京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据产业顶层规划出炉,如何实现
国务院印发《促进大数据发展行动纲要》,从顶层规划角度系统部署我国大数据产业发展。
业内分析认为,我国应通过聚焦行业应用、创新产学研机制、加强人才培养、促进成果转化等方面加快推动大数据及其相关产业发展。
数据成战略资源
国务院印发的《促进大数据发展行动纲要》指出,数据已成为国家基础性战略资源。深化大数据应用已成为稳增长、促改革、调结构、惠民生和推动政府治理能力现代化的内在需要和必然选择。
大数据产业发展顶层规划也给出了明确的“创新导向”:计划在未来5至10年打造精准治理、多方协作的社会治理新模式,建立运行平稳、安全高效的经济运行新机制,构建以人为本、惠及全民的民生服务新体系,开启大众创业、万众创新的创新驱动新格局,培育高端智能、新兴繁荣的产业发展新生态。
纲要的出炉也被认为是我国继“互联网+”行动后,进一步从顶层规划上明晰大数据、云计算、移动互联、人工智能等前沿技术发展规划。
用友网络董事长王文京认为,移动互联网、云计算、大数据等正成为社会发展、经济增长的重要驱动,数据资产也成为人类社会继财富资产、人力资产等之后的“第四种资产”,其重要性不言而喻。
中国科学院院士、北京大学教授鄂维南认为,大数据正改变着实体经济与产业格局。例如,基于大数据的计算广告学改变了传统广告行业;一些企业正深入研究非结构化数据处理,以改变传统产业。
聚焦人才培养
各界人士认为,大数据作为新的计算方式,其对产业、实体经济的影响将极其深远。然而,以产业需求为导向的创新研发亟待提升,国内“数据人才”培养也需要进一步优化,以适应市场需求。
首先,以产业需求为导向,成果及时落地转化,企业主体创新力量须得到调动。
“在中国,数据科学发展的很多研究源于市场需求。比如,监控视频处理就是很重要的应用场景。如何让电脑对图像数据进行突破,可以智能判断,这就是很好的大数据科研突破口。”鄂维南说,尽管目前国内大数据产业发展很快,但也存在着缺乏以市场需求为导向的创新突破等问题。
各方认为,唯有释放企业的创新活力,才能推动大数据关键领域取得突破,促进大数据科研成果转化为实际成果。
其次,符合市场需求的人才培养应得到重视。
北京大学校长林建华认为,进入数据时代,人们对获取、存储、分析、处理数据的能力亟待提升。因此,数据科学人才培养成为急需加强的方面。“可以看到产业内很多大企业用非常大的资源,争取学术界数据人才,各方面拉人才。可以说,大数据能否做成,关键在能不能聚焦人才培养。”
而高校和产业界普遍认为,当前对大数据人才的培养仍相对滞后。北京航空航天大学软件学院院长孙伟认为,传统it教育很难将前沿技术和课堂传授知识结合起来,培养人才很难及时与产业接轨。高校创新人才培养应更加面向市场需求、技术前沿。
以新模式助大数据产业突破
分析认为,国内产业界对数据科学的前沿探索已经加速推进,部分高校也开始了“数据科学家”的培养。在此背景下,我国应进一步打通壁垒,以新模式探索产学研用结合,培育数据人才、助推以市场为导向的数据科学研究突破,促进产业加速发展。
调查发现,以北京中关村为例,大数据已经在商业、金融、交通、医疗、教育等行业示范应用,100多家大数据创新企业从不同领域深植数据资源。
同时,北京航空航天大学、浙江大学等高校与阿里云、慧科教育达成合作,计划3年内培养和认证5万名云计算和数据科学工作者。这些为数据人才培养提供产业与教育基础。
模式的探索已现雏形。北京中关村管委会、海淀区政府、北京大学和北京工业大学等四方启动“北京大数据研究院”,启动建立大数据高精尖创新中心,推动人才培养和科研突破;并成立股份制技术成果转化中心,围绕热点领域产业需求,推动关键共性技术研发、行业大数据分析、成果转化等。
鄂维南透露,研究院将主要聚焦包括交通大数据、金融大数据、移动互联网大数据、医疗大数据等方面,整合分析资源,支撑决策与产业发展。计划一到两年内,研究院将建立数据金融、医疗健康、交通数据、智慧城市、能源环境和气象等分中心,涉及数据与生物、化学、天体、神经科学等学科的交叉研究。
各界认为,这种灵活的产学研结合机制将成为推动大数据快速发展的有效手段。
王文京说,创新机制将有助于创新人才及时对接市场需求,让大数据切实影响改变产业现状。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31