京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据释放大能量
中国信息通信研究院发布的《中国大数据产业分析报告》显示,我国2016年的大数据核心产业规模达到168亿元,增长率达45%。大数据的发展为经济带来新的贡献,催生了全新的数字经济形态。
由国家发展和改革委员会、工信部、国家网信办共同指导,8个国家级大数据综合试验区参与的“数聚华夏,创享未来”中国数据创新行活动日前在贵州省贵阳市启动。清华大学数据科学研究院执行副院长韩亦舜教授认为,这是国家实施创新驱动、培育数字经济发展新动能、推动大数据蓬勃发展的重要举措,标志着国家对大数据、数字经济的推动从规划设计阶段进入实质性落地推进阶段。
记者从现场了解到,中国数据创新行活动将历时一年,活动内容包括在上海、沈阳、杭州、苏州、北京等多个城市陆续举办中国国际大数据挖掘大赛,Sino Open Data Apps中国开放数据创新应用大赛、中关村大数据日主题峰会、阿里云天池余震捕捉AI创新大赛等。活动还将在8个国家大数据综合试验区举办“数聚华夏,创享未来”系列主题论坛、发布中国数字经济发展白皮书、举行数字经济10大巡礼活动等。
商务部国际贸易经济合作研究院研究员、清华大学客座研究员梅新育表示,中国大数据发展已从理论规划迈进全面建设的关键期,此时举办中国数据创新行活动,将推动力直接作用于区域变革和产业完善,对凝聚共识、吸引合作、创新探索、培育市场将起到富有成效的促进作用。“发展大数据一定要有大数据的思维。这次活动可以将8个试验区的界限打破,把各地大数据试验的经验和成果通过活动集中起来,让他们产生化学反应,形成‘模型’,在不久的将来推向全国,让大数据形成燎原之势。”梅新育说。
在促进区域发展方面,大数据战略使贵州受益良多。贵州是中国数据创新行活动的第一站。据不完全统计,贵州自推进大数据战略3年多以来,各类赛事共吸引参赛团队近4万支,参赛人数超过10万人。仅“云上贵州”大数据商业模式大赛就有上百家投资机构聚焦关注项目,获奖的66个决赛项目吸引各类机构总投资9亿元左右,市场估值超过百亿元,货车帮、东方祥云等一批初创企业受到关注。更有近百家国内外知名企业与贵州开展合作,各类小微创业创新公司如雨后春笋,在这片土地上快速生长。
有学者认为,在互联网基础上发展而来的大数据就像“催化剂”一样,“大数据+”将为传统行业和产业带来改变。以扶贫为例,目前贵州省的“扶贫云”指挥调度平台和绩效评估功能已建设完成,确立了“大扶贫”数据交换机制,使各行业部门均可通过“云上贵州”平台接口实时与扶贫云交换涉及扶贫的数据,形成部门互通、上下联动的“大扶贫大数据”。
不过,大数据的发展也面临诸多挑战。一方面,数据安全制约着大数据产业规模的扩大,另一方面,数据质量也亟待提高,数据规模大并不一定代表信息量或者数据价值的增大,相反很多时候意味着信息垃圾的泛滥,错误的数据严重降低了结果的准确性。此外,异构性、结构缺陷、及时性、数据溯源以及结合产业等技术问题也亟待解决。为了解决这些问题,国家发展改革委计划组建13个国家级大数据实验室,围绕大数据基础技术和应用技术两个维度解决大数据面临的各种挑战,促进大数据技术和产业的快速发展,为培育和发展战略性新兴产业提供动力支撑。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14