
大数据发展需跨越三道坎 国家政策指导
大数据具有多维度和完备性的等重要的价值,我国近年来十分关注大数据信息产业发展,把消除信息“孤岛”放在首位,希望能真正释放大数据“能量”。8月19日,国务院总理李克主持召开国务院常务会议上,《关于促进大数据发展的行动纲要》(以下简称《纲要》)审议通过。这是迄今为止政府最高层出台的最重磅的大数据纲领性文件,标志着大数据已经正式上升到国家最核心战略,大数据产业将由此迈入新时代!然而,大数据时代的带来,并不久一帆风顺,大数据产业要真正发展起来,仍面临挑战。
8月26日,在2015中国国际大数据大会上,工信部总工程师张峰表示,我国发展大数据资源基础好、应用动力多、产业实力强。但与此同时,我们也应该清醒的认识到,我国信息化总体水平仍然还不够高,这主要是因为要实现从数据大国向数据强国的转变还面临着很多制约因素。对于当前我国大数据产业发展现状,张峰认为主要体现在以下三个方面。
第一,经过多年信息化建设和互联网发展,我国已经成为数据大国。互联网已经成为生产、生活的重要技术平台,随着信息技术的日益普及和“互联网+”融合态势的加快,海量数据不断快速聚集,据国际有关机构统计,我国的数据总量将以年均50%的速度增长,预计到2020年将占全球的21%。丰富的数据资源,构成了我国推进大数据应用的资源基础。
第二,我国大数据的应用和发展有广阔的市场空间。当前大数据在电商、广告和搜索等业务上得到越来越深入的应用。金融、百科、医疗等行业也在作为重要抓手发展跨界应用,推进“互联网+”发展,电信和金融等信息化基础好的领域已在积极推进自身数据整合,城市化大数据在经营分析、反欺诈、征信等方面的应用纷纷落地。技术大数据的创新创业项目也在涌现,当前全社会形成了推动大数据应用发展的良好氛围,为大数据发展提供强大动力。
第三,我国大数据的发展已经具备了一定的产业基础。在网络技术设施方面,到6月底固定宽带接入用户超过2亿户,8M以上带宽占比超过了53%,移动用户达到了6.74亿户,其中4G用户也达到了2.25亿户。在互联网产业方面,截至6月底已有12家互联网企业进入全球市值的前30强,部分企业的数据储量和管理能力达到了世界先进水平。此外经过多年努力,我国信息技术软硬件产品的技术水平和成熟度明显提高,信息通信产业安全可靠水平达到了新的高度。
张峰强调,总的来讲,我国发展大数据资源基础好、应用动力多、产业实力强,但也应该清醒地认识到,我国信息化总体水平仍然还不够高,这主要是要实现从数据大国向数据强国的转变还面临着很多制约因素。主要有以下三个方面:第一,信息孤岛普遍存在。跨部门、跨行业的数据共享仍有待进一步提高。有价值的公共信息资源和商业数据的开放程度还比较低,难以实现顺畅地流动。第二,相关法律法规仍然不健全。政府信息资源开放共享制还有些缺位,适应大数据发展的个人信息保护、数据资产保护等体系还没有建立。第三,核心技术研发能力仍有待加强。涵盖数据采集、加工、管理、分析和应用全链条的大数据产业生态体系还需要加大力度培育。
张峰介绍,国务院常务会议通过的《关于促进大数据发展的行动纲要》提出了三个方面要求:一是主动推动政府信息技术和公共数据互联共享。二是顺应潮流,引导支持大数据产业发展。三是强化信息安全保障,完善产业标准体系。这为我们推进大数据发展指明了方向,工信部将积极落实国务院的部署,大力推动大数据产业和应用发展,切实发挥大数据在基层政府治理水平、推动产业转型升级、培育经济增长新动力方面的重要作用
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10