京公网安备 11010802034615号
经营许可证编号:京B2-20210330
统筹推进大数据 四大工程建设
积极发展大数据产业是贵阳加快发展的机会窗口和超常规发展的重要抓手。发展大数据产业既是贵阳实现后发赶超的创新性产业方向,又是贵阳实现产业转型和新型工业化的战略选择,也是贵阳着力促进“四化”同步发展、坚守两条底线、奋力打造贵阳发展升级版的必由之路。当前贵阳市正从强化政策带动、金融推动、市场驱动、外力拉动等多个角度发力,统筹推进全市大数据强基、筑云、智端和掘金四大工程的建设。预计到2016年底,贵阳大数据相关产业规模达到540亿元,约占全市信息产业总产值的30%,相当于2013年贵阳地区生产总值的四分之一;大数据龙头企业达到30家,上市公司5家以上,聚集200家大数据企业,引进和培养5000名以上大数据研发与应用人才,形成完整的大数据产业体系。当前全市上下应紧紧咬住这些奋斗目标,俯下身子,真抓实干,不折不扣地积极贯彻落实大数据产业发展应用规划和政策措施,着力做好五个方面的工作。
一是坚持政府推动和市场主导相结合。发展大数据产业的基本原则是市场驱动,政府引导,资源整合。为此,要发挥好省大数据产业发展领导小组的作用,加快组建大数据产业管理机构,为大数据产业发展提供组织保障。政府要主动适应互联网特别是移动互联网万物互联时代产业发展的新形势,打破传统时代服务企业的固有模式,探索基于信息化、云计算等新技术条件的新服务方式,努力为大数据企业提供新服务。要创新政府服务模式,精准把握大数据企业的发展需求,加快数据交易、流通平台建设,推动服务流程和模式升级换代,建立规则、强化监管、科学引导,促进产业良性发展。
市场需求是大数据产业发展的推动力量,大数据产业发展要以应用为抓手有序推进,发挥市场的配置作用,大力培育和引进市场主体,依托贵安新区大数据产业基地,建设数据交换(交易)平台,使市场在大数据产业发展中“点石成金”的效应最大化。
大力引进战略投资者和风险投资者。更加注重开展招商引资,通过政府简政放权换来市场高效配置,在基础设施建设、应用服务、研发设计等方面引进一批优强企业,催生增值服务、端产品制造等各个层面企业群,鼓励产业链上下游之间进行数据交换,培育面向应用的数据资产交易市场。
二是培育形成完整的大数据产业链。在产业链的每个环节,既要大力引进大企业,也要促成初创企业生成。在大数据产业生态基础层和分析层加强技术攻关、抢占技术前沿。围绕海量数据存储、数据库技术、数据挖掘、数据信息应用、信息安全等重点方向,以企业为主体加强关键技术攻关并推动成果产业化,形成一批达到国家制高点水平的“杀手锏”技术。在大数据产业生态应用层着力抓好增值服务层和配套端产品层服务。在增值服务层,重点引导数据挖掘应用,催生增值服务企业集群,可以培育出大量中小微企业。结合我省电子信息制造业实际,重点围绕提高本地配套能力,引进培育配套端产品企业,将“实业做实”,同时注重拓宽产业幅,谋划高端企业,发展芯片封装测试产业,推动我省集成电路产业起步发展。将云服务纳入政府采购目录,创造应用市场。发展贵阳智慧旅游、大健康产业、政府服务、网上金融。
三是积极申报国家级大数据科技产业园(产业基地)。区域经济发展的快慢很大程度上取决于国家制度及支持力度。国家级大数据科技产业园(以下简称大数据产业园))从成立到后续的开发建设都属于国家战略,大数据产业园的获批,对于大数据企业的发展,意味着项目加资金加政策倾斜。大数据产业园作为大数据企业的重要聚集基地,能够有效地创造聚集力,通过共享资源、克服外部负效应,带动关联产业的发展,从而有效地提升企业效益、提升地区品牌、创造社会价值和推动产业集群的形成。建议以贵阳云基地、呼叫中心、高新区顶新国际大陆云端大数据总部、贵阳市大数据服务外包示基地为依托,积极申报国家级大数据技术产业园(产业基地),争取国家级政策扶持,加快大数据产业的发展。
四是加快培养大数据技术人才。发挥好平台作用,加快培训和引进一批创新型技术人才和应用型大数据技术人才,以大数据领域研发和产业化项目为载体,积极引进一批领军人才和高端人才,鼓励大数据产业人才到贵阳创业。既要发挥好中关村贵阳科技园平台作用,又要发挥好在筑高校院所科技创新联盟作用,更要发挥好贵州省大数据产业联盟平台作用;更好发挥好贵州省大数据产业发展应用研究院、贵州大学大数据与信息工程学院平台作用,加快培养一批大数据产业发展急需人才,为奋力打造贵阳发展升级版提供强劲智力支持。
五是促进大数据前沿的技术创新。促进大数据前沿的技术创新要大力支持大数据工程和学术紧密结合,开展前沿技术攻关;着力发展服务器、移动智能终端产品、云计算与大数据通用基础软件、移动互联网应用软件等产品的企业,构建较为完整的电子信息软硬件产品链;培育开源社区,加强技术扩散和产业化,鼓励参与国际开源社区,培育自主开源社区,加快国际、国内先进技术产业化;建设公共服务平台,推进软硬件产品链垂直整合和企业间战略合作;大力发展面向信息技术产业的规划咨询、方案设计、投融资服务、系统集成、测试评估、安全审计、人员培训等公共服务,增强产业技术创新支撑能力,加快大数据分析能力和利用能力建设。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27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