
大数据产业顶层规划出炉 如何实现
数据产业发展顶层规划也给出了明确的“创新导向”:计划在未来5至10年打造精准治理、多方协作的社会治理新模式,建立运行平稳、安全高效的经济运行新机制,构建以人为本、惠及全民的民生服务新体系,开启大众创业、万众创新的创新驱动新格局,培育高端智能、新兴繁荣的产业发展新生态。
纲要的出炉也被认为是我国继“互联网+”行动后,进一步从顶层规划上明晰大数据、云计算、移动互联、人工智能等前沿技术发展规划。
用友网络董事长王文京认为,移动互联网、云计算、大数据等正成为社会发展、经济增长的重要驱动,数据资产也成为人类社会继财富资产、人力资产等之后的“第四种资产”,其重要性不言而喻。
中国科学院院士、北京大学教授鄂维南认为,大数据正改变着实体经济与产业格局。例如,基于大数据的计算广告学改变了传统广告行业;一些企业正深入研究非结构化数据处理,以改变传统产业。
聚焦人才培养
各界人士认为,大数据作为新的计算方式,其对产业、实体经济的影响将极其深远。然而,以产业需求为导向的创新研发亟待提升,国内“数据人才”培养也需要进一步优化,以适应市场需求。
首先,以产业需求为导向,成果及时落地转化,企业主体创新力量须得到调动。
“在中国,数据科学发展的很多研究源于市场需求。比如,监控视频处理就是很重要的应用场景。如何让电脑对图像数据进行突破,可以智能判断,这就是很好的大数据科研突破口。”鄂维南说,尽管目前国内大数据产业发展很快,但也存在着缺乏以市场需求为导向的创新突破等问题。
各方认为,唯有释放企业的创新活力,才能推动大数据关键领域取得突破,促进大数据科研成果转化为实际成果。
其次,符合市场需求的人才培养应得到重视。
北京大学校长林建华认为,进入数据时代,人们对获取、存储、分析、处理数据的能力亟待提升。因此,数据科学人才培养成为急需加强的方面。“可以看到产业内很多大企业用非常大的资源,争取学术界数据人才,各方面拉人才。可以说,大数据能否做成,关键在能不能聚焦人才培养。”
而高校和产业界普遍认为,当前对大数据人才的培养仍相对滞后。北京航空航天大学软件学院院长孙伟认为,传统IT教育很难将前沿技术和课堂传授知识结合起来,培养人才很难及时与产业接轨。高校创新人才培养应更加面向市场需求、技术前沿。
以新模式助大数据产业突破
分析认为,国内产业界对数据科学的前沿探索已经加速推进,部分高校也开始了“数据科学家”的培养。在此背景下,我国应进一步打通壁垒,以新模式探索产学研用结合,培育数据人才、助推以市场为导向的数据科学研究突破,促进产业加速发展。
调查发现,以北京中关村为例,大数据已经在商业、金融、交通、医疗、教育等行业示范应用,100多家大数据创新企业从不同领域深植数据资源。
同时,北京航空航天大学、浙江大学等高校与阿里云、慧科教育达成合作,计划3年内培养和认证5万名云计算和数据科学工作者。这些为数据人才培养提供产业与教育基础。
模式的探索已现雏形。北京中关村管委会、海淀区政府、北京大学和北京工业大学等四方启动“北京大数据研究院”,启动建立大数据高精尖创新中心,推动人才培养和科研突破;并成立股份制技术成果转化中心,围绕热点领域产业需求,推动关键共性技术研发、行业大数据分析、成果转化等。
鄂维南透露,研究院将主要聚焦包括交通大数据、金融大数据、移动互联网大数据、医疗大数据等方面,整合分析资源,支撑决策与产业发展。计划一到两年内,研究院将建立数据金融、医疗健康、交通数据、智慧城市、能源环境和气象等分中心,涉及数据与生物、化学、天体、神经科学等学科的交叉研究。
各界认为,这种灵活的产学研结合机制将成为推动大数据快速发展的有效手段。
王文京说,创新机制将有助于创新人才及时对接市场需求,让大数据切实影响改变产业现状
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11