京公网安备 11010802034615号
经营许可证编号:京B2-20210330
国际大数据大会传递哪些新理念
为进一步促进大数据领域与传统应用行业的深度交流与合作,中国通信学会近日在北京举办“2015中国国际大数据大会”。此次大会以“大数据+”为主题。
解读大数据行动纲要
将推动政府公信力和信用体系的建设
国家统计局信息服务中心大数据研究实验室主任江青说,大数据行动纲要代表国家从顶层设计上推动大数据。
江青主要解读了大数据行动纲要对智慧城市带来的“四化”。她认为智慧城市的核心是大数据,是大数据在城市的应用。纲要有利于智慧城市实现规划科学化、管理动态化、治理精准化、管理服务高效化。
纲要还提出推动政府信息系统和公共数据的互联共享,消除信息孤岛,加快各类政府信息平台,避免数据重复打架,江青认为,这说明了两个问题,一是增强政府公信力,一是提升社会的信用体系,相对应的就是建设政府信息公用平台和政府公信力的平台。
数据开放问题
政府部门和公共企事业单位要率先开放原始的、可机读的数据
中科院院士、北京大学、普林斯顿大学教授、普林科技董事长鄂维南认为现在大数据面临的第一个瓶颈就是没数据,数据孤岛严重,不同部门数据存在在不同的地方。
中国国际经济交流中心副研究员张茉楠认为我国数据的实体化和实体数据化还处在前期阶段,还存在数据安全、数据所属权、数据治理等各方面的问题。
西安未来国际信息公司执行总裁史晨昱提出了如何开放和开放哪些数据。他认为,应首要开放政府部门和公共企事业单位的数据。政府应该建设开放平台或者网站,以满足社会公众对信息资源的使用。开放网站是全球的普遍做法,包括美国、英国都采用这种做法。开放平台应该建立在互联网上,而非建立在电子政务网上。
其次,开放的数据应该是原始的,可机读的数据。原始数据是没有加工处理的数据,可机读是指开放的数据要便于计算机处理加工。数据开放后,政府需要鼓励企业和公众,利用公共信息资源去开发信息产品,服务于社会公众,服务于其他的企业客户或者政府客户。
大数据推动社会共治
国家的治理从原来的政府主导,转向政府、公民、企业、社会共同参与的多元共治模式
张茉楠认为大数据带来的不仅仅是生产力的变革,更是一种生产关系的变革。
大数据改变了政府的角色、企业角色和社会公众的角色,也使整个国家的治理从原来政府主导的治理,开始向政府、公民、企业、社会多元共治的新模式转型。
张茉楠举例说美国环境数据的开放,就是通过一个项目把美国各个州的环境治理数据向公众开放,让公众更多地参与环境治理,由第三方负责监管。整个过程中是政府提出需求,提供服务,公众积极参与,整个社会共同监督管理。
张茉楠认为大数据时代,社会治理主要呈现三大特点,一是从原来的一家独大、政府的独治逐渐转向多元共治。第二,由原来较多的封闭结构向开放型的治理结构转型。特别是在大数据、云计算发展之下,原来公众和政府之间的信息差、知识差已经逐步扁平化。第三,由权力决策机制转向公共决策机制。
数据交易市场
数据产品交易可以活跃信息消费市场,但法律犯规、技术都还不尽完善
史晨昱认为数据服务平台应该非盈利性和商业化并举。非盈利的数据开放网站,负责将政府部门和公共服务企事业单位的数据,免费开放给公众;在此基础上建设的商业化数据服务平台,可以连接信息服务产品的供需双方,开展数据产品交易,以此活跃整个信息消费市场。
亚信数据总裁张浩认为,维护和管理数据对任何一个部门或者企业来讲都是有代价和成本的,通过交易或者是对等交换,容易实现数据价值。但我国目前还面临着问题,第一,本身还没有形成大数据,缺少法律规范让拥有数据的部门开放数据。第二,目前缺少对个人隐私保护的技术。
鄂维南认为数据作为一种商品,有一定的特殊性,每个人都可以使用,可以重复售卖,没有任何消耗。根据经济学观点,数据的价值是零,所以数据交易理论上来说是不可行的。这也是数据交易平台需要突破的悖论。
云计算+大数据
云计算可以让大数据运行更经济化、集约化和精细化
中国移动苏州研发中心大数据项目总监徐萌提出了云计算大数据,她认为,大数据把数据整合起来,这只是粗放的状态,并不是经济的模式。云计算强调经济化、集约化、精细化。云计算可以使得大数据用集约式的平台和方式来运转。
目前来看,云计算大数据的实现需要解决4个问题,第一,统一化的数据管理,即数据从哪来到哪去、共享给谁、怎么共享、权限是什么。第二,明确云计算大数据的概念,大数据是借用云计算来实现服务的。第三,精细化的资源管理,云计算目标就是降低成本,提供更多应用和服务。大数据后续也要演变过来,实现精细化运营,合理调度资源。第四,智能化就是保证多种资源框架可以自动适配。
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 出品 作者:李诗怡 1. 用户标签体系 定义: 通过一系列高度精炼的特征标识,对用户属性、行为与偏好进行量化刻画 ...
