放、指标口径、分类目录、交换接口、访问接口、数据质量、数据交易、技术产品、安全保密等关键共性标准的制定和实施,此外,我们要加强国际交流合作,积极组织参与国际标准制定,提高我国大数据标准制定的国际话语权。
建设大数据平台是实施大数据战略的重要内容,是加快推进大数据产业化、市场化进程的必要条件。我们要以市场需求为导向,按照有序推进、协调发展的原则统筹布局大数据交易平台建设。目前我国许多地方政府已经将大数据作为经济转型的重要手段,纷纷争先建设发展数据交易平台,但在大数据平台建设中出现的定位重复、各自为政、盲目发展,甚至有一些商家热衷于“跑马圈地”重铺摊子等现象却令人忧心。对此政府必须采取有力措施引导有序发展,避免由于功能定位趋同的大数据交易平台盲目发展,同质化严重以致发生恶性竞争,造成社会资源和社会资本的巨大浪费。
加大财政资金对大数据重点领域关键技术自主研发的投入力度
数据产业作为一个具有国家战略意义的新兴产业,在发展初期不仅要充分发挥企业的主体作用和有效市场的主导作用,而且要更好发挥政府的引导作用。近几年来,美英发达国家政府竞相持续加强大数据重点领域的关键技术研发与应用的投入,纷纷抢占大数据时代的有利位置。相形之下,我国对大数据重点领域关键技术自主研发投入不够、方向不明,这种技术层面的“非对称性”不仅制约着大数据产业发展,而且在很大程度上影响着我国大数据安全。
自主研发创新是提高数据产业竞争力的主引擎。要彻底改变目前我国数据产业创新能力不强,关键核心技术对外依赖度偏高的这一局面,必须充分发挥有为政府的作用,一定要在准确把握发展方向和原则的基础上,抓住重点领域、关键环节和核心问题,找准着力点和突破口,采取切实有力的措施,加大政府财政资金的引导支持力度。为此,建议在国家层面上设立大数据重点领域的关键技术研发创新的国家财政专项资金,支持突破一批关键核心技术研发创新与应用,构建具有核心技术自主权的大数据产业链。即突破大数据采集、大数据分析与挖掘、大数据可视化、存储管理、数据安全以及数据实时在线处理、非结构化数据处理等关键核心技术,形成自主可控的大数据技术架构,提高关键核心技术的自主研发创新能力,有效破解制约产业发展的瓶颈。
另一方面,要尽快完善政府采购大数据服务的配套政策,加强各级政府和企业对大数据开发应用的支持力度。鼓励政府部门和公用事业的信息化应用中采购大数据技术,以政府采购数据引导产业发展。
加强大数据专业人才培养
目前,我国大数据产业整体实力与国外相比仍有较大差距,大数据专业人才队伍不足是一个重要差距。发展大数据产业的一个重要前提就是必须具备多层次、高素质的大数据专业人才队伍。鉴于我国大数据专业人才队伍不足的现实,我们应着力于两方面下功夫:一方面,要培养大数据重点领域关键核心技术研发人才,从当前紧迫性而言,要充分发挥政府的主动引领作用,实施人才引进战略,以大数据领域研发和产业化项目为载体,积极引进高端人才,重点引进一批活跃在大数据技术发展前沿、国际领先水平的高端专业人才和团队。从长期来看,要立足于依靠我国重点高校和科研院所培养输送,致力于培养和造就一支懂指挥、懂数据采集、懂数学算法、懂数学软件、懂数据分析、懂预测分析、懂市场应用、懂管理等的复合型“数据科学家”队伍。另一方面,要培养和造就高素质的大数据应用人才。可以采取多元化培养方式,即:支持国内高等院校设置大数据相关学科、专业,培养大数据技术和管理人才;支持职业学校开展大数据相关职业教育,培育专业技能人才;鼓励高校和科研院所针对大数据产业相关技能对在职人员进行专业培训,缩短大学培养人才的周期来满足数据产业对人才的需求。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27