
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
前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11数据时代的黄金入场券:CDA 认证解锁职业新蓝海 一、万亿级市场需求下的数据分析人才缺口 在数字化转型浪潮中,数据已成为企业核 ...
2025-08-11DBeaver 实战:实现两个库表结构同步的高效路径 在数据库管理与开发工作中,保持不同环境(如开发库与生产库、主库与从库)的表 ...
2025-08-08t 检验与卡方检验:数据分析中的两大统计利器 在数据分析领域,统计检验是验证假设、挖掘数据规律的重要手段。其中,t 检验和卡 ...
2025-08-08CDA 数据分析师:解锁数据价值的专业力量 在当今这个数据爆炸的时代,数据已成为像石油一样珍贵的战略资源。而 CDA 数据分析师, ...
2025-08-08SPSS 语法使用详解 在当今数据驱动的时代,SPSS( Statistical Package for the Social Sciences)作为一款功能强大的统计分析软 ...
2025-08-07SASEM 决策树:理论与实践应用 在复杂的决策场景中,如何从海量数据中提取有效信息并制定科学决策,是各界关注的焦点。SASEM 决 ...
2025-08-07CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-07大数据时代对定性分析的影响 在大数据时代,海量、多样、高速且低价值密度的数据充斥着我们的生活与工作。而定性分析作为一 ...
2025-08-07K-S 曲线、回归与分类:数据分析中的重要工具 在数据分析与机器学习领域,K-S 曲线、回归和分类是三个核心概念与工具,它们各 ...
2025-08-07