京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 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 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19