京公网安备 11010802034615号
经营许可证编号:京B2-20210330
“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
在数据分析实战中,我们经常会遇到“多指标冗余”的问题——比如分析企业经营状况时,需同时关注营收、利润、负债率、周转率等十 ...
2026-02-04在数据分析场景中,基准比是衡量指标表现、评估业务成效、对比个体/群体差异的核心工具,广泛应用于绩效评估、业务监控、竞品对 ...
2026-02-04业务数据分析是企业日常运营的核心支撑,其核心价值在于将零散的业务数据转化为可落地的业务洞察,破解运营痛点、优化业务流程、 ...
2026-02-04在信贷业务中,违约率是衡量信贷资产质量、把控信用风险、制定风控策略的核心指标,其统计分布特征直接决定了风险定价的合理性、 ...
2026-02-03在数字化业务迭代中,AB测试已成为验证产品优化、策略调整、运营活动效果的核心工具。但多数业务场景中,单纯的“AB组差异对比” ...
2026-02-03企业战略决策的科学性,决定了其长远发展的格局与竞争力。战略分析方法作为一套系统化、专业化的思维工具,为企业研判行业趋势、 ...
2026-02-03在统计调查与数据分析中,抽样方法分为简单随机抽样与复杂抽样两大类。简单随机抽样因样本均匀、计算简便,是基础的抽样方式,但 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27