
面对大数据,我们准备好了吗_数据分析师
大数据等现代技术发展迅猛,正对全球经济社会产生重大影响。
全国政协12日召开的双周协商座谈会上,委员们与相关专家学者及国家发展和改革委员会、国家互联网信息办公室、国家统计局等部门的负责同志,就“利用大数据技术提升政府治理能力”展开热烈讨论,有建议,有担忧,有展望,有交锋。
顶层设计:完善体制机制
什么是大数据?
国家互联网信息办公室主任鲁炜在发言中认为,从内容上说,大数据就是海量信息,随着信息技术的迅猛发展,互联网数据的价值从量变上升到质变,能够直观地呈现经济社会运行的规律特点,提升政府决策的科学性、准确性。从技术上说,大数据就是对海量数据的采集、存储、分析、整合、控制。大数据对提高生产效率、降低经济社会运行成本、提升政府治理能力以及维护国家安全具有重要作用。他提出,要加强顶层设计,完善数据管理的体制机制,通过战略规划和制度设计,整合政府数据、行业数据、企业数据、市政数据,建立全国统一的网络数据指挥发掘利用中心。
“要将发展大数据上升为国家战略。”全国政协委员、商务部原副部长蒋耀平更是直截了当:“根据我国现有的体制特点,将发展大数据上升为国家战略,可以充分发挥我国集中力量办大事的优势,还能有效地避免一些地方一哄而起的盲目发展,造成不必要的重复建设。”全国政协委员、九三学社中央常委马秀珍则提出,应把大数据当作国家重要的战略资源。国家应出台大数据的技术标准和规范,整合数据资源,理顺政务信息资源,推进行政审批、纪检监察、医疗卫生、教育等政务、民生的云应用建设,从而推动各级政府治理结构和治理能力的现代化。
全国政协委员、北京交通大学计算机与信息技术学院院长钟章队建议,成立国家大数据发展和促进机构,负责建立国家大数据政策框架,指导和协调公共领域的大数据管理。全国政协委员、广东省经济和信息化委员会副主任李心认为,全国统一的电子政务网络尚未形成,大数据资源部门有效共建共享机制没有建立,严重制约我国大数据的建立、开发和应用,制约着电子政务深入发展和效能发挥。要加快制定数据资源开放标准规范,比如什么数据可以开放、以什么方式开放、通过什么渠道开放以及开放这些数据是否会侵犯个人隐私等。
针对委员们提出成立大数据管理机构的问题,阿里巴巴集团董事局主席马云表示,“把互联网的生产力进一步释放出来。不过,以本人十多年的从业经验来看,我不能等政府大数据管理机构成立以后才发展大数据。”
数据立法:强化安全措施
座谈会上,大数据时代的安全问题,始终是委员们关注的重点。
“在制定国家大数据规划时,希望能将数据安全问题放在重要位置。”上海交通大学教授曹珍富提出,在大数据运用中要保证个人隐私和信息安全,对涉密数据和隐私数据实施加密,这样不仅能做到共享,还能实现纵向、横向数据聚合,做数据分析。蒋耀平认为,大数据时代的安全问题与传统安全相比更为复杂,为解决当前个人信息和数据保护的紧迫需要,可以借鉴国外的经验做法,根据我国的国情完善相关法律法规。
全国政协常委、提案委员会副主任赖明建议,尽快制定涉及个人隐私、商业秘密和政府保密数据采集使用和保护的基础性法律,明确数据拥有者、使用者、管理者等各方的职责。
“从安全的角度来看,大数据是一把双刃剑,要平衡运用大数据和保护个人隐私之间的度,并不容易。”全国政协委员、北京启明星辰信息技术有限公司总裁兼首席执行官严望佳建议,可以把数据看作一种资产,自有它完整的生命周期,包括计划、采集、维护、使用、撤销等环节,从技术和管理两个维度出发,如果能够建立大数据生命周期的管理机制,应该有利于安全问题的解决。
