
“掘金”大数据产业 政务及工业大数据或成“焦点”
大数据产业集聚发展态势初步形成。近年来,自中央到地方,都出台了有关大数据的发展计划及实施方案。10月26日,在广州召开的“大数据应用及产业发展大会”上,广东宣布启动建设珠江三角洲国家大数据综合试验区。在此之前出台的《广东省促进大数据发展行动计划(2016-2020年)》(下称《行动计划》)提出,到2020年,培育多家大数据核心龙头企业,建设20个左右的大数据产业园,届时,大数据及相关产业规模将达6000亿元。
而10月28日印发的《东莞市大数据发展实施方案》提出,东莞在2018年将初步建成大数据发展体制机制,完成政务云数据中心和政务大数据库建设。根据这些发展计划或方案,大数据将再受关注,尤其是政务大数据、工业大数据等领域的开发及应用,预计将成关注的重点。
政务大数据将得到大发展
按照《行动计划》,广东将全面推进大数据应用和产业发展。在大数据应用方面,将加快推动政府数据的开放共享,重点建设全省统一的电子政务数据中心、政务大数据库和数据开放平台“开放广东”,提供面向公众的政府数据服务。同时,加快推动政务服务以及交通运输、社会保障、环境保护、医疗健康、农业气象等民生服务领域的大数据应用。预期到2020年,我省政务信息资源采集率达70%以上,在民生服务等重点领域开放500个以上政府数据集,在社会治理领域形成一批引领全国的大数据应用示范。
事实上,大数据背景下的电子政务信息化,不是简单地将政府行政由物理空间转移到网络空间,而是要为政务流程的数据再造提供基础和平台。近日,在京东云助力“互联网+”战略落地广州站活动上,京东云副总裁李涛涛接受东莞日报记者采访时表示:“拿政务大数据来说,目前,京东的政务云已经顺利帮助不少政府实现了电子政务的转型,从而大力提升了当地政府的服务效率,实现了当地政府互联网+政府产业服务落地。” 李涛涛说,通过大数据、云计算技术和服务,还可以为电子政务提供更专业化、个性化解决方案。
大数据推动“互联网+制造业”
东莞是制造业大市,发展制造业大数据助力转型发展是必然选择。10月28日,《东莞市大数据发展实施方案》在市政府官网正式发布。该《方案》提出,东莞在2018年将初步建成大数据发展体制机制,完成政务云数据中心和政务大数据库建设。《方案》称,东莞在完成政务云数据中心和政务大数据库建设后,将率先在信用、交通、医疗、卫生、就业、社保、地理、教育、文化、环境、金融、质量、统计、市场、气象等重要领域实现公共数据资源合理适度向社会开放,促进大数据民生服务普惠化。
根据《方案》,东莞将运用大数据驱动智能制造加快发展,推动互联网与制造业融合发展,支持工业企业开展设备、产品以及生产过程中的数据自动采集和大数据分析,形成制造业大数据存储中心和分析中心,建设一批数据工厂和智能工厂。引导松山湖、南城、东城、石龙等有条件的镇街和园区打造成国家或省级大数据产业园区,发挥现有产业优势,引进“大物移云”相关国内外知名企业,形成大数据采集、存储、清洗、分析、挖掘、流通、应用和展示的完整产业链。
“大数据推动互联网+制造业,这是一个趋势。”京东云华南区总经理周欣接受东莞日报记者采访时表示,京东云将能够结合包括东莞在内的珠三角的特色,实现当地产业的互联网+升级,促进当地经济结构的调整,带动当地经济的持续发展。比如,在京东云的协助下,广州国际皮具城成功打造了“O2O线上+线下”结合的模式,促进皮具产业转型升级,“未来将与更多东莞企业合作,通过互联网或大数据+制造业,让企业走上快车道。”
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