
发展大数据 打造“贵安云谷”_数据分析师
“大数据”是数据分析的前沿技术,是新一代信息技术与产业发展的重点领域,大数据产业成为全球经济发展新引擎的趋势日益明显。同时它也是一场革命,谁能够抢在前面就能抢滩大数据发展制高点,在这场革命中贵州走在了前列。追求“后发赶超”,把梦想寄托在大数据之上。当前,国家正在大力支持贵安新区建设和贵州省大力发展大数据产业。
面对难得的战略机遇,贵安新区明确以大数据产业的主导地位,坚持集聚资源、集中目标、创新驱动、开放融合的发展模式,努力打造研发创新、企业培育、应用示范、生态宜居于一体的大数据产业发展集聚区。
贵安新区成立就一年多时间,在这片充满希望的土地上,一个关于“大数据”的梦想越来越近。
规划起点高
大风起兮“云”飞扬。
《贵安新区推进大数据产业发展三年计划(2015—2017)》近日出炉。
按照《计划》,贵安新区三年内将培育10家核心龙头企业、500家大数据应用和服务企业,引进和培养2000名大数据产业人才梯队,建成国内重要的大数据产业示范区;建设6个以上行业资源云平台,支持6类以上大数据商业应用系统的研制,支撑智慧城市建设;创新投融资方式,力争大数据发展基金、大数据创业投资基金等资金规模达到20亿元,通过大数据带动相关产业规模达到1500亿元。
按照《计划》,贵安新区将实施完善“贵安云谷”基础设施、建立大数据资源平台、搭建公共服务平台、加速产业集聚示范等重点工程和项目。
其中,贵安新区将以“贵安云谷”为载体,承接数据存储、分析应用、配套服务等项目的落地建设,重点加强信息基础设施建设,全面推进园区综合信息设施管网及大容量光纤骨干网建设,争取与贵阳市共同申报国家级互联网骨干直联点及开展综合保税区国际互联网直连通道工程,确保两地通信网络出口带宽提升一个数量级。
2016年实现云谷宽带全覆盖,2017年将贵安新区建设成为区域性关键网络节点。
同时,通过支持建立和引进大数据研发中心、工程技术(研究)中心等技术创新和产业化机构,开展大数据分析关键算法与业务模型研究以及关键技术产品攻关,支持大数据企业、高校院所设立博士后科研流动站(工作站)、工程(技术)研发中心、重点实验室等人才发展平台等措施,优化技术创新支撑环境。
在大数据资源平台搭建方面,贵安新区计划搭建贵州省、中央政府部门、行业企业、大数据资源交易等大数据资源平台,建立健全各类别、各行业数据资源服务及交易体系,深化园区信息服务能力。同时,加强与贵阳市数据资源平台、公共服务平台等的互联、互通、共享,引导贵阳市各数据资源平台后台及运营中心落户新区三大运营商数据中心。
搭建平台多
开展大数据建设,贵安新区着力搭建四大平台。
一是建设数据资源平台。开展大数据资源平台建设,建立健全各类别、各行业数据资源服务及交易体系,深化信息服务能力。强化与贵阳市数据资源平台、公共服务平台等互联、互通、共享能力,引导各数据资源平台后台及运营中心落户新区三大通讯运营商数据中心。
建设贵州省大数据资源平台,集聚全省政务,公共服务等领域的数据资源,明确数据资源开放等级,形成数据资源开发目录,实现数据资源的互联互通和共享使用;建设中央政府部门暑假资源平台,与国家部委、大型企业对接,参与国家公安、社保、医疗、档案、税务、财政、工商等部门的数据中心和数据灾备中心建设,争取国家级数据资源库入驻;建设行业企业大数据资源平台,围绕长江经济带数据中心布局国家跨境物流信息平台、智能交通服务平台等重要行业应用平台,主动融入国家“一带一路”战略构想的实施;建设大数据资源交易平台,实现数据资源在平台上的高效、合理交易。
二是建设公共服务平台。引进专业服务机构,整合省内各项资源,建设面向大数据、云计算等领域的专业服务平台,提供人才中介、人才测评、软件开发、市场推广、投融资、培训及认证等公共服务。
重点选取政务、交通、旅游、电信、医疗、金融等具有开拓潜力的领域,建设具有交互共享、一体化服务规模的大数据公共服务平台。主要建设政务数据平台、交通数据平台、旅游数据平台、电信数据平台、医疗数据平台、金融数据平台和环境信息数据平台。
三是建设支撑平台。第一是加大科技研发,重点依托中科院、北京大学、清华大学、贵州大学、大学城高校、企业技术中心等,积极开展和国内外智力中心的合作,建设大数据工程研究中心及产学研合作示范基地,争取成为国家级大数据工程中心和大数据产学研合作示范基地;第二是加强技术攻关,争取国家部委大数据技术攻关项目,面向全球吸引优质企业落户;第三是加快技术应用示范,结合大数据科技专项工作,推进政府相关数据开发、进行深入挖掘和分析,借助大数据技术提升行业管理水平。
