京公网安备 11010802034615号
经营许可证编号:京B2-20210330
清华大学牵头成立大数据系统软件国家工程实验室
9月11日,2017国际大数据产业技术创新高峰论坛暨大数据系统软件国家工程实验室第一次会议在清华大学举行。清华大学校长邱勇、副校长杨斌、教育部科学技术司司长雷朝滋、工业和信息化部信息化和软件服务业司副司长安筱鹏、国家发展和改革委员会高技术产业司创新能力处副处长袁军等出席并致辞。活动由清华大学副校长薛其坤主持。
邱勇在会上致辞。石加东 摄
邱勇向国家发展和改革委员会、教育部、工业和信息化部的支持与信任表示感谢。邱勇说,最近国家发改委正式批复成立“大数据系统软件国家工程实验室”,由清华大学为承担单位,北京理工大学为参与单位,联合国防科大、北京大学、人民大学、中山大学、百度、阿里巴巴、腾讯等七家单位,与公安部、环保部、国家气象局、农科院、中石油等单位开展深度合作,体现了高度交叉、高度合作的特点,实验室建设运营意义重大,我们对实验室未来充满期待。
邱勇指出,大数据技术已成为引导社会变革的新兴力量。清华大学在数据科学与工程、大数据应用等方面具备了良好的学科基础,并在大数据软件研发及产业化方面有了长期积累,有些成果已得到应用。例如,清华大学开发的气象大数据平台,已在国家气象中心和21个省级气象中心部署上线,基于相关预报成果,为2016年杭州G20峰会的成功召开提供了重要保障。在环保领域,建设了环保部大数据平台和福建省全国首个省级生态环境大数据平台。在刚刚结束的金砖国家峰会上,首次通过大数据分析,实现了高精度的大气空气质量保障,为后续工程实验室发展奠定了良好基础。
邱勇强调,大数据系统软件是挖掘大数据价值的基础设备,是大数据硬件与应用间的桥梁。清华大学要面向国家大数据产业需求,重点突破大数据系统软件技术瓶颈,支撑创新驱动产业转型升级及关键领域的自主可控,为我国重大战略方向、重点工程的大数据应用提供技术支撑和系统建设。
对于大数据系统软件国家工程实验室的建设,邱勇提出四点要求:一是要打造顶级的大数据系统软件人才团队,突破关键技术;二是要构建共性的技术平台,支撑多个领域的垂直大数据应用体系;三是要打通线上和线下数据链条,开展跨领域合作,形成各类数据连通共享的平台;四是要积极面向产业大数据人才提供服务,建设灵活有效的实验室平台支撑服务体系。
雷朝滋(右)、安筱鹏(左)分别致辞。石加东摄
雷朝滋、安筱鹏先后致辞,充分肯定清华大学、共建合作单位在大数据系统软件和产业化方面的工作成果,表示相关部委机构将一如既往地支持实验室工作,鼓励实验室从技术突破和产业应用等方面为我国大数据事业发展增添动力。
揭牌仪式现场。石加东摄
邱勇、雷朝滋、安筱鹏、国防科技大学计算机学院院长廖湘科院士、北京理工大学副校长陈杰、中国人民大学副校长刘元春、清华大学信息学院院长陆建华院士、大数据系统软件国家工程实验室主任孙家广院士共同为大数据系统软件国家工程实验室揭牌。
随后,孙家广介绍了实验室建设情况。实验室将大力引进国内外高校、研究机构和企业界的大数据高端人才,以大数据全生命周期管理为核心,致力于在大数据存储、处理和计算分析的关键环节实现技术突破,构建大数据系统软件产业的创新网络,促进大数据与各行业应用的深度融合。
孙家广、陈杰、廖湘科、李泽椿(从上至下、从左到右)分别发言。石加东摄
陈杰作为参建单位代表,廖湘科作为实验室共建单位代表,中国气象台原台长李泽椿院士作为合作单位代表分别发言,表示将与清华全力配合、共同协作,发挥好各自单位优势,为实验室建设发展共同努力、共创硕果、共享未来,为我国大数据系统软件自主可控发展作出贡献。
美国科学院、工程院、艺术与科学院院士、清华大学访问教授迈克尔·乔丹做了主题报告。清华大学及国内外大数据领域十余位知名专家学者出席,共同探讨我国大数据系统软件的发展前景。
在同期举办的2017国际大数据产业技术创新高峰论坛上,副校长杨斌介绍了清华大学在大数据领域的工作布局和有效探索。他表示,高峰论坛的召开标志着清华大数据技术研究进入到一个新的阶段,期待与会嘉宾共同绘制大数据产业技术创新的蓝图,共同推动大数据领域的技术与应用创新落地。
杨斌在高峰论坛上做主旨报告。
随后,美国工程院院士、清华大学访问教授希·莫罕,百度公司副总裁王海峰、阿里巴巴集团副总裁刘松、腾讯云公司副总裁黎巍分别围绕“区块链与大数据技术”“百度人工智能”“数据智能生态化实践之路”“社交网络大数据——从建设到赋能”做了主题演讲。数据科学研究院院长俞士纶教授出席并致辞,清华大学软件学院院长、大数据系统软件国家工程实验室执行主任王建民主持论坛。
2017国际大数据产业技术创新高峰论坛现场。石加东摄
本次活动的举行,标志着大数据系统软件国家工程实验室正式启动。各共建单位对实验室发展前景充满信心,一致表示,将与清华大学精诚合作,为推动大数据技术的产学研协同创新机制而努力,为推动我国大数据软件开发应用技术和产业发展提供强有力的支撑。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据技术飞速迭代、数字营销竞争日趋激烈的今天,“精准触达、高效转化、成本可控”已成为企业营销的核心诉求。传统广告投放 ...
2026-04-24在游戏行业竞争白热化的当下,用户流失已成为制约游戏生命周期、影响营收增长的核心痛点。据行业报告显示,2024年移动游戏平均次 ...
2026-04-24 很多业务负责人开会常说“我们要数据驱动”,最后却变成“看哪张报表数据多就用哪个”,往往因为缺乏一套结构性的方法去搭建 ...
2026-04-24在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23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