京公网安备 11010802034615号
经营许可证编号:京B2-20210330
政策东风提供发展便利 大数据开启中国重大时代转型
自2011年5月“大数据时代已来”的号角奏响以来,“大数据”三个字就反复在政府、行业、学术各大会议中出现。这表明,一方面,近5~6年里人们关注大数据的热情高涨;另一方面,大数据确实给人类生产生活带来了空前的变化和影响。简言之,大数据奏响了人类步入智能化时代的序曲。
而从另一个视角来看,大数据产业万亿风口正在形成。2016年,中国正式将发展大数据升级为国家战略,大数据产业在中国迎来了重大变革与机遇。
政策东风
提供发展便利
大数据产业的发展离不开政策支持。可喜的是,随着国家大数据战略配套政策的制定和实施,我国大数据市场的发展环境正在不断优化。
2013年之前的5年可以算是我国大数据市场的萌芽、起步期:相关技术开始沉淀,相关应用开启探索。到2015年,我国大数据产业逐渐衍变出大数据生态圈,进入高速发展时期。也就在这年9月,国务院印发《促进大数据发展行动纲要》(简称《纲要》)。
《纲要》作为我国大数据产业发展的重要政策,为中国大数据事业制定了良好的顶层设计。2016年1月,我国将实施国家大数据战略列为“十三五”时期的重点工作,并由工信部制定和发布《大数据产业发展规划(2016-2020年)》作为下一个5年的工作指导。
大数据“十三五”规划发布后,环保部、国土资源部、林业局、交通运输部、农业部、国务院办公厅等部委相继印发了《生态环境大数据建设总体方案》、《促进国土资源大数据应用发展实施意见》、《关于加快中国林业大数据发展的指导意见》、《关于推进交通运输行业数据资源开放共享的实施意见》、《农业农村大数据试点方案》、《政务信息系统整合共享实施方案》等一系列大数据应用相关的政策方案。
不难看出,我国大数据政策已从全面、总体规划逐渐向各细分领域延伸,这也意味着,大数据产业发展已稳步走向实际应用之路。
地方因地制宜
发展大数据
数据中心是地方政府开拓大数据业务的基石。然而,受经济发达程度、市场需求度和技术发展水平影响,早期数据中心主要集中在北京、上海、广东、江苏等发达地区。
随着国家引导和地方政府支持力度加大,中西部地区的大型数据中心、超算中心也逐步建立。2017年5月,贵州省与曙光共建“贵安超算中心”,一改往日西部地区“超算洼地”的状况,对贵州乃至西部的大数据产业发展起到重要的推动作用。
同时可以看到,各地政府发展大数据已做到结合实际、因地制宜。如北京依托信息科技领先优势,快速集聚和培养了一批大数据企业,继而迅速将集聚势能扩散到津冀地区,形成大数据走廊;江苏依托当地原有的科技资源将大数据与当地智慧城市建设紧密结合,使大数据发展既有支撑又有的放矢,吸引了大批大数据应用企业——曙光也将斥资在南京运营大数据研究院暨产业基地;贵州、四川等中西部省市则借助当地资源、价格等优势,大力招商引资,吸引信息龙头企业落地并形成集群效应,同时大力布局相关产业园区,将大数据培育成本地的支柱产业。
截至2017年6月,全国已有20多个地区出台了大数据相关的政策措施,另有20多个地方设立了专门的大数据管理机构,并已先后建立8个大数据综合试验区,形成了京津冀、长三角、中西部和东北地区等一批聚集发展区,呈现出良好势头。
从国家战略到省市级大数据产业政策的制定,很好地体现了我国在大数据产业发展中的建制化优势,这是值得我们总结的经验,而且可以推广到其他技术发展领域。
数据壁垒
迎“破冰”
打破数据壁垒,是我国大数据产业发展取得的另一值得称道的成绩。近5年来,随着大数据产业生态的形成和政策支撑力度的加大,我国在数据开放共享方面取得了初步进展。
