
总理点赞贵州大数据发展:人在做云在算
阳市公安交通管理局云岩区分局民警涂文虎14日第一次走进贵阳大数据应用展示中心客串讲解员,他讲解的对象是正在贵州考察的中共中央政治局常委、国务院总理李克强。
“没想到,第一次做讲解,是给李总理介绍我们平时工作中常用的东西,总理还这么感兴趣。”涂文虎激动地告诉记者。
涂文虎此次主要讲解的是贵阳大数据中心智能化交通监控管理系统、贵阳市高清视频监控系统和执法记录仪,都是贵阳交通民警在工作中经常使用的工具。涂文虎告诉记者,李克强总理当时详细询问了执法记录仪的情况。
执法记录仪体积小、便于携带,可通过后台软件设置密码管理,能现场回放,又保障文件不能被篡改,可提供有效的现场影像资料,供案件指挥、侦破和检察机关取证。
涂文虎回忆,总理来到交管局介绍的区域时,对执法记录仪很感兴趣,“现在我们的对话和画面已经被执法记录仪记录了下来,执法记录仪是我们工作上很好的帮手,可以客观记录我们的工作情况。借助大数据,警员的一举一动都有记录,市民若有异议,随时可进行查询核实。”涂文虎手执执法记录仪这样向总理介绍。“听到这样的介绍,总理很高兴地点头称赞,他说这就是‘人在做,云在算’。”涂文虎告诉记者。
在贵阳大数据应用展示中心的大数据云平台监督执法权力板块,李克强也说,把执法权力关进“数据铁笼”,让失信市场行为无处遁形,权力运行处处留痕,为政府决策提供第一手科学依据,实现“人在干、云在算”。
2014年开始,贵阳市民能够通过手机、平板电脑等移动终端直接查询实时路况、交违法罚款、参加满分驾照学习等情况,高清视频监控平台24小时对城区进行车流量数据收集,结合动态地图板等各种道路监控设施及视频巡查,形成智能交通管理系统,指挥中心把所收集的车流信息、路段情况跟历史数据进行对比,精准测出“未来”高峰期路段情况,提醒市民出门避开堵点。
“感受到这些便利后,我们才惊觉,原来大数据已经深入到我们生活了。”涂文虎说。
在过去一年中,贵州省搭建了全国首个省级政府数据统筹管理、交换、共享的云服务平台——“云上贵州”统一系统平台,围绕电子政务、智能交通、智慧物流、智慧旅游、工业、电子商务、食品安全等方面建设的“七朵云”,让贵州人享受到大数据带来的“新生活”。
2015年贵州《政府工作报告里》也提出,大力发展以大数据为引领的电子信息产业,积极谋划建设全国大数据产业示范基地,丰富“云上贵州”应用内容。
近日经国家工信部批准,首个国家级大数据集聚发展示范区——贵阳·贵安大数据产业发展集聚示范区落户贵州,为贵州大数据产业创新发展又增加了新亮点。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 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