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
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 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 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19