
政协委员呼唤大数据顶层设计_数据分析师培训
随着互联网技术的不断进步,社会信息化步伐正日益加快,大数据时代已经悄然来临。在近日召开的全国两会上,无论是在党派和委员的提案里,还是在分组讨论上,甚至在委员的会外交谈中,“大数据”无疑都是出现频率最高的词汇之一。如何加快推进大数据产业发展,引起委员们热议。
“目前,我国的大数据产业发展尚处于起步阶段,面临着技术创新驱动不足,产业链与创新链缺乏有效衔接的问题。”全国政协委员、中国工程院院士潘云鹤表示,虽然国内现在有不少企业、高校与科研院所成立了研究中心,针对大数据汇聚管理、智能分析、知识服务等产业亟须的共性技术进行了研究,但是系统化研究不足,规模化工程验证设施缺乏,产学研协同创新不深,无法形成合力,难以有效支撑产业做大做强。
“我们应当建立大数据领域的国家工程研究中心,致力于组织协作攻关并推广应用从大数据中发现知识的技术与系统。”潘云鹤认为,建立国家工程研究中心的各种基础逐步成熟,产业需求也变得更加迫切,国务院相关部门应及时推进设立。
在全国政协委员、中国气象局副局长宇如聪看来,相关部门则需要加强大数据基础设施建设,建立和完善大数据科研服务平台,“必要的基础设施建设,是超前谋划和主动应对急速增长的海量科学数据应用的必要条件,是更有效产生和应用大数据的基础。”
“数据中心建设需要合理布局。”全国政协委员、台盟福建省委副主委骆沙鸣表示,应加强我国的大数据产业发展顶层设计和规划,避免盲目重复建设数据中心。他同时提出,“将大数据产业列入国家‘十三五’规划,加快‘数据中国’建设。”在他看来,只有构架开发利用好我国的“云”计算、“链”建设和“端”创新,才能拥抱大数据,在经济社会发展新常态带来大产业、大机遇、大红利。
与骆沙鸣的观点相似,民建中央在今年的两会提案中也提出,将大数据发展上升为国家战略,制定未来五年或更长时间发展主要目标、重点任务、行动计划和保障措施,通过体制机制创新,盘活政府及社会的数据资源,将数据资源转化为生产力。
在提案中,民建中央还提出,国家应积极营造大数据产业发展的市场环境,出台鼓励大数据产业发展的财税政策;积极探索大数据在政府部门中的应用;加大知识产权保护力度,积极扶持发展用于解决数据存储、分析、检索等问题的基础软件研发,同时防止数据资源垄断。
对此,宇如聪进一步补充指出,在教育的科研及应用方面,要加强大数据相关的人才培养,有计划地培养大数据技术和管理人才,并加大对高水平大数据人才的引进力度。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 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在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23