京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据战略国际经验与中国支点
随着互联网技术的不断发展,人类逐渐步入大数据时代,数据资源正和土地、劳动力、资本等生产要素一样,成为促进经济增长和社会发展的基本要素。任何一个行业和领域都会产生有价值的数据,而对这些数据的统计、分析、挖掘和人工智能则会创造意想不到的价值和财富。如今,大数据引擎业已成为组织创新、产业升级、经济社会发展、国家治理能力现代化的核心驱动力。
变革时代的大数据革命
自“智慧地球”概念于2008年11月提出以来,整个地球都沉浸在如何变得更加智慧这个庞大的课题里。联合国秘书长执行办公室于2009年正式启动了“全球脉动”倡议项目,旨在推动数字数据与快速数据收集和分析方式创新。联合国2012年5月对外发布了《大数据促发展:挑战与机遇》白皮书,探讨如何利用互联网数据推动全球发展。随着大数据发展战略得到全球各国的高度重视,世界主要国家的“智慧国家”建设发展战略和行动计划风起云涌。由于大数据是数字化生存时代的新型战略资源,对国家治理和社会发展作用巨大,各国科技界、产业界和政府部门极为关注,于是“智慧企业”“智慧校园”“智慧医院”“智慧政府”“智慧城市”被不同类型组织列为发展目标。
科学技术是第一生产力,产业的每一次革命性跃迁都离不开科技革命的推动,往往只有那些抓住技术革命的战略机遇并迅速作出适应性调整的国家或民族才能不断生存发展。毫无疑问,大数据是当前一个事关经济社会发展全局的战略性产业,已经成为全球高科技产业竞争的前沿领域,以美、日、欧为代表的全球发达国家已经展开以大数据为核心的新一轮信息战略以及新一轮的人才竞争、技术竞争、产业竞争、企业竞争和国家竞争。报告显示,2014年,全球大数据市场增长速度达53%,总体规模为285亿美元。到2017年,全球大数据市场收入将达500亿美元,这意味着从2011年起连续6年年复合增长率达38%。中国市场情报中心有关统计显示,2012年中国大数据市场规模为4.5亿元,同比增长40.6%,到2018年,中国大数据市场规模将达到463.4亿元。2012—2013年度,在欧美国家1217家营业额收入超过10亿美元的企业中,643家企业制定了大数据战略,其中7%的企业至少投入了5亿美元,15%的企业至少投入了1亿美元发展大数据。
显然,随着经济社会的发展,大数据带来的深刻影响和巨大价值逐渐被认识,它通过技术的创新与发展,以及数据的全面感知、收集、分析、共享,为我们提供了一种全新的看待世界的方法,大数据带来的信息风暴正在全方位地改变着我们的生活、工作和思维。
大数据战略实施的国际经验
欧美发达国家相继制定了大数据发展战略,并制订了具体的实施政策和行动计划,已经取得初步成效。总体而言,这些战略具有以下几个方面典型特征:
开放性。自2009年美国政府开放数据门户网站data.gov上线以来,各国政府掀起开放数据运动。通过开放政府数据,提高政府透明度,提升政府治理能力和效率,更好地满足公众需求,促进社会创新,带动经济增长。据统计,截至2014年1月12日,开放数据运动已覆盖全球44个国家(地区)。2013年6月,八国集团首脑在北爱尔兰峰会上签署《开放数据宪章》,各国表示愿意进一步向公众开放可机读的政府数据,并在2013年末制定相应的行动计划。英国承诺2015年前开放有关交通运输、天气和健康方面的核心公共数据库,并将投资1000万英镑建立世界上首个“开放数据研究所”。2013年11月,法国政府出台《八国集团开放数据宪章行动计划》,作出“朝着默认公开发布数据的目标前进”“建立一个开放平台以鼓励创新和提高透明度”等几项承诺。
智能性。2010年11月,德国联邦政府启动“数字德国2015”战略,推动互联网服务、云计算、物联网、3D技术以及电动汽车信息通信技术等信息通讯产业的发展,推动实施基于传统制造业智能化和数据化的“工业制造4.0战略”,将物联网引入制造业,打造智能工厂,工厂通过CPS(网络物理系统)实现在全球互联。2011年,韩国就提出“智慧首尔2015”计划,目标是到2015年成为世界上最方便使用智能技术的城市,建立与市民沟通的智能行政服务,建成适应未来生活的基础设施和成为有创造力的智慧经济都市。2013年6月,日本安倍内阁公布《面向2020年的ICT综合战略》,全面阐述2013-2020年期间以发展开放公共数据和大数据为核心的日本新IT国家战略,提出要把日本建设成为一个具有“世界最高水准的广泛运用信息产业技术的社会”的目标。
