京公网安备 11010802034615号
经营许可证编号:京B2-20210330
抓住大数据时代机遇 实现创新驱动发展
拥有数据的规模、活性及解释运用的能力,是实现大数据在广东创新驱动发展战略中的价值的关键。
一、创新驱动战略需要一种数据驱动的新文化
对大数据价值认识和应用,政府、学术界、产业界和资本市场尚待达成一致。各部门、各地方普遍存在“数据割据”和“数据孤岛”现象,缺乏大数据意识也导致数据的公信力弱、质量低,数据定义的一致性差等问题。
数据文化,是尊重事实、强调精确、推崇理性和逻辑的文化。发展大数据产业,需要在社会上弘扬数据文化。
其一,在公共领域推行“数据治省”的理念。以系统采集的数据和科学分析的结果作为公共决策最重要的依据,杜绝个人经验和长官意志。
其二,政府加大“数据治省”的舆论宣传,力争在全社会形成“用数据说话、用数据管理、用数据决策、用数据创新”的文化氛围和时代特点。
其三,形成尊重数据的文化心态,建立大数据思维。其核心是:世界由数据构成,任何问题都可以通过对海量数据进行分析得到解决。一旦建立起该思维方式,就可以通过分析数据资源来寻找问题解决方式,促进创新机会的产生。
二、推动数据开放,提高数据质量,逐步建立数据治理制度
开放、流通的数据是大数据时代的要求。广东面对大数据变革,应该首先开始尝试公开数据和提高数据质量,逐步建立数据治理制度。
其一,宏观层面政府解决“数据割据”问题需要顶层设计,企业则需要在“数据孤岛”间架起桥梁;微观层面需注重“数据质量”,包括数据的正确性、完整性、一致性。
其二,制定统一的政府开放数据标准,包括政府数据开放目录、政府开放数据格式标准等,明确数据开放的范围、方式、内容、细化程度及数据格式,从技术操作层面为政府开放数据的共享奠定基础。
其三,建立相应的法律法规,界定数据资产的归属和使用,以解决发挥数据资产商业价值与侵犯个人隐私之间的矛盾。一方面采取法律方式保护公民的个人隐私;另一方面,保证政府的信息公开。
其四,打破部门数据的分割状态,整合数据资源形成合力,以多种形式向公众实时开放各类数据。
三、促进开放数据驱动企业成长
缺乏核心技术、产品附加值低是广东实施创新驱动的短板。即便是广东的信息技术这一支柱产业亦如此。在大数据领域,广东具有突破核心技术短板的机会。
大数据技术以开源为主,迄今为止,尚未形成绝对技术垄断。即便是谷歌、IBM、甲骨文等行业巨头,也同样是集成了开源技术,与本公司原有产品更好地结合。开源技术对任何一个国家都是开放的,广东企业同样可以分享开源的蛋糕。
支持和孵化开放数据驱动的企业,并创建体制结构从而确保企业的成长。一是推出“大数据研发计划”,由政府投入来改进处理海量数据的工具和技术,旨在资助处在知识创新前沿的大数据领域的研究活动,加强大数据基础性研究和行业性应用研究,并加强企业与科研机构、政府部门之间的合作伙伴关系;二是建立开放数据研究院,召集世界顶级专家共同合作、孵化、培养、指导新的创意和推动创新;三是政府可建立“开放数据优秀人才中心”,聚集开放数据供应方和需求方的专家,为利用开放数据的创业企业提供孵化支持;四是用竞赛等活动来支持创新,能激发创意和早期原型产品的诞生,也有助于建立开放数据用户社区。
四、制定云优先战略,推动计算产业的创新和发展
政府和产业界对云计算是热情高涨,但是,云计算的行业应用还处在刚刚起步的阶段,云计算发展面临着体制、商业模式、利益分配等诸多障碍。
政府制定“云优先”战略,规定各个政府部门都必须有序推进,向社会购买云服务。政府是最理想、最合适的消费用户。为推动云计算尽快成为一个产业,在不涉及国家安全的情况下,政府各部门都不应该再营建自己的数据中心、开发本地软件,无论是存储还是计算,都应该以云的形式向社会购买服务。
五、抓住大数据时代机遇,以网络智能制造作为突破口,以创新驱动制造业转型升级
由于国内需求减少,出口出现萎缩,广东制造业正面临困境。虽然我省已提出两化深度融合,但在战略设计、组织保障、推进路线等方面还有待深化。
未来的工业发展模式是信息技术与工业技术的高度融合,是网络、计算机、数据信息、软件与自动化技术的深度交织。广东制造业基于过去30年发展已积累了一定的技术基础和研发能力,抓住大数据这一机遇,完全有可能实现战略性的重点突破、重点跨越,在制造业上实现创新驱动发展。
推进网络智能制造。智能制造将从数字制造转变为依托大数据、云服务的协同,共同分享网络协同的运营服务。宽带网络、云计算、3D打印,信息开放获取、交通物流、全球市场等,为智能制造创造了全新的自由创造、公平竞争、高效合作的网络创新和制造服务的环境。网络智能制造是在线协同,人人可以公平自由参与、竞争合作、创造分享的一种全新方式。网络智能制造将会引领中国制造技术和产业的创新跨越,将充分发挥每个人的创造力,而且还可以集成利用全球的知识信息和创新资源。
六、以大数据引发新业态的发展,推动公众共享运动
大数据变革的潜力主要体现在数据开放战略和数据驱动方式上,在战略层面,可利用数据处理从封闭、断点、静态向开放、海量、实时的转变,引发社区、众包、网格等新业态、新模式蓬勃发展,在此基础上推动机构数据开放和公众共享运动的兴起。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06