
大数据产业发展明确四大重点
在23日召开的首届数字中国建设峰会分论坛上,一系列关于促进大数据和数字经济发展的新政出炉,加快发展数字经济的路线图更加明晰。
在大数据分论坛上,工业和信息化部副部长陈肇雄提出推进大数据发展的四大重点方向。一是推动大数据创新发展,支持前沿技术创新,加快关键产品研发,推进大数据与云计算的深度融合,促进产学研深度融合,造就一批明星企业和人才。二是推动大数据融合发展,深挖融合潜力,加快工业互联网、工业大数据建设,培育数据驱动发展新模式、新业态。三是激发市场活力,鼓励建立大数据公共服务平台,鼓励中小企业深挖细分市场,积极参与数据安全建设,推动大数据企业的国际化发展。四是推动大数据安全发展、强化保障能力,加强大数据安防产品开发,维护数据的可靠性,构建安全保障体系,建立高效的数据安全管理机制。
其中,加快布局工业互联网成为推动数字经济发展的重要途径。在当日举行的数字经济分论坛上,工业和信息化部信息化和软件服务业司副司长李冠宇提出,在推进工业互联网平台发展方面,将加强顶层设计,并将制定出台《工业互联网平台建设和推广工程实施指南》,统筹推动平台培育、企业上云、百万工业APP培育等重点工作。此外还将制定出台工业互联网平台评价指南,分期分批遴选10家跨行业跨领域工业互联网平台,鼓励地方支持行业骨干企业建设本区域本行业平台,形成一批面向特定行业独立运营的工业互联网平台。
在完善公共支撑体系方面,工信部将建立涵盖标准、监测分析、数据管理、质量管理与技术成果转化在内的公共支撑体系,营造开放、规范、诚信、安全的工业互联网平台发展环境。
数字经济既蕴含着巨大的发展机遇,也会带来潜在的风险。国家互联网信息办公室副局长张望在数字经济分论坛上指出,近年来,地下数据交易猖獗,“熔断”“幽灵”等安全漏洞频出,数据泄露和网络攻击事件频发,给个人隐私保护、企业安全生产、经济社会发展乃至国家安全都可能带来新的挑战。同时,数字经济对原有的行业秩序、利益格局和治理体系也会产生较大的冲击。
加强制度设计,提升数字经济监管能力和治理水平势在必行。张望指出,坚持包容与监管并重,支持与规范并行,逐步建立与新业态发展相适应的监管方式;完善反不正当竞争法和反垄断法,加快推动促进和规范数字经济发展的法律法规的立法进程,营造公平、有序、创新、活跃的数字经济市场环境;运用大数据、人工智能、区块链等技术,推进技术与管理并举的数字经济治理模式,提升数字经济领域态势感知、风险预警水平,提高风险防范能力,推动数据共享,促进协同治理,实现决策科学化、精准化,提升数字经济治理能力;推动制定跨境电商、市场准入、数据流动等国际贸易和投资新规则,推动共建网络空间命运共同体。
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