
2018年底前建成国家政府数据统一开放平台 把大数据巨大潜能挖出来
加快大数据部署,深化大数据应用,已成为稳增长、促改革、调结构、惠民生,以及推动政府治理能力现代化的内在需要和必然选择。《纲要》出台,正是藉此激发大数据产业的巨大潜力,释放市场主体的创新活力,为“中国制造2025”、“互联网+”再添动力——
近日,国务院印发《促进大数据发展行动纲要》,提出要全面推进大数据发展和应用,加快政府数据开放共享,深化大数据在各行业创新应用,通过建设数据强国,提升政府治理能力,推动经济转型升级。此外,《纲要》还提出,要在2017年底前形成跨部门数据资源共享共用格局,在2018年底前建成国家政府数据统一开放平台。
“这是我国第一次把发展大数据上升为国家战略。”中国电子信息产业发展研究院信息化研究中心副主任潘文在接受《经济日报》记者采访时表示,此次《纲要》发布,对推进落实“中国制造2025”和“互联网+”国家战略、促进大众创业、万众创新,推动经济和社会发展具有重要意义。
产业规模迅速增长
大数据已成为推动经济转型发展的新动力,其本身也正成为新的经济增长点。“自去年3月‘大数据’首次出现在《政府工作报告》中以来,国务院常务会议一年内6次提及大数据运用。”潘文表示,大数据充分利用优质共享的信息知识和创新资源,不断降低社会信息成本,通过基于大数据精准分析和科学决策,将有力支撑教育文化、健康医疗、电子商务、工业制造、现代农业等,提升传统产业生产效率和经济效益,同时培育形成新产业、新消费热点和新服务模式,有利于稳增长、调结构。
“与基础软件行业追逐国际主流趋势不同,我国大数据产业在国际竞争中已崭露头角,未来存在更大的发展空间和发展机遇。”潘文说。目前,我国互联网、移动互联网用户规模居全球第一,拥有丰富的数据资源和应用市场优势,大数据部分关键技术研发取得突破,涌现出一批互联网创新企业和创新应用,一些地方政府已启动大数据相关工作。
大数据产业正成为新的经济增长点,产业规模迅速增长。据赛迪顾问电子信息产业研究中心总经理张梓钧介绍,2014年,中国大数据IT市场规模达93.1亿元,增长率为37.3%。预计2015年至2017年,中国大数据IT市场年复合增长率能达到33.3%。
开放共享势在必行
在信息社会,随着大数据、云计算、物联网、移动互联网等新技术及相关的创新应用不断加快,海量数据正在政务管理、产业发展、城市治理、民生服务等众多领域不断产生、积累、变化和发展,数据资源也正和土地、劳动力、资本等生产要素一样,成为促进经济增长的基本要素。
“政府占有80%的公共信息资源,加快政府大数据资源向社会开放和利用,是政府加快行政管理改革主动适应时代发展的必要选择。”潘文说。这也正如浪潮集团董事长孙丕恕所言,开放数据,是政府部门实现数据创新应用,服务产业、企业走向升级发展道路的重要途径。
因此,《纲要》提出大力推动政府部门数据共享,在2017年底前形成跨部门数据资源共享共用格局。
“大数据能提升个性化、精准性公共服务能力。”中关村大数据产业联盟副秘书长陈新河认为,大数据让数据挖掘更加深入和精细化,从而让更为个性化并合理的公共服务成为可能。例如在医疗卫生行业,相关部门可以从多个渠道获取个人健康信息,把职业、行为等行为数据与电子病历等医疗数据关联起来,形成一个综合的健康状况模式,提供精细化的医疗服务。
也有专家指出,政务数据开放共享需注意相关法律法规体系、行政体系及带来的安全和标准问题,特别要注意保护用户隐私、知识产权保护等。
给力“双创”重塑优势
除了推动政府加快数据开放共享,《纲要》的另一大重点是推动大数据产业创新发展。潘文认为,这两者相辅相成、密不可分。首先,推动政务数据社会化增值开发,可以生产出各种各样的增值信息产品,满足社会不同层次、不同领域的需要。其次,互联网的高速发展带来了企业数据爆炸式的增长,数据已成为企业未来新战略发展的中心。
《纲要》提出了发展多个细分产业大数据,“其中,发展工业和新兴产业大数据,是重点中的重点,也是践行‘中国制造2025’和‘互联网+’行动计划的现实选择。”潘文说。
目前,我国数据价值链和产业链已初显端倪。百度、阿里巴巴、大智慧=等数据资源型和研发应用型企业初步涌现,引领着数据产业的发展。我国作为人口大国、互联网大国、消费大国、技术创新应用新高地,不论是政府部门,还是企业层面,都将产生海量数据,为进行大数据分析提供了基础支撑。
《纲要》还特别提到发展万众创新大数据。对此,潘文表示,大数据带来的新服务模式和资源分析处理能力,将带动产业技术研发体系的创新,推动跨领域、跨行业的融合和协同创新,在推动新兴产业快速发展的同时带动传统产业的协同发展,为大众创业、万众创新提供有力支撑,重塑国家竞争优势。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03