全国政协委员、中国科学技术大学教授潘建伟在发言中说,目前国际上有一个热门的技术——量子通讯,已经初步具有保障大数据信息安全的能力,包括对数据的合法使用和安全高效的身份认证和授权,以及数据安全的存储、信息传输过程中的安全和对隐私的保护等。量子通讯不仅在原理上可以实现无条件安全量子分发,而且理论上已经证明它也可以防黑客,可以保证数据存储和身份认证本身的安全性。
不过,全国政协委员、南京大学副校长吕建则认为,安全问题永远研究不完,也永远存在,大数据的安全问题应该在发展过程中逐步解决。
技术研发:抢占国际制高点
“加快技术研发,搭建政产学研合作平台。集中优势资源,着力发展自主芯片、操作系统、数据库等核心技术、关键技术,真正把安全的‘大楼’构筑在自家的地基上,把重要的数据存储在自家的仓库里。”鲁炜的这一观点,在会上引发共鸣,委员们在发言中对我国大数据关键技术瓶颈表达了担忧,纷纷建言献策。
“搞信息化建设如果自主技术缺乏,都搭建在别人的基础上,是不可靠、不安全的。”蒋耀平说,必须加大对大数据技术研发的支持力度,一是要加强大数据技术研发方向的前瞻性和系统性,重点增加在人工智能、实时大数据处理、海量数据存储管理、交互式数据可视化和应用等前沿及共性技术基础上的研发投入,从国家层面上给予支持。二是要集聚产学研用的力量形成合力,力争在大数据平台及软件上能够实现突破,抢占国际制高点。
赖明建议,国家应实施大数据重大应用示范工程,可重点选取环保、医疗、教育、交通等具有大数据基础的领域实施,探索交付共享一体化的服务模式,建设大数据公共服务平台,促进大数据技术成果惠及民生,在全社会形成推广示范效应,带动全社会大数据的应用不断深化。
严望佳提出,政府应督促国产软件供应商建立自身漏洞响应和应急处理机制,比如一旦发现某种漏洞,应该迅速修补,并及时发布给广大的用户。
治理能力:提供更好社会服务
“我们应该借助大数据,扎实地推进信用体系、民生体系、公共服务体系、科学决策体系等建设,创新性地建设面向未来的现代化体系,现代化不仅是技术的应用,更是利用技术全面提升社会的幸福指数。”全国政协委员、神州数码(中国)有限公司总裁兼首席执行官郭为如是说。
座谈会上,委员们一致认为,在政府治理中运用大数据等现代技术,能够显著提高政府科学决策、监管市场、公共服务、社会管理和生态文明建设等能力,是建设透明、效能、服务、责任型政府的迫切需要。
赖明认为,利用大数据技术提升政府治理能力,既适应了由管理型政府向透明、效能、服务、责任型政府转变的迫切需要,也是落实全面深化改革总目标的要求。
全国政协委员、西安未来国际软件有限公司总裁王茜提出,提高政府治理能力,首先是让治理者及时了解社会整个运行状况,通过大数据技术预测出可能发生的各种问题,而不是事后处理。
“大数据利用的理念,对于政府来说,本质上就是什么做、什么不做,也就是说有所为、有所不为。”全国政协委员、百度在线网络技术(北京)有限公司董事长兼首席执行官李彦宏认为,“什么做呢?应该是数据的收集和开放。什么不做呢?应该是应用,就是说基于大数据的应用,不应该由政府来做,而应该靠市场的力量,大家相互竞争最后做出来真正有价值的大的应用。政府在数据的开放上应该更加坚决、更加大胆一些。”
马云的发言,带着他一贯的与众不同:“大数据不是机房,大数据不是IDC(即互联网数据中心),大数据不是硬件,大数据不是软件,大数据是服务能力的体现。政府要学会去买服务,而不是自己干。”国家改革和发展委员会副主任徐宪平回应说:“大数据技术对提升政府的治理能力、治理水平很有价值。我在这里说三句话:首要任务是推动数据开放,关键一招是推动数据应用,根本之策是推动数据立法。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01