京公网安备 11010802034615号
经营许可证编号:京B2-20210330
2017年我国大数据产业发展五大新突破
2017年,大数据产业发展打开突破口,迎来爆发期,大数据融合应用进程加速,产业集聚进一步特色化发展,创新驱动仍是产业发展主基调,为做大做强数字经济、带动传统产业转型升级提供新动力。
2017年接近尾声,这一年大数据新模式、新业态层出不穷,面对五大瓶颈问题——数据资源开放共享程度低、技术创新与支撑能力不强、大数据应用水平不高、大数据产业支撑体系尚不完善及人才队伍建设亟需加强,打开突破口。
政务大数据开放共享呈现新格局
“加快政府数据的开放共享”作为国家《促进大数据发展行动纲要》三大任务之首,2017年,在政策、法规、技术、应用等多重因素的推动下,获得了进一步发展,在城市侧表现尤为突出,基本形成了跨部门数据共享共用的格局。
京、津、沪、渝、冀、辽、贵、晋等省市政府相继出台了大数据研究与发展行动计划,整合数据资源,实现区域数据中心资源汇集与集中建设,与“建设全国一体化的国家大数据中心”的国家战略要求契合,为实现跨层级、跨地域、跨系统、跨部门、跨业务的协同管理和服务提供了平台。
根据2017中国开放数林指数显示,在这些陆续开放共享政府大数据的省市中,上海、青岛、贵阳、广州、东莞位列总排名前五名,上海、贵阳、青岛位列数据层前五名,佛山、哈尔滨、上海位列平台层前五名。
技术创新驱动产业发展
大数据领域每年都会涌现出大量新的技术,成为大数据获取、存储、处理分析或可视化的有效手段。大数据技术能够将大规模数据中隐藏的信息和知识挖掘出来,为人类社会经济活动提供依据,提高各个领域的运行效率,甚至整个社会经济的集约化程度。
2017年,伴随着新一轮的信息技术革命和商业模式创新,实体经济插上数字化羽翼,一场以数字化为形式、以技术进步为手段、以经济转型升级为目标的变革已经全面展开。
工业和信息化部总工程师张峰认为,目前我国大数据产业迎来全面良好的发展新局面,“关键技术领域取得新突破,大数据软硬件自主研发实力快速提升,一些大数据基础和平台处理能力提升世界潜力,涌现出一大批大数据创新企业和创新模式。”
大数据应用迎来黄金时代
2017年,大数据产业依旧保持高速增长态势,并从单一的技术概念逐渐转化为新要素、新战略、新思维。今年,大数据产业正经历从构想迈向应用的过渡期,在政府和市场力量的全力推动下,大数据已经在政用、商用和民用领域全面覆盖,并且在区块链应用上实现重大突破。
目前,我国广东、福建、浙江、河南、上海等16个地区均依据当地发展现状制定相应的大数据相关政策,近20个地方政府陆续推进大数据应用平台建设。
数据资产运营的价值通过应用的落地逐渐得到释放,并在全国涌现出了一批典型应用。中国首家政府大数据资产运营商——九次方大数据凭借在全国各省、市、自治区的实践经验,在各地打造了旅游、精准扶贫、医疗、信用、农业等一系列政府大数据应用样板间,助力实现政府结构扁平化、政府运作智能化、社会治理网格化、公共安全数字化、民生服务智慧化、公权力约束精准化。为激活政府数据资产价值提供了研究样本,掀起政府大数据应用的发展高潮。
大数据产业支撑体系逐渐完善
2017年,我国大数据产业发展环境持续优化、产业生态系统日趋完善。大数据标准体系初步形成,开展了大数据技术、交易、开放共享、工业大数据等国家标准的研制工作,在北京、上海、贵阳开展了大数据标准试点示范。一批大数据技术研发实验室、工程中心、企业技术中心、产业创新平台、产业联盟、投资基金等形式的产业支撑平台相继建成。大数据安全保障体系和法律法规不断完善。
从管理机构方面看,大多数城市在推进城市数据开放共享中,将组织机构作为工作开展的前提。截至2017年9月,全国至少有已有13个省成立了21家大数据管理机构,而这一数字还在不断增长中。
大数据人才队伍建设进程加快
2017年11月,我国首个由行业主管协会起草的大数据人才培养发展方向的通识性标准——《中国大数据人才培养体系标准》正式发布,预示着中国评定大数据人才的核心标准转向是否能够综合使用工具为企业或客户创造商业价值。
数据显示,2017年,我国已有35所本科学校获批“数据科学与大数据技术”本科专业,62所专科院校开设“大数据技术与应用”专科专业,申报数据科学与大数据技术本科专业的学校达到293所。
由于目前国内培养大数据人才的院校都尚处于起步阶段,学校教育与大数据市场需求脱节严重,社会培训机构对大数据人才的培养所起的作用将是很好的补充。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师 出品 作者:李诗怡 1. 事实表 vs 维度表 对比维度 事实表 维度表 核心问题 记录“业务发生了什么事” 描述 ...
2026-10-02做数据聚合时,PySpark的groupBy()确实能完成统计,这也是它的本职工作。但它有一个根本性局限:每一组数据,最终只能返回一行 ...
2026-10-01热力地图是数据可视化中极具辨识度与实用性的空间分析图表,结合地理空间维度与数据密度特征,通过颜色深浅、色阶渐变直观展示数 ...
2026-09-30 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-09-30同样是“银行数据岗”,在国有大行总行数据中心、在一家城商行的零售部、在银行系金融科技子公司、在保险公司,工作内容、成长节 ...
2026-09-29在数据分析与统计学研究中,数据往往不是独立存在的,不同变量之间普遍存在相互关联、相互影响的关系。相关性统计分析是挖掘变量 ...
2026-09-29 导读:大多数人只把 dataclasses 当成偷懒工具,用来少写 __init__、__repr__ 这类魔法方法。但它的能力远不止于此。本文带 ...
2026-09-29 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-09-29在MySQL数据库运维与业务开发中,行业普遍存在“数据达到千万级就必须分表”的说法。但在实际生产环境中,千万条数据并不是强制 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 5W1H 分析法 定义:经典系统性思维框架,通过六个核心维度对问题进行全方位拆解与剖析,确 ...
2026-09-28 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 用户标签体系 定义: 通过一系列高度精炼的特征标识,对用户属性、行为与偏好进行量化刻画 ...
2026-09-24Pandas是Python生态中用于表格数据处理的核心库,广泛应用于数据清洗、统计运算、报表输出、数据分析建模等场景。在处理极大数值 ...
2026-09-24随着数字经济快速发展,数据已成为核心生产要素,各行各业的业务沉淀、用户行为、设备运行、市场交易均产生海量数据。数据处理作 ...
2026-09-24 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-09-24在时序数据分析中,大部分业务数据并非持续平稳变化,而是会在某些时间节点出现突然抬升、断崖下跌、趋势反转、波动异变等现象, ...
2026-09-23在统计学与数据分析中,研究多组数据差异最常用的方法为单因素方差分析与事后多重比较。很多数据分析初学者容易混淆两者功能,认 ...
2026-09-23 很多数据分析师每天都在写 SQL,但当被问到“DQL 的本质是什么”“SELECT 子句的书写顺序与执行顺序为何不同”“INNER JOIN ...
2026-09-23 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-09-22CDA数据分析师 出品 作者:李诗怡 1. 金字塔原理 定义: 一种“先总后分、先结论后原因”的思考和表达方式。顶层为核心观点,中 ...
2026-09-22