
山西省迎来了大数据时代
3月30日,山西省人民政府新闻办公室对山西省大数据2017年行动计划、发展规划及若干政策进行新闻发布,标志着山西省已做好全面进入大数据时代的准备。大数据对于国家能源重工业基地的山西来说,一直是一个新词,也是热词。继云计算、物联网和移动互联网之后,以大数据为引领的数字经济正成为产业发展的新方向,大数据应用在经济发展和社会生活中发挥的作用越来越显著。这些都显示了大数据作为基础性资源的战略意义。
对于山西省来说,全面实施大数据战略,正是抢占未来经济发展制高点的重要举措,是破解资源型地区创新发展难题的主要手段,是提升政府治理能力和民生服务水平的重要途径,也是开放带动和加速发展的重要依托。去年11月,山西省省长楼阳生对山西省数字经济发展进行了调研,并召开数字经济座谈会时指出:“实施大数据战略,培育数字经济,建设智慧山西,是切实践行“五大发展”新理念、贯彻落实山西省党代会决策部署、促进创新驱动转型升级的重大举措。”在2017年山西省政府工作报告中,明确提出了“实施大数据战略,发展数字经济,建设智慧山西”的重要工作部署。
为加快推进大数据战略的全面实施,山西省经信委组织大数据龙头企业、相关行业主管部门和专家学者共同研究,多次召开部门、研究机构、专家和企业座谈会,经过反复修改完善,形成了《山西省大数据发展规划(2017-2020年)》、《山西省促进大数据发展应用的若干政策》和《山西省促进大数据发展应用2017年行动计划》。目前,这三个文件已经通过山西省政府审议,正式印发实施。
《发展规划》重点针对山西省大数据产业进行了布局规划,明确了六项重点任务和四项重点工程。提出“抓两头带中间”的发展思路,通过抢抓数据资源集聚,紧抓数据应用推广,带动数据产业发展。着力打造“多基地一中心四平台十应用五链条五盾牌”大数据产业生态链。
《若干政策》为大数据项目在山西省落地定制了25条优惠政策,包括用电、数据公开共享、政府购买服务、用地、税收、资金、科技创新等七个方面。在政策的制定过程中,山西参照了其他省、市已发布的优惠政策,根据山西省实际情况,坚持在多个方面尽可能优于或等于其他省、市(尤其是周边省、市)的原则,提升山西省大数据招商引资竞争优势。
《2017年行动计划》提出了山西省2017年大数据工作重点任务:大数据管理机制体制基本理顺,全省大数据中心和省级政务云平台启动建设,全省数据资源目录体系基本建立,一批大数据相关企业和引进项目落地建设,大数据应用试点示范逐步展开,全省大数据发展应用氛围初步形成。山西将通过实施大数据力量构建整合、大数据基础支撑能力提升、政务大数据资源集聚、大数据产业链培育、大数据应用示范、大数据信息安全保障等六大行动,推动《行动计划》目标的完成。
这三个文件构建了山西省从产业布局规划,到政策措施优惠,再到年度重点任务落实的政策文件体系。
2017年是山西大数据规划实施的起始之年。山西将进一步加大统筹协调力度,理顺大数据管理机制,加强与行业领军企业的务实合作,整合各方力量,创新体制机制,推动政策落地,在大数据中心建设、大数据应用、大数据运营、大数据产业等领域实现不断突破,加快推动山西省经济的转型升级。
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