京公网安备 11010802034615号
经营许可证编号:京B2-20210330
发展“大数据”聚焦三大问题
当前,对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析,从中发现新知识、创造新价值、提升新能力的新一代信息技术和服务业态正快速发展。而为了进一步促进“大数据”的发展,日前,国务院印发了《大数据发展行动纲要》(以下简称《纲要》),聚焦三大问题,成为“大数据”未来发展的指南。
焦点一:加快政府数据开放共享
《纲要》指出,要加快政府数据开放共享,推动资源整合,提升治理能力。即要大力推动政府部门数据共享,稳步推动公共数据资源开放,统筹规划大数据基础设施建设,支持宏观调控科学化,推动政府治理精准化,推进商事服务便捷化,促进安全保障高效化,加快民生服务普惠化。
从整体上看,政府数据的开放程度相较以前有了明显好转。在数据公开方式上,已经由纸质文件转为线上线下结合,除了相应的官方网站外,还有微信、微博等线上平台与群众进行互动答疑。在数据公开内容上,由此前“不解渴”的数据逐渐转向群众所需求的数据,达到真正的急人之所急、需人之所需。
然而,“数据平台”、“信息共享”、“互联互通”等词汇虽频频被政策文件提及,但实际上,仅仅是政府各部门间的数据共享就未能得到全面普及,从群众的反馈上可见一斑。
购房时客户需要填报十几张表格,其中表格的重复率高达30%;办理证件时需要来往各个部门开具相应证明,群众为此跑断腿;不同区域、不同部门的政府数据实现分割、垄断式管理,产生一个个“数据孤岛”,从而影响其社会服务效率。
由此可见,要实现政府各部门间的数据共享仍有很长一段路要走。虽然不同部门规则不一、层次不一等多方面原因造成了“数据孤岛”,但破除“数据孤岛”也是发展“大数据”的首要任务。因此,加快政府数据开放共享无疑是亮点之一,也是社会群众所迫切需求的。
对于如何加快政府数据开放共享,《纲要》也提出若干措施,如加强顶层设计和统筹规划,明确各部门数据共享的范围边界和使用方式;厘清各部门数据管理及共享的义务和权利,依托政府数据统一共享交换平台;大力推进国家人口基础信息库等国家基础数据资源,以及金税、金关、金财等信息系统跨部门、跨区域共享;加快各地区、各部门、各有关企事业单位及社会组织信用信息系统的互联互通和信息共享,丰富面向公众的信用信息服务,提高政府服务和监管水平等。
焦点二:推动产业创新发展
《纲要》指出,要推动产业创新发展,培育新兴业态,助力经济转型。即要发展工业大数据、新兴产业大数据、农业农村大数据、万众创新大数据,推进基础研究和核心技术攻关,形成大数据产品体系,完善大数据产业链。
当前,新兴产业对推动经济发展、助力经济转型有着重要作用。然而,也正因为它是新兴产业,所以拥有的资源比传统产业少,发展环境也不如传统产业。“大数据”的发展则能有效弥补新兴产业缺少资源的短处,故而发展“大数据”能变相推动产业创新发展,亦能改变新兴产业的盈利模式。
以发展万众创新大数据为例,对于初次创业的创客们,实施大数据创新行动计划,鼓励企业和公众发掘利用开放数据资源,无疑能激发创新创业活力,减少许多不必要的创业弯路。
同时,利用大数据、云计算等技术,对各领域知识进行大规模整合,搭建层次清晰、覆盖全面、内容准确的知识资源库群,亦能为创客们提供精准、高水平的知识服务,避免跨界发展的创客遇到知识盲区等。
此外,许多互联网模式下的新兴产业也可利用相应的网络平台积累自己的大数据,以自己的大数据衍生出其他服务,形成不同的盈利模式,百花齐放。
焦点三:强化安全保障
《纲要》指出,要强化安全保障,提高管理水平,促进健康发展。即要建立大数据安全评估体系,健全大数据安全保障体系,明确数据采集、传输、存储、使用、开放等各环节保障网络安全的范围边界、责任主体和具体要求,强化安全支撑。
在信息化的时代,数据应用无处不在,数据的安全问题也随之层出不穷。仅以个人数据为例,在消费途径多样化的大环境下,个人数据被留存在各种渠道上。从管理资金的金融系统到出行旅游的交通系统,再到快捷消费的电子商务平台,个人数据无处不在,而要保护这些数据不被非法利用,则是难上加难。
然而,要发展“大数据”,就必须对数据的安全有所保障,营造一个安全的数据流通环境。一方面要在数据的获取、存储、使用等方面进行有效保障,如加大“大数据”安全保障体系建设、建立网络安全信息共享机制等;另一方面也要完善相关法律,利用法律的牙齿来进行刑事责任约束,对非法利用数据等违法行为加大惩处力度。
对此,《纲要》也提出举措和目标,即在涉及国家安全稳定的领域采用安全可靠的产品和服务,到2020年,实现关键部门的关键设备安全可靠。完善网络安全保密防护体系。建设国家网络安全信息汇聚共享和关联分析平台,促进网络安全相关数据融合和资源合理分配,提升重大网络安全事件应急处理能力等。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12