2026-09-24Pandas是Python生态中用于表格数据处理的核心库,广泛应用于数据清洗、统计运算、报表输出、数据分析建模等场景。在处理极大数值 ...
2026-09-24随着数字经济快速发展,数据已成为核心生产要素,各行各业的业务沉淀、用户行为、设备运行、市场交易均产生海量数据。数据处理作 ...
2026-09-24 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-09-24在时序数据分析中,大部分业务数据并非持续平稳变化,而是会在某些时间节点出现突然抬升、断崖下跌、趋势反转、波动异变等现象, ...
2026-09-23在统计学与数据分析中,研究多组数据差异最常用的方法为单因素方差分析与事后多重比较。很多数据分析初学者容易混淆两者功能,认 ...
2026-09-23 很多数据分析师每天都在写 SQL,但当被问到“DQL 的本质是什么”“SELECT 子句的书写顺序与执行顺序为何不同”“INNER JOIN ...
2026-09-23 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-09-22CDA数据分析师 出品 作者:李诗怡 1. 金字塔原理 定义: 一种“先总后分、先结论后原因”的思考和表达方式。顶层为核心观点,中 ...
2026-09-22数据收集是数据分析、数据挖掘与数字化运营的源头工作,数据收集的完整性、准确性、时效性直接决定后续数据分析结果的可信度与业 ...
2026-09-21箱线图是数据分析中用于识别数据分布、判断离散程度、筛查异常值的核心图表。相比于直方图、趋势图,箱线图可以精准区分正常数据 ...
2026-09-21 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-09-21在数据库数据查询与数据分析工作中,日期时间是最常用的数据类型之一。原始数据库中存储的日期格式多为标准时间戳、年月日时分秒 ...
2026-09-20在时序数据分析中,增长率是衡量数据涨跌幅度、研判发展趋势、识别周期波动的核心指标,主要分为环比增长率与同比增长率。传统Ex ...
2026-09-20 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-09-20CDA数据分析师 出品 作者:李诗怡 STP模型(营销战略三步法) 定义: 现代营销战略核心框架,通过市场细分(S)、目标市场选择( ...
2026-09-18在互联网产品迭代、运营优化、界面改版与策略升级过程中,主观经验判断容易造成决策偏差、盲目改版、资源浪费等问题。AB实验(AB ...
2026-09-18 很多企业并不缺少指标,缺少的是让指标“串起来、动起来、用起来”的体系。零散指标像散落一地的珠子,指标体系则是那根把珠 ...
2026-09-18在电商行业精细化运营时代,流量红利逐步消退,粗放式投流、广撒网营销模式已无法适配市场竞争需求。依托用户点击、加购、收藏、 ...
2026-09-17在数据可视化与数据分析工作中,图表是将零散数据转化为直观业务规律的核心工具。不同图表拥有专属的数据逻辑与分析维度,能够从 ...
2026-09-17