
徐宗本院士:发展大数据产业须“冷热”结合
“无论是国家还是企业,在推动大数据产业时,一定要同时关注基础研究和技术研发。这样才会实现大数据产业的健康和可持续发展,并使大数据产生应有的价值。”近日,正在推动成立新丝路大数据产业基金的中科院院士、西安交通大学教授徐宗本向《中国科学报》记者谈起了自己关于大数据热潮背后的“冷思考”。
徐宗本认为,大数据是一种“用数据说话”的思维方式,是一种期望能对数量巨大、来源分散、格式多样的数据进行采集、分析和处理的新一代信息技术,更是一种用科学方法将过去的经验数据化、规律化并应用到管理实践的新常态文化。
在他看来,发展大数据产业既要有热情,也需要冷静。如果基础研究不先行、技术支撑不到位、组织管理科技人才创新体制和运行机制不科学,仅靠大数据概念支撑产业发展是不可能取得预期效果的。“必须改变过去对大数据产业是技术转化过程的认识,要认识到基础研究、技术研发与产业推动是相辅相成的关系。”
作为陕西省大数据联盟理事长,徐宗本一直呼吁要把政府引导、企业诉求和科技人员的力量整合在一起,推动大数据研究,推动大数据产业创新体系的形成与发展,进而服务于国家和区域经济建设和发展。
他认为,无论是国家还是企业,让大数据带来效益要具备几个基本条件:要有丰富的、鲜活的、可解释的、可共享的大数据,要有可解读数据、挖掘规律的技术人员,更要明白利用大数据去达到什么样的目的。只有把这几个问题解决了,才能真正带来相关产业的发展。而目前,大数据研究还存在理论不完善、技术不成熟的问题,“人们必须推动基础理论研究和关键技术突破,才能形成大数据产业健康、良性和可持续发展的局面”。
徐宗本强调,大数据是地地道道的综合研究,需要有国家战略的统筹和规划,需要各学科定位准确的协同创新。为此,他呼吁,在大数据研究中不应形成新的行业数据资源壁垒,要有国家级的公共政策支持,要让能服务于民的公共数据真正实现共享,以促进大数据应用并服务于国家发展。
同时,在整个国家大数据创新体系中,政府、企业、科研人员应发挥不同的作用。政府要管规划、管政策,企业要解决自主创新能力和创新来源问题,而科研人员要解决如何将先进技术应用于企业的问题。
面对大数据时代的到来,徐宗本认为,当前要特别注意充分发挥大数据理论与技术在改革成效与公共政策评估分析中的支撑作用。他表示,这其中的关键是如何将改革目标或公共政策目标定量化和数据化,然后生成和采集相关大数据,通过大数据分析来评估改革成效或公共政策,以改变国家管理决策方式,科学有效地对国家公共政策产生作用。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 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在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23