
优化政策,促进大数据产业健康发展
大数据产业是指建立在互联网、物联网等渠道的大量数据资源基础上的数据存储、价值提炼、智能处理的信息服务业。该产业近年成为新的技术制高点和经济增长的新动力。
专家学者和业内人士认为,我国大数据产业目前呈现良好发展态势,但面临一些困难,需优化产业政策,促其健康发展。
态势良好
北京大学教授杨学山等人士认为,相较于发达国家,我国大数据产业还处于探索起步阶段,但在对大数据的社会认知、政策环境、市场规模、产业支撑能力等方面取得了积极进展,为大数据产业可持续发展创造了良好条件。
大数据产业发展政策日益完善。大数据产业是云计算技术、物联网、移动互联网广泛普及的结果。鉴于大数据对经济、社会、科研、国家安全等方面的巨大价值,我国各级政府制定政策推动大数据产业发展。2015年8月,国务院印发《促进大数据发展行动纲要》,标志着大数据产业已被提升为国家战略高度。
大数据产业发展平台逐渐建立。随着国家和地方政府大数据产业发展政策的制定和实施,大数据产业发展的相关平台逐步建立。全国各地已建成和在建的大数据产业园已达100多个。为推动大数据研究,学术界成立了大数据专家委员会等机构,举办了大数据共享与开发、大数据技术创新、大数据运用、大数据产业发展等主题的学术研讨会。
市场空间持续扩大。大数据产业主要涉及数据的收集、存储、分析和运用等环节,其在金融、电子商务、电信、医疗、农业、军事、政务等领域发挥着越来越重要的作用。虽然我国大数据产业还处在起步阶段,但已彰显出巨大的市场空间和持续增长的态势。
面临困难
中国工程院院士孙家广等专家认为,大数据产业发展具有极强的技术和信息依赖性,由于我国大数据产业起步滞后以及基础条件不够成熟,其在快速发展的同时,面临的困难日益显现:
信息壁垒降低了大数据产业资源配置效率。大数据产业发展必须实现数据信息的自由流动和共享,如果数据不开放、不共享,数据整合就不能实现,数据价值也会大大降低。然而,这一问题并没有得到相关部门的足够重视。这主要是由于地方政府没有形成与大数据产业发展相适应的全局思维。此外,政府部门是社会信息的主要控制者,其信息又分别被不同部门和区域控制,而不同部门和区域数据标准各异,信息资源也就难以实现共享。
数据安全管理薄弱增加了大数据产业发展的风险。我国目前面对的现实是保护大数据安全能力不足、大数据安全法律法规缺失、网络信息管理体制存在缺陷等,这些问题增加了大数据产业发展的风险。
产业生态体系短板阻碍大数据产业链和产业集群的形成。我国大数据产业虽已覆盖多个领域,但仍处于起步阶段,主要体现为:各领域大数据企业分散现象普遍;产业发展、政策、平台、创新、环境等不协调……
优化政策
中国科学院院士、北京理工大学副校长梅宏认为,为克服困难,促进我国大数据产业健康发展,相关的产业政策应优化:
完善大数据产业发展战略规划,优化产业布局。应优化对大数据产业的战略规划,明确方向和重点,制定长、中、短期发展目标,完善投融资、税收、知识产权、利益分配等的政策,为大数据产业创造良好的发展环境。
依托大众创新创业优化大数据产业发展环境。大众创新创业有利于增强创新驱动活力、拓宽创业渠道、优化创新环境、促进中小企业发展、优化产业结构等,这是解决大数据发展创新技术受限、企业竞争不充分等问题的有效途径,所以应充分利用好大众创新创业,优化大数据产业发展的环境。
加强大数据共享平台和安全保障体系建设。在数据共享方面,应尽快制定和出台《公共信息资源开发共享管理办法》,以法律形式规定公共信息资源开放共享的内容、程序、标准等,并在此基础上建立公共信息资源共享网站,形成共享服务体系;在数据安全方面,应完善国家数据安全法律法规。同时加强网络安全基础设施建设,提高对抗网络攻击、加密、入侵检测等技术的水平,建立和完善大数据安全应急机制。
实施融合发展战略,构建大数据产业生态体系。这里的融合发展既包括大数据与其他产业的融合,也包括大数据企业与政府、社会组织的融合。构建大数据产业与其他产业发展的联动机制,组建全国性、区域性的大数据产业联盟,加强大数据产业链各个环节企业的合作就显得尤为重要。大数据产业发展需要同时发挥好政府、企业、社会中介等多方面的力量,聚集各方优势。企业应在产业发展过程中充当主体地位,政府应根据企业的需求,提供政策和服务。中介组织也不容忽视,政府部门应加强对大数据行业协会、科研机构、产业联盟等组织的培育和扶持,充分发挥它们在理论研究、技术研发、社会调研等方面的作用,使之成为推动大数据产业发展的另一支重要力量。
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