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
在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 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。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 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 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12在数据分析日常工作中,Excel数据筛选是数据清洗、数据提取、样本筛选的核心基础操作。传统Excel手动筛选、函数筛选方式,面对多 ...
2026-08-12 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-08-12在数据分析、统计建模、数据挖掘与商业调研过程中,原始数据往往无法做到绝对干净规整。受系统故障、人工录入失误、设备误差、突 ...
2026-08-11在数据分析工作中,聚类分析是典型的无监督学习方法,核心作用是依据数据自身的多维特征,将相似样本自动划分为若干类别,实现“ ...
2026-08-11 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-11AB实验是互联网产品迭代、营销优化、功能升级的核心科学验证手段,通过流量随机分组、对照组与实验组对比,科学验证策略、功能、 ...
2026-08-10在MySQL数据库优化中,索引是提升查询效率、降低数据库IO开销、优化系统性能的核心手段。普通单列索引仅适配简单查询场景,面对 ...
2026-08-10 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-08-10在数字化市场调研体系中,大数据与小数据是两类核心调研数据形态,分别对应海量行为统计与精准样本深度调研。行业普遍存在认知误 ...
2026-08-07数据透视表是Excel、WPS中最核心的数据分析工具,凭借快速汇总、分组统计、动态筛选的优势,被广泛应用于销量统计、业绩复盘、数 ...
2026-08-07