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
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