这首先体现在政府管理理念上。调查显示,全国 80%以上的地方大数据规划都明确提出,要建设数据共享开放平台,强调政府数据的统筹管理,进一步完善统一的人口、法人、交通以及空间地理等基础信息资源库,并通过优化《政府数据资源共享与开放目录》和制定大数据开发利用标准,明确各部门数据共享的范围边界和使用方式,厘清数据管理及共享的权利及义务。
另外,随着智慧城市建设的兴起,城市内、城市间数据融合成果显著。如无锡市基于曙光城市云,将各政府单位数据打通,实现了部门数据在内部的流通共享。
跨行业数据的打通为公众提供了许多便利。比如最早部署城市云平台的成都云计算中心,已接入部署了市直80多个部门的200多项政务应用,为政府及社会提供民生服务。这意味着,成都市民仅凭一张身份证就能一站式办理多项业务,为一张证明跑四五个部门的历史将就此尘封。
政务部门实现数据互通,得到的结果是与民方便、与管理者方便,同时收获高效。同样的,在行业间的数据互通,也有着类似的多赢目标。
政企之间、行业之间、企业之间数据共享互通的重要途径之一就是完善大数据交易平台建设。自 2015 年全国首个大数据交易所——贵阳大数据交易所正式挂牌运营以来,全国已建成20余个大数据交易场所,一定程度上加快了当地政企数据的共享开放。此外,贵阳、杭州等市在政府层面成立了类似大数据局或数据资源管理部门,其职能就是统筹和管理各类数据。这也是数据开放共享的一个好的尝试。
催生数字经济
“一炮两响”
大数据产业的长足发展推动我国经济发展水平提升到更高级的阶段——数字经济。认识到这一点,就不难理解更不容忽视——大数据产业从来不是信息产业界的“自娱自乐”,而是一项事关经济社会发展全局的系统工程。
大数据这一系统工程的发展分两个阶段:第一阶段实现了“数字产业化”,也即数字经济的基础——依赖于信息化企业的技术创新和运营商基础设施及网络的发展,电子信息制造业、信息通信业、软件服务业等通过大数据技术变革实现了产业升级。
第二阶段是“产业数字化”,即“大数据+”传统产业。大数据应用遍地开花,制造业、工商业、金融业等传统行业的生产效率和产品品质得到大幅度提升。同时,通过与大数据技术的融合,传统产业还逐步衍生出“个性化”的生产交付方式、“服务化”的产品售前售后等,实现了质的飞跃和升级。
未来,各产业与大数据的融合度只会越来越深。比如,以大数据为代表的创新意识和传统产业长期孕育的工匠精神结合起来,能让新旧动能融合发展,改造提升传统产业,为中国经济发展打造新引擎。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在企业数字化转型过程中,“业务模型”与“数据模型”常被同时提及,却也频繁被混淆——业务团队口中的“用户增长模型”聚焦“如 ...
2025-11-20在游戏行业“高获客成本、低留存率”的痛点下,“提前预测用户流失并精准召回”成为运营核心命题。而用户流失并非突发行为——从 ...
2025-11-20在商业数据分析领域,“懂理论、会工具”只是入门门槛,真正的核心竞争力在于“实践落地能力”——很多分析师能写出规范的SQL、 ...
2025-11-20在数据可视化领域,树状图(Tree Diagram)是呈现层级结构数据的核心工具——无论是电商商品分类、企业组织架构,还是数据挖掘中 ...
2025-11-17核心结论:“分析前一天浏览与第二天下单的概率提升”属于数据挖掘中的关联规则挖掘(含序列模式挖掘) 技术——它聚焦“时间序 ...
2025-11-17在数据驱动成为企业核心竞争力的今天,很多企业陷入“数据多但用不好”的困境:营销部门要做用户转化分析却拿不到精准数据,运营 ...
2025-11-17在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10