
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
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