
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
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 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01