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
在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27在CDA(Certified Data Analyst)数据分析师的能力体系与职场实操中,高维数据处理是高频且核心的痛点——随着业务场景的复杂化 ...
2026-03-27在机器学习建模与数据分析实战中,特征维度爆炸、冗余信息干扰、模型泛化能力差是高频痛点。面对用户画像、企业经营、医疗检测、 ...
2026-03-26在这个数据无处不在的时代,数据分析能力已不再是数据从业者的专属技能,而是成为了职场人、管理者、创业者乃至个人发展的核心竞 ...
2026-03-26在CDA(Certified Data Analyst)数据分析师的能力体系中,线性回归是连接描述性统计与预测性分析的关键桥梁,也是CDA二级认证的 ...
2026-03-26在数据分析、市场研究、用户画像构建、学术研究等场景中,我们常常会遇到多维度、多指标的数据难题:比如调研用户消费行为时,收 ...
2026-03-25在流量红利见顶、获客成本持续攀升的当下,营销正从“广撒网”的经验主义,转向“精耕细作”的数据驱动主义。数据不再是营销的辅 ...
2026-03-25在CDA(Certified Data Analyst)数据分析师的全流程工作中,无论是前期的数据探索、影响因素排查,还是中期的特征筛选、模型搭 ...
2026-03-25在当下数据驱动决策的职场环境中,A/B测试早已成为互联网产品、运营、营销乃至产品迭代优化的核心手段,小到一个按钮的颜色、文 ...
2026-03-24在统计学数据分析中,尤其是分类数据的分析场景里,卡方检验和显著性检验是两个高频出现的概念,很多初学者甚至有一定统计基础的 ...
2026-03-24在CDA(Certified Data Analyst)数据分析师的日常业务分析与统计建模工作中,多组数据差异对比是高频且核心的分析场景。比如验 ...
2026-03-24日常用Excel做数据管理、台账维护、报表整理时,添加备注列是高频操作——用来标注异常、说明业务背景、记录处理进度、补充关键 ...
2026-03-23作为业内主流的自助式数据可视化工具,Tableau凭借拖拽式操作、强大的数据联动能力、灵活的仪表板搭建,成为数据分析师、业务人 ...
2026-03-23