
大数据产业催生多地大数据园区
随着大数据迅速衍生出的新兴信息产业井喷,“大数据”已成为重要的战略资源。2017年贵阳数博会圆满落幕,对接企业1569家,其中,500强企业112家;达成签约意向项目244个,意向金额309.9亿元;签约项目167个,签约金额244.61亿元。
三年多来,贵州省贵阳市围绕建设国家大数据综合试验区深入挖掘大数据商用、政用、民用价值,以大数据引领经济转型升级,提高政府治理能力,服务民生社会事业,也取得了丰硕成果。
5月31日,河南省发改委发布《河南规划建设18个大数据产业园区》,将作为打造大数据产业发展的载体。近日,河南省通信管理局、发展和改革委员会印发了《河南省云计算和大数据“十三五”发展规划》。《规划》明确了体制机制创新、数据共享开放、关键技术研发、重点领域创新应用、产业集聚等五个方面的发展目标。到2020年引进和培育50家以上具有行业领先地位的云计算、大数据企业,形成一批有较强辐射带动力的云计算、大数据产业园区,以云计算、大数据为主要内容的现代信息技术产业规模达到2000亿元。
随着贵阳演变成大数据企业栖息的“梧桐树”,大数据产业已经逐步反哺贵阳成为贵阳经济发展的新引擎和新动力,仅2017年数博会贵阳高新区累计签约项目41个,投资总额为56.8亿元。而大数据产业经济带动作用明显,2016年贵州GDP达11734亿元,增速10.5%,其中保持强劲增长的体现在计算机、通信和其他电子设备。
这其中,总部位于北京的观数科技是2016年扎根在贵阳(“中国数谷”)大数据安全产业园的高科技公司之一。观数科技副总裁、联合创始人魏彬在接受《中国企业报》记者采访时表示:“落户贵阳,观数科技不但是为了发展自身业务,更希望能为大数据安全产业贡献自己的一份力。” 观数科技在贵阳经开区与当地知名高校和科研院所积极开展产学研合作,承担省内大数据安全相关科研项目,并参与起草贵州省地方大数据安全相关标准制定。
“数据安全”催生
大数据产业园区升级
目前,大数据在全球范围内被广泛应用,但其安全性一直未被重视,导致安全事件频发。目前已经有黑客将目标瞄准了Hadoop集群。根据shodan.io的统计结果显示,在中国有8300多个Hadoop集群的50070端口暴露在公网上,存在被勒索的风险。
2016年,贵阳通过大数据与网络攻防演练活动,便暴露出部分信息系统的安全隐患存在诸多风险和漏洞。相关专家指出,法律法规的缺失也是阻碍大数据安全发展的难题。
目前大数据安全国内尚未立法,虽然我国现有《网络安全法》以及《信息安全等级保护制度》可做参考,但在大数据这一新兴行业中,仍有一些内容没有涉及和覆盖,有些要求不够明确。专家建议,在当前法律法规缺失的情况下,大数据产业的领先地区如贵阳等可以组织各方力量,推出大数据安全的首部地方试行标准。在大数据产业园区试行推广,积累大数据安全地方标准的制定和实施经验,并逐步向全国推广。
魏彬表示:“没有大数据基础软件的安全,就没有大数据产业的发展。因此,解决大数据基础软件安全是最核心最根本的发展要素之一。”
据介绍,观数科技作为一家高科技产品公司,未来一年内,将支持主流的大数据框架,为大数据平台集成商、大数据基础软件发行版和客户提供可选择的安全方案,除了访问控制、监控、审计,未来还可能涉足完整性保护、数据加解密、身份认证、风险识别等领域。
专家预测,未来,作为大数据“软实力”的数据安全类公司的集聚将加速大数据安全产业作为单独产业方向的构想。
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