京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据战略重点实验室主任连玉明:打造中国大数据发展的战略和思想策源地
过去一年里,正在崛起的“中国数谷”贵阳奇迹般地创造出五个“中国第一”——中国首个大数据战略重点实验室、中国首个全域公共免费WIFI城市、中国首个块上集聚的大数据公共平台、中国首个政府数据开放示范城市和中国首个大数据交易所。
中国首个大数据战略重点实验室是什么?它对于贵阳大数据产业的发展将产生怎样的影响?5月13日,数据观记者专访了大数据战略重点实验室主任连玉明教授。
记者:贵阳为什么提出建立大数据战略重点实验室?背后有什么现实意义?
连玉明:大数据是人类文明发展和全球化进程的必然趋势。近年来,发展大数据产业成为贵阳坚守发展和生态“两条底线”,探索“双赢之路”的战略选择,为西部欠发达地区实现后发赶超找到一条新路径,这是认识、适应和引领新常态的思维变革。
然而,面对新机遇、新挑战、新任务,贵阳发展大数据需要洞察先机,抢占制高点,更需要研究先行和战略引领。基于此,在贵阳建立中国首家大数据战略重点实验室,意义重大,影响深远。
具体来说,大数据战略重点实验室是一个跨学科、专业性、国际化、开放型的研究平台,实验室将聚集国内外大数据相关专业研究者、管理者和决策者,立足全球大数据发展趋势和中国大数据发展实践,以大数据发展的重大理论和现实问题为主攻方向,加强大数据发展全局性、战略性、前瞻性研究和咨询。
记者:建立大数据战略重点实验室,贵阳具备哪些条件?底气在哪?
连玉明:大数据战略重点实验室是依托贵州大学贵阳创新驱动发展战略研究院(简称贵阳研究院)建立和运行的。贵阳研究院成立一年来,取得多项重要研究成果,正成为贵阳市委、市政府的重要思想库和智囊团,其研究成果在国内外拥有一定影响力,并在党和政府的相关战略制定和决策中得到广泛认同和应用。
在研究成果方面,贵阳研究院出版《块数据——大数据时代真正到来的标志》一书,首次创造性提出“块数据”理论。同时,立足创新驱动区域合作在贵阳的实践,挖掘中关村贵阳科技园的发展经验,从后发赶超、“四轮驱动”、大数据引领等多方面总结中关村贵阳科技园的发展战略、发展模式和发展方向,为贵阳市提升创新驱动区域合作能力提供智力支持,并出版《中关村贵阳科技园发展报告》。
同时,贵阳研究院聚焦创新驱动发展战略研究,与北京国际城市发展研究院深度融合发展,形成长效持续的协同创新机制,这些都为建立大数据战略重点实验室提供了有力的平台支撑。国际城市战略研究的创新成果,城市科学研究北京市重点实验室的实验平台,京筑良好互动的工作机制,跨学科、跨行业、跨地域的跨界思维,为大数据战略协同创新研究奠定了坚实基础。
记者:大数据战略重点实验室的研究方向和研究重点有哪些?
连玉明:大数据战略重点实验室未来的研究方向是通过对大数据发展进行全局性、战略性、前瞻性的研究和咨询,构建“块数据”理论模型和应用模型,研究编制“大数据指数”等,主要包括以下五项重点工作:
一是着眼全球大数据发展趋势和中国大数据发展实践,建立全球大数据理论信息中心,建设中国大数据发展规划数据库,每年定期出版《全球大数据发展报告》。
二是构建“块数据”理论模型和应用模型,每年出一本关于“块数据”的新书,为大数据发展提供理论支撑和方法支持。这就意味着,贵阳将成为“块数据”理念的实践基地,而大数据战略重点实验室将重点围绕“块数据”的利用和实践开展研究。
三是研究、编制和发布“大数据指数”,出版年度《大数据蓝皮书》。“大数据指数”不是一个单纯研究大数据的指数,而是涉及到政治、经济、文化、社会、民生等方方面面,它是一种思维方式和生产方式、生活方式,具体包括大数据的发展指数、创新指数、城市指数、市区指数、生活指数、品牌指数等。
四是建立DT空间,这是一个创客空间,包括DT众联空间、DT众创空间、DT众包空间、DT众筹空间等“四众”平台,其目的是吸引更多创客。DT空间不是一个房间,而是立足于国内、乃至全球,完全开放式的平台,对于愿意创业、勇于创新的个人或团队,DT空间都会给予支持。
五是筹建一个“中国DT产业50人论坛”,它的作用在于为大家搭建一个开放式协作创新平台、专业化决策咨询平台、网络化成果转化平台和国际化合作交流平台。
通过上述五项工作,我们的最终目标是使大数据战略重点实验室成为中国大数据发展的战略和思想策源地,成为中国大数据的发展风向标之一,成为有较大影响力和国际知名度的大数据高端战略智库。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18