价值性。2012年4月,英国经济与商业研究中心的一份研究报告预计了2012-2017年大数据产生的经济利益:2011年英国私企和公共部门企业的数据资产价值为251亿英镑,2017年将达到407亿英镑。大数据增加的创新与就业机会,将贡献价值240亿英镑,同时为小企业创造预计价值为420亿英镑的发展前景。该报告还预测大数据将创造新业务市场,即创造58000个就业机会。大数据可以更有效地改进客户需求分析,预计此项优化将产生738亿英镑的效益。大数据可以优化产品存量和资源分配,大大降低成本,预计产生460亿英镑的效益。同时,政府部门通过大数据可对医疗保健系统进行防欺诈检测和分析,预计节省不必要的支出达20亿英镑。显然,如果有意识地在更大的合理范围内开放大数据,大数据将带来更多的价值增殖。
应用性。2012年9月,IBM公司启动在加拿大安大略省巴里市兴建智能数据中心,即IBM加拿大领导数据中心,旨在推进节能化数据中心管理方面的研究和为企业提供能使其连续性经营的服务以及灾备数据服务。为响应公民对数据的需求,加拿大逐步开放地理空间数据,并将大数据研究列为政府科研基金重点资助对象。2013年8月,英国政府发布的《英国农业技术战略》指出,英国今后对农业技术的投资将集中在大数据上,目标是将英国的农业科技商业化。
保障性。2012年5月,美国政府宣布投资2亿美元提高大数据技术(包括数据的储存、分析、收集),以加快科学研究、加强国家安全、改革教学和培训体系以及促进专业人才发展。2013年1月,英国商业、创新和技能部宣布注资6亿英镑发展8类高新技术,其中,1.89亿英镑用来发展大数据技术。“欧盟开放数据战略”将重点加强在数据处理技术、数据门户网站和科研数据基础设施三方面的投入,旨在欧洲企业与市民能自由获取欧盟公共管理部门的所有信息,建立一个汇集不同成员国以及欧洲机构数据的“泛欧门户”。
中国实施大数据战略的行动支点
为了应对大数据战略带来的机遇和挑战,借鉴欧美发达国家大数据战略实施的先进经验,我国需要在如下几个方面下功夫:
完善制度。完善知识产权保护体系,促进数据共享和整合,推动数据价值创造。加快制定相关标准和指南,制定大数据发展战略。出台法律,为涉及企业运营数据、客户信息、个人隐私和各种行为的详细记录数据提供法律保障。完善信息资源市场,界定信息产权,明确信息的所有权、使用权和收益权的规定,发挥市场在信息资源方面的优化配置作用。
构筑平台。成立大数据管理局,建立信息资源共享平台,开放政府信息资源。以部门业务信息为基础,从标准、流程、数据三个方面进行设计,建设“物理分散、逻辑集中”的公共数据中心,通过数据集中挖掘,提高数据利用率,提高各级政府行政管理效率和公共服务水平。
突破技术。在明确大数据关键技术的基础上,确定重点支持领域,加大研发支持力度,整合云计算、物联网等专项项目,支持大数据技术的开发、研究和应用示范,引导企业加大大数据研发力度,实现关键技术突破,特别需要优先支持大数据技术在舆情研判、疾病防治、灾害控制、交通安全、城市管理、公共服务、社会治理等民生领域的应用。在公共服务和公用事业管理中采购大数据技术,以政府采购引导国内大数据发展。
培养人才。加大高水平大数据人才的引进和培养力度,重点培育数据挖掘、机器学习等方面的专业人才。制定激励措施对企业管理者进行数据分析技术培训,提高大型企业管理人员的数据分析能力。同时,在大学相应阶段有针对性地增加相关大数据技术与分析课程,增加学生在感知技术、数据仓库、数据搜索、数据挖掘与可视化等领域的知识积累,扩大人才储备规模。
提供保障。设立大数据研发基金,加大大数据分析平台建设的投入力度,加强智慧企业、智慧医院、智慧政府、智慧城市建设。设立奖惩制度,强化大数据国家安全建设。建立预算制度,控制各部门经费流向,推动数据共享,防止“信息孤岛”现象的出现。
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