
大数据战略拓展网络经济空间
大数据已成为国家基础性战略资源,日益对全球生产、流通、分配、消费活动以及经济运行机制、社会生活方式和国家治理能力产生重要影响。专家认为,利用互联网手段提升资源配置效率正成为经济发展的“标配”,大数据战略将助力“十三五”我国经济换挡升级。
目前,我国在大数据发展和应用方面已具备一定基础,拥有市场优势和发展潜力,但也存在数据开放共享不足、产业基础薄弱、法律法规建设滞后、创新应用领域不广等亟待解决的问题。
专家指出,我国目前对数据保存不够重视,对存储数据的利用率也不高。大量数据往往由于法律法规、标准等方面的原因,共享进程推进困难,导致信息不完整或重复投资。政府应通过体制机制改革打破数据割据与封锁,同时,大数据的挖掘与利用应当有法可依。
【部门声音】
积极实施城市大数据战略
宁波在城市大数据发展方面已经做了大量有益探索。截至目前,宁波通过政府信息公开平台主动公开的政务信息约80万条,年均公开约13万条。政务大数据作为宝贵的资源,已经开始释放培育应用市场、形成全新产业链的巨大能量。今年启动的宁波城市大数据研究项目,将对城市大数据发展目标、思路、重点工程等方面做出顶层设计。
市经信委副主任、智慧办主任徐红说,“十三五”期间,宁波将以十八届五中全会提出的“创新、协调、绿色、开放、共享”五大发展理念为引领,紧紧围绕宁波跻身全国大城市第一方队的目标,积极实施城市大数据战略。
据介绍,“十三五”期间,我市将从五个方面重点推进,为城市大数据发展保驾护航:
———政务云计算。打造以政务云计算中心为核心支撑的智慧城市运营中心建设,进一步完善城市智能化信息基础设施体系。探索逐步建立数据采集、整合、共享、开放的工作机制,并尝试从法律层面规范政府数据存储、隐私保护等行为。
———城市大数据。实施城市大数据战略,进一步建立健全数据整合共享应用开放机制。研究制定《宁波市促进大数据发展实施意见》和《宁波市促进大数据发展三年行动计划》,实施城市大数据战略,积极打造数据驱动的智慧城市2.0。
———重点应用。深入推进重点应用系统建设,进一步拓展信息技术在民生、社会治理等领域的集成应用。按照“推广应用一批、续建完善一批、开工新建一批”的工作思路,以应用项目建设推动信息资源整合,带动产业发展,促进信息消费,力争智慧应用体系建设示范带动效应突出、重点应用效能显现。
———“四新”经济。加快新产业、新技术、新业态、新模式培育。加快核心产业集群发展,布局全市信息经济产业载体,打造信息化和工业化深度融合国家示范区、智能产品制造集聚区、智慧城市建设先行区、电子商务中心、智慧物流中心、信息经济创业创新高地等信息经济“三区两中心一高地”。
———“两创”氛围。优化发展环境,进一步营造有利于人才、技术、资本等高端要素集聚的“两创”氛围。大力支持创业创新,重点发展众创空间、创客服务中心、创新工场等新型创业孵化载体,重点鼓励以基于物联网智能硬件、互联网经济和智慧城市建设应用开发为主体的创业活动,加强人才队伍和创业服务支撑。
【企业心声】
挖掘数据“金矿”
“大数据对经济的推动作用是不容忽视的。”中国电信宁波分公司(下称“宁波电信”)相关负责人告诉记者,就电信行业而言,大数据生态正在努力形成中。一些具备大数据技术和资源优势的企业更是将大数据提升到一定高度,集中攻关寻求实践与应用的突破,并及时转化为生产力。
宁波电信通过对大数据的深度挖掘分析,可实现对城市的透明管理。如在城市人口管理上,通过对基站数据的挖掘分析,可反演出整个城市的人口潮汐图,实现对城市区域内人口实时潮汐变化的直观展现。宁波电信与市公安局合作,在重要商圈布设了无线WiFi热点,用于对特定目标定位;宁波电信与市教育局共同打造的三屏互动“甬上云校”,为学生提供多种途径的学习方式。
又如,在宁波市所有的河道、水库、潮位点布设传感器后,通过中国电信的智能网络,可将监测到的信息实时传送至管理平台,实现对城市水资源的全面有效监管,然后结合气象局的预报信息,即能在台风、降雨到来之前做好水库泄洪、河道清淤等工作。
在云数据中心建设领域,目前,宁波电信已拥有六大中心机房,为积极打造“浙东云谷”奠定了扎实基础,IDC出口带宽达到1740G。其中,将于2018年交付的镇海云中心作为浙东云谷的核心,规划机柜7000个,届时将为宁波提供更好的云计算服务。
“大数据取之于民,用之于民,能为各类展会活动、城市吃穿住行提供建议。伴随大数据价值的日益凸显,越来越多的企业正依托大数据技术创新商业模式。”宁波电信相关负责人表示,大数据作为“互联网+”的主要技术支持之一,将激发甬城经济新活力。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20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