四是创新智力平台。第一是组建国家级大数据产业技术创新战略联盟,邀请北京、上海等地领军企业、协会加盟,组建国家级大数据产业技术创新战略联盟,着力构建健康安全的贵安新区大数据产业生态环境;第二是加快大数据资源聚集,充分发挥新区产业链、应用市场、政策支持等优势,吸引国内外数据挖掘、数据储存、数据中心等企业落户。
产业集聚强
“祥云千里映,祥辉四望新。”
贵安新区立足自身资源禀赋和比较优势,抢抓机遇,后发而先行,重点打造以大数据、云计算、物联网为主要内容的战略性新兴产业,发展势头强劲。
目前,贵安新区正按照“基础构建、集群聚集、创新突破”的思路,着力建基地、引人才、聚企业、抓应用、保安全、促创新,在电子信息产业园加快规划建设7平方公里的大数据产业基地,布局信息基础设施服务、基础平台及基础信息服务、传感及智能终端设备制造、大数据应用、大数据技术研发与人才培养五大板块,引进了富士康(贵州)第四代绿色产业园、三大通信运营商数据中心、泰豪国际文化创意数字产业园、北大千方车辆传感网等大数据项目,全面推进富士康绿色隧道数据中心、微软IT学院及“中小企业云腾计划”等一批项目。
同时,推进实施政务云、交通云、工业云、旅游云、商务云“五朵云”工程,建设超算中心、云存储服务平台、云计算管理平台和区域互联网数据交换中心,争取建设国家级的大数据基地。预计到2017年,贵安大数据产业基地年产值将达到1000亿元以上,2020年达到2000亿元以上,发展成为贵安新区的战略性支柱产业。
特别是三大通信运营商在贵安新区分别建设的全国性数据中心,一期总投资约120亿元,共10万个机架,200万台服务器,可为大数据提供巨大存储服务和计算服务,在全国独一无二,必将吸引国内外优势企业集聚发展,推动贵安新区建设成为全国领先的大数据资源中心和大数据应用服务示范基地,逐步发展成为全球重要的“信息港”。
支持力度大
大数据产业要发展,离不开政策的支持。
为了进一步谋划好大数据产业,构建产学研用一体化的全产业链发展格局,并将贵安新区建设成为长江经济带国家战略的重要组成部分,完善通信基础设施、优化发展环境、提升服务质量是必不可少的。当前,上述体系新区已基本建立,并在重点区域、重点行业覆盖,但仍具有进一步健全完善的空间。贵安新区管委会已将这些内容列入短期规划的重点发展方向及2015年重点建设项目,相信在两三年之内,新区将建立起基础设施高度健全、发展环境高度开放、服务质量高度优质的产业配套环境。
基础设施方面,以“宽带贵安”示范工程为重要抓手,全面推进新区综合信息设施管网及大容量光纤骨干网建设。以电子信息产业园、大学城、生态新城为突破点,建成商业楼宇、住宅建筑、公用设施全部实现“千兆进楼、百兆入户”的全光纤入网覆盖和无线Wifi热点全覆盖,逐步提速骨干传输网络,扩展出省互联网带宽,开展新区至重庆、成都骨干直联点互联专线通道建设,将贵安新区最终打造成为区域性关键网络节点。
为推动大数据产业加快发展,新区管委会设立了每年不少于一亿元的大数据产业发展专项资金,用于支持大数据基础设施、云应用平台、增值服务、配套环境等领域发展,引导各类风险投资机构加大对新区大数据企业的投资力度,采取融资租赁、信托贷款、委托贷款、股权融资、债券融资、知识产权质押担保等方式,支持新区大数据产业发展。
贵安新区管委会支持重点行业、重点领域的企业和机构将非核心的大数据应用业务外包,并优先采购在贵安新区注册纳税企业提供的大数据解决方案和产品服务。依托电子信息产业园,深入推进与北京、上海、成都、重庆、深圳等地区的合作力度,吸引领先的大数据应用研发创业团队、研究机构落户贵安,创建“创客空间”、“众创空间”等设施,支持大数据创新创业资源汇聚,对于拥有实践经验的大数据管理者、大数据分析员等高端人才,按有关规定给予安家补贴、科技专项补贴等,促进大数据创新资源加速聚集。稳步提升新区大数据产业发展环境、综合服务质量和社会影响力,形成科技企业和科技成果转化的入驻首选地。
贵安新区发展大数据,占尽天时地利人和。不久的将来,这里将建设成一个引领性的大数据基地。
“贵安云谷”,指日可待。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30