
大数据产业大发展、大机遇、大红利时代到来
“近年来大数据的采集并处理,存储、通信、管理、风险、挖掘、展现、应用和安全等技术正取得重大进展,互联网+新业态正在快速建立,国家工业、农业万众创新等大数据工程正不断涌现并取得显著的成效。”3月2日上午,在北京国家会议中心举办的“2016云上贵州·大数据招商引智推介会”上,嘉宾代表中国工程院院士、贵州省大数据专家咨询委员会主任李伯虎在演讲中称,大数据产业大发展、大机遇、大红利的时代已然到来,对于贵州来说,先发优势明显,领先地位突出。
作为首届贵州省大数据产业咨询委员会中的一员,并参与了贵州工业云部分工作,在短短两年中,李伯虎见证了贵州在大数据技术产业应用方面取得的瞩目成就。
李伯虎在演讲中介绍,2014年以来贵州省结合本省发展的需要和先天优势,抓住大数据时代的重大机遇,大胆探索先行先试,发展势头风生水起,实现了在大数据平台、商业模式创新、绿色数据中心、大数据交易、产业博览会、国家产业集聚与产业试验区、地方大数据法规、国家级实验室等诸多方面的八个率先,“正如习近平总书记所言‘贵州发展大数据确实有道理’,这便是对贵州大数据技术产业应用、发展成就的高度肯定。”
2015年9月,国务院发布的《促进大数据发展行动纲要》,正积极推动着中国大数据技术产业应用的快速发展。
李伯虎称,近年来大数据的采集并处理,存储、通信、管理、风险、挖掘、展现、应用和安全等技术正取得重大进展,基于泛在网络的,以泛在互联、数据驱动、共享服务、跨界融合、自主智慧、万众创新为特征的互联网+新业态正在快速建立,我们国家工业、农业万众创新等大数据工程正不断涌现并取得显著的成效。
“显而易见,大数据产业大发展、大机遇、大红利的时代已然到来,贵州省作为我国首批国家大数据综合试验区,先发优势明显,领先地位突出。”李伯虎说道。
对于贵州大数据技术产业和应用的再发展,李伯虎在演讲最后提出了5点建议:
第一、坚持贯彻国家提出的创新、协调、绿色、开放、共享的五大发展理念,推动贵州大数据技术产业应用的新发展;
第二、坚持贵州省提出来的“三个问题”、“四个理念”、“五个层次产业链”、“三个业态”、“三个中心”的“34533”发展框架,持续完善深化大数据技术产业应用的系统化新发展;
第三、坚持以新应用为导向,带动大数据技术产业应用的新发展,贵州省从2014年起推动建设工业云等7+N朵云,到现在发展为百花齐放的20朵云,丰富大数据新应用必将引领落实大数据技术产业和应用的创新和繁荣;
第四、坚持新兴新技术和应用领域技术深度融合,由于大数据技术产业应用的复杂性、综合性和艰巨性,因此必须充分融合云计算、互联网、移动互联网、智能科学技术、高性能计算、虚拟现实、增强现实、信息安全等信息技术和各应用领域技术的新成果,这样才能推动大数据领域技术产业和应用的创新突破。
第五、坚持政产学研用精,融合创新发展的系统工程发展机制。我国航天领域多年来积累的探索一代、预研一代、研制一代、生产一代、应用一代的系统工程方法,以及美国2012年提出的产学研用联合的国家制造创新网络计划值得借鉴。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12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 ...
2025-09-04