
“大数据”时代宁波应有总体产业规划
在互联网时代,更加智能化的“大数据”正改变着我们生活的方方面面,同时随之而来的数据仓库、安全、分析、深度开发等等,围绕大数据利用开发形成的产业逐渐受到关注。
2013年以来,国内其他城市大数据产业基地相继启动,形成了新的经济增长点。民建宁波市委会的《关于推进宁波大数据产业发展的对策建议》提到,宁波应该利用建设智慧城市的契机,抢抓大数据发展的历史机遇,推动大数据开发应用,做大相关产业,通过数据的各种深度融合,将数据资源转化为经济发展的动力,加快宁波经济发展转型升级。
宁波大数据产业缺乏总体规划
“十二五”以来,宁波电子信息产业规模持续扩大,2013年,宁波市规模以上电子信息制造业企业实现主营业务收入1386.6亿元,占全市规模以上工业比重达到11.2%,产业规模约占全省总量的三成,连续多年稳居浙江省首位。
在宁波市政府的推动下,我市正在探索搭建政务云计算中心,重点推进人口、法人、自然资源与空间地理等基础性数据库和应用信息等专业数据库建设。
但宁波市政协副秘书长(兼),民建省委会常委、宁波市委会专职副主委兼秘书长张雨说,宁波发展产业的不足也比较明显。首先就是缺乏统筹规划,目前还没有立足全市制定宁波大数据产业发展的总体规划,整体推进就显得有些迟缓。其次是“信息孤岛”现象突出,各级各部门条块分割普遍存在,政府间多套信息系统同时并行,无法共享。而且地区、行业、企业间发展程度不平衡。国家级大型、骨干研发机构缺乏,企业研发能力不强,宁波与深圳、苏州、杭州等地在新一代信息技术领域发展的差距正在逐渐拉大。
鼓励各种数据资源融合共享
那么,现在宁波要怎么做呢?建议中提到,宁波应从“基地、技术、应用”三个方面入手。重点建设大数据产业基地和政务、电子商务、进出口贸易、海洋、交通等5个云数据中心,建立多个大数据应用和交易平台,形成丰富的大数据产业集聚地和完善的大数据技术链、价值链和服务链,引领和支撑宁波经济社会发展。
宁波应该成立大数据产业发展领导小组,实现跨部门、跨地区、跨行业的大数据协作,制定总体的大数据发展战略规划。张雨谈到,有了大的平台,就需要有相关的政策鼓励推动各种数据资源的接入和共享。同时注重数据安全和隐私保护,制定分享权益等方面的细则,促进数据资源的合理利用开发。
另外,还应该整合上下游企业、研发机构等产业链,联合大数据技术应用领域的制造者、使用者与研究机构,形成大数据产业联盟,通过强强联合加速带动技术创新和产业发展。
宁波智慧城市建设是契机
要建一个国内一流的数据中心产业园,鼓励中国电信、移动、联通建立互联网数据中心,同时,出台更加优惠的扶持政策,为符合条件的企业提供低价甚至免费的信息存储空间,主机托管等服务,为互联网企业降低创业门槛,推动大数据产业发展。
张雨谈到,宁波目前正在推进智慧城市建设,这是一个有力的契机,其中的医疗卫生、教育文化、交通运输、公共安全等社会服务,都可以作为切入点,加快各部门领域的信息资源融合共享,从而形成更先进的城市管理能力,为每位市民服务。
此外,相关部门还要为大数据产业发展提供有力的保障,加强政策、资金引导,吸引民间资本参与,并积极引进人才,加强政府、企业、高校、社会之间的合作,构筑人才培育体系,满足大数据产业发展需要。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10