京公网安备 11010802034615号
经营许可证编号:京B2-20210330
以大数据助力供给侧结构性改革
“当今世界,科技进步日新月异,互联网、云计算、大数据等现代信息技术深刻改变着人类的思维、生产、生活、学习方式”,“大数据是工业社会的‘自由’资源,谁掌握了数据,谁就掌握了主动权”。推进供给侧结构性改革,是“十三五”时期我国经济工作的主线。新形势下要把发展大数据作为重要抓手,充分挖掘和利用海量数据资源中蕴含的巨大价值,加快大数据成果转化和应用,以大数据等现代信息技术的发展,改善供给结构、提升供给质量。
巨大价值:
驱动发展、耦合供需
综观新一轮科技革命浪潮,大数据的重要性越发凸显,不论是人工智能、无人控制技术,还是量子信息技术、虚拟现实等,这些不断涌现出来的全新技术力量,都以大数据作为主要特征和战略资源。可以说,大数据正是新一轮科技革命的核心动能,正是DT(数据处理技术)时代的“钻石宝库”,正成为推动发展新的驱动力。也正因为此,当今世界各主要国家都非常重视大数据的发展,如美国于2012年启动了“大数据研究与发展计划”,英国于2013年推出了“数据能力发展战略规划”,日本于2014年发布了“智能日本ICT战略”,等等。大数据已成为大国博弈中一个新的战略阵地。
对于供给侧结构性改革而言,大数据的重要性还在于其能够集中反映市场需求变化,打通供需之间的内部联系,总结规律、预测趋势、辅助决策,为改革提供精细化服务。推动供给侧结构性改革,落实“三去一降一补”,并不是忽略需求的作用,而是要坚持以市场需求为导向,增强供给结构对需求变化的适应性和灵活性。大数据具有海量、多样、快速、真实等典型特征,利用大数据进行分析,企业能够找准市场需求、明确发展定位,进而创新产品、优化流程、降低成本、提升效益;政府也能够及时追踪企业乃至整个行业的发展动态,精准助力改革。
广泛应用:
助力转型、优化治理
数据是资源,应用是核心。要积极顺应大数据融合发展的趋势,正确把握其与供给侧结构性改革的关系,以大数据的广泛应用,助力产业转型升级,优化政府治理,增强供给体系的质量和效益。
供给侧结构性改革的重点,是减少无效和低端供给,扩大有效和中高端供给,这必定会加快发展的“动力切换”,推动经济的“升级换挡”。大数据本身即是新动能、新增长点,拥有广阔的市场空间;而且随着其向经济各领域的渗透应用,还将对传统产业产生重大冲击,加快产业之间及产业链之间的垂直整合速度,掀起企业内部的组织架构、管理模式等变革。应发挥大数据的牵引作用,深入实施科技创新战略,推动其与实体经济深度融合,促进产业结构向中高端迈进,塑造更多依靠创新驱动、更多发挥先发优势的引领型发展。要运用大数据加快发展新经济,通过“大数据+智能终端”“大数据+智能制造”“大数据+现代物流”等方式,培育壮大更多新产业新业态新模式。要运用大数据改造提升传统产业,加快技术改造、流程再造、信息化建设等进程,着力提升竞争能力和综合效益。
推进供给侧结构性改革,离不开政府这只“有形之手”。要积极借助大数据技术,正确认识和把握市场规律,着力提升政府决策科学化、管理精准化、服务便利化水平。尤其在当前经济发展步入新常态、经济增长呈现“L型”走势的情况下,政府应切实增强对投资、工业、服务业、财政、金融等领域数据资源的获取和利用能力,更多地采集客观数据和运用大数据分析方法,实现对经济运行更为准确、更为高效的监测预警和研判预测,在此基础上完善政策、精准施策。同时,要大力推行“互联网+政务服务”,围绕“数据多跑路、百姓少跑腿”目标,努力打造全覆盖、全联通、全方位、全天候、全过程的服务模式,提升政府服务效率。
突围路径:
问题导向、聚焦发力
近年来,我国大数据呈现出蓬勃发展的态势。在中央层面,国务院于2015年8月底出台了《促进大数据发展行动纲要》,这意味着发展大数据已经上升为国家战略。在地方层面,各地招数频出,在管理机构、系统平台、创新载体、数据交易等方面均有一定的发展。
但从全球角度看,我国大数据仍处于起步阶段。随着近年来大数据及其相关产业的加速发展,各种风险和挑战也日益显现。特别是由于大数据具有极强的技术和信息依赖性,信息资源共享难、核心关键技术缺失、数据安全风险高、产业体系不健全等问题,已成为制约大数据发展的瓶颈。要坚持问题导向,聚焦发力推进大数据战略行动,促进大数据健康发展,更好助力供给侧结构性改革。
信息资源共享是大数据发展的基础。要加快完善宏观制度规定,在已出台的《政务信息资源共享管理暂行办法》基础上,进一步细化、明确公共信息资源开放共享的内容、程序、标准等;要加强大数据共享平台建设,深入实施数据中心大整合工程,积极构建大数据信息共享服务体系。
核心关键技术是大数据发展的支撑。我国大数据建设长期依赖国际通行技术,自主研发实力较弱,特别是芯片和操作系统的自主创新能力不足。要加快核心关键技术的研发布局,强化海量数据存储、数据清理、数据计算、数据分析、数据可视化等领域关键技术攻关,推动制定相关标准和指南,抢占国际竞争的战略“高地”。
数据安全风险防控是大数据发展的生命线。要加快构建大数据安全保障体系,加强重要系统平台及关键信息基础设施安全维护,建立统一高效的数据安全检测和预警通报机制,切实维护涉及国家利益、公共安全等重点领域的信息安全,依法依规打击信息滥用、侵犯隐私、网络诈骗、盗取商业秘密等行为。
立体产业体系是大数据发展的必然趋势。要加强宏观政策引导,积极构建良好的创业创新环境,搭建大数据产业与其他产业联动发展机制,组建全国性、区域性的大数据产业联盟,推动大数据产业链各个环节企业无缝对接、深度合作,共享大数据发展红利。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21