京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据产业重在应用 防止盲目建设数据中心
在大数据产业这条起跑线上,中国给予了十足的重视。
据21世纪经济报道梳理,自去年国务院印发《促进大数据发展行动纲要》以来,目前已有23个省出台了74个和大数据相关的政策措施,上海、贵州、重庆、天津出台了大数据发展规划,目前已建的大数据产业园区至少有十余个。
在发展大数据产业过程中如何扬长避短?如何聚焦重点,避免误入歧途?21世纪经济报道专访了国家信息化专家咨询委员会委员、国家信息中心专家委员会主任宁家骏。
我国大数据产业关键技术和支撑环境还存在差距
中国的大数据产业和发达国家相比,处于一个什么样的位置?
我们和发达国家相比,基本上处于一个差不太多的位置,至少没有落后太多。
当前和未来一段时间,我国面临着经济结构转型升级、政府和公共服务改进提升等紧迫任务,这给大数据提供了广阔的应用前景。国家对大数据的认识、我国既有数据的积累,以及应用前景方面,我们都不落后于发达国家。近年来我国大数据发展的宏观政策环境不断完善,地方政府也积极推动大数据发展,整体取得较大的进展。
但同时必须指出,我国在大数据的关键技术和支撑环境来说,还存在差距。
《21世纪》:关键技术和支撑环境方面存在哪些差距?
大数据主要包括四个环节,即“找矿”、“开矿”、“练矿”、“用矿”,现在支撑大数据这四个环节的技术,比如数据采集、清洗、存储、挖掘应用,整体上和发达国家都还存在差距。支撑环境方面,主要是数据的开放共享还有差距,长期以来我们对数据资源统筹不够,缺少法律和机制体制保障。各个部门都用传统的方式自己采集、管理数据,这部分数据又都不愿拿出来和社会共享,这是最主要的问题。
未来5年大数据市场年复合增长率在50%以上
中国大数据从技术到产业,是否已经走出一条成熟的路子?以后的市场规模有多大?
还在探索之中,目前还不能说已经走出一条非常成熟的道路。BAT已经在互联网大数据的分析应用方面有一些很好的尝试,但从更宏观的产业发展上看,我们才刚刚起步。
实际上,现在很多大数据企业并没有和其传统的业务做分离,其业态还处于混沌状态,其提供的产品,比如数据清洗、加工、存储也没有和传统的计算机软硬件技术切割开来。
不过我们要更加关注围绕着数据应用的整个信息服务市场的发展新趋势,将来与大数据相关的信息服务、软件开发、应用集成、数据安全市场将快速增长。预计未来5年,整个大数据市场规模的年复合增长率应该在50%以上,主要原因是现在大数据产业规模的基数还比较小。
地方应警惕盲目建大数据中心
你怎么看当前中国大数据产业的发展路径?
必须强调,中国推动大数据产业,一定要聚焦在应用上,这是大数据产业的核心。大数据的核心说到底是“用”,而不在于数据中心放在哪。
现在各地大力发展数据中心是受旧思想的影响的,他们认为这个数据一定要拢在我这,这是不对的,不等于有了数据中心就有了大数据,大数据产业高端的附加值也不在数据中心这里。在互联网环境中,数据本身应该是开放的,大数据强调的是从数据中提炼价值。
所以我想强调,我们在发展大数据时,千万不能认为发展大数据就是发展大数据中心,盲目地搞大数据产业园。一定要警惕大数据不能泡沫化,形成新的过剩。
现在是否有这样的趋势?
有这个苗头了。全国很多省,甚至很多市都在搞所谓的大数据中心,搞占地很大的大数据产业园,这是很大的风险。同时,不少地方还希望本地也能在短时间生长出一些像BAT一样自己的企业,这明显也是不现实的。
当然并非不让建数据中心,但要根据当地的具体条件来做。现在一些地方只是说他们的能源价格低,电费便宜,其实这些地方建数据中心,还应该将人才、应用等成本考虑进来,否则容易造成盲目性重复建设。对此,我认为有必要引起有关部门、各地以及全社会的警惕。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14