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
在数据分析、机器学习的实操场景中,聚类分析与主成分分析(PCA)是两种高频使用的统计与数据处理方法。二者常被用于数据预处理 ...
2026-02-24在聚类分析的实操场景中,K-Means算法因其简单高效、易落地的特点,成为处理无监督分类问题的首选工具——无论是用户画像分层、 ...
2026-02-24数字化浪潮下,数据已成为企业核心竞争力,“用数据说话、用数据决策”成为企业发展的核心逻辑。CDA(Certified Data Analyst) ...
2026-02-24CDA一级知识点汇总手册 第五章 业务数据的特征、处理与透视分析考点52:业务数据分析基础考点53:输入和资源需求考点54:业务数 ...
2026-02-23CDA一级知识点汇总手册 第四章 战略与业务数据分析考点43:战略数据分析基础考点44:表格结构数据的使用考点45:输入数据和资源 ...
2026-02-22CDA一级知识点汇总手册 第三章 商业数据分析框架考点27:商业数据分析体系的核心逻辑——BSC五视角框架考点28:战略视角考点29: ...
2026-02-20CDA一级知识点汇总手册 第二章 数据分析方法考点7:基础范式的核心逻辑(本体论与流程化)考点8:分类分析(本体论核心应用)考 ...
2026-02-18第一章:数据分析思维考点1:UVCA时代的特点考点2:数据分析背后的逻辑思维方法论考点3:流程化企业的数据分析需求考点4:企业数 ...
2026-02-16在数据分析、业务决策、科学研究等领域,统计模型是连接原始数据与业务价值的核心工具——它通过对数据的规律提炼、变量关联分析 ...
2026-02-14在SQL查询实操中,SELECT * 与 SELECT 字段1, 字段2,...(指定个别字段)是最常用的两种查询方式。很多开发者在日常开发中,为了 ...
2026-02-14对CDA(Certified Data Analyst)数据分析师而言,数据分析的核心不是孤立解读单个指标数值,而是构建一套科学、完整、贴合业务 ...
2026-02-14在Power BI实操中,函数是实现数据清洗、建模计算、可视化呈现的核心工具——无论是简单的数据筛选、异常值处理,还是复杂的度量 ...
2026-02-13在互联网运营、产品迭代、用户增长等工作中,“留存率”是衡量产品核心价值、用户粘性的核心指标——而次日留存率,作为留存率体 ...
2026-02-13对CDA(Certified Data Analyst)数据分析师而言,指标是贯穿工作全流程的核心载体,更是连接原始数据与业务洞察的关键桥梁。CDA ...
2026-02-13在机器学习建模实操中,“特征选择”是提升模型性能、简化模型复杂度、解读数据逻辑的核心步骤——而随机森林(Random Forest) ...
2026-02-12在MySQL数据查询实操中,按日期分组统计是高频需求——比如统计每日用户登录量、每日订单量、每日销售额,需要按日期分组展示, ...
2026-02-12对CDA(Certified Data Analyst)数据分析师而言,描述性统计是贯穿实操全流程的核心基础,更是从“原始数据”到“初步洞察”的 ...
2026-02-12备考CDA的小伙伴,专属宠粉福利来啦! 不用拼运气抽奖,不用复杂操作,只要转发CDA真题海报到朋友圈集赞,就能免费抱走实用好礼 ...
2026-02-11在数据科学、机器学习实操中,Anaconda是必备工具——它集成了Python解释器、conda包管理器,能快速搭建独立的虚拟环境,便捷安 ...
2026-02-11在Tableau数据可视化实操中,多表连接是高频操作——无论是将“产品表”与“销量表”连接分析产品销量,还是将“用户表”与“消 ...
2026-02-11