京公网安备 11010802034615号
经营许可证编号:京B2-20210330
迎接数据“大航海”时代
9月5日,国务院印发《促进大数据发展行动纲要》(以下简称“《纲要》”),早在两年前就开始热炒的大数据再次引发了舆论关注,而不同的是,这一次大数据已经上升到了国家战略高度。
数据是资源更是工具
早在2012年,奥巴马政府就开始了大数据发展战略,并将大数据定义为“未来的新石油”。很显然,数据是资源,与传统资源石油作比较,优势非常的明显:运输更简便、存储成本更低廉,规模更大,且永远不会有枯竭的一天。
放眼全球,“未来的新石油”大矿,恐怕就在中国。我国作为人口大国、工业大国、互联网大国、消费大国、技术创新应用新高地,不论是政府部门,还是企业层面,都将产生海量数据,为进行大数据分析提供了基础支撑。然而,数据本身不产生价值,当数据经过挖掘、归类和分析,能够为市场主体服务,才具有价值。数据大国并不天然就是数据强国,因地制宜开发资源,利用好大数据这一工具,才能实现由大变强的转变。
记者了解到,《纲要》作为我国发布的首个大数据国家行动纲领,最终的目标就是要全面推进我国大数据发展和应用,更快更好地建成数据强国。具体的行动计划涉及到从政府大数据、大数据产业、大数据安全保障体系三个方面,以及大数据领域的“十大工程”。相关专家表示,《纲要》不仅仅是对今年7月《国务院办公厅关于运用大数据加强对市场主体服务和监管的若干意见》(以下简称“《意见》”)进行了完善和提升,其“发展工业大数据”的要求也将为制造模式变革、工业转型升级添砖加瓦,成为实现《中国制造2025》的有力保障。
大数据已成为推动经济转型发展的新动力,其本身也正成为新的经济增长点。自去年3月“大数据”首次出现在《政府工作报告》中以来,国务院常务会议一年内6次提及大数据运用。根据《纲要》精神,大数据将有力支撑教育文化、健康医疗、电子商务、工业制造、现代农业等,提升传统产业生产效率和经济效益,同时培育形成新产业、新消费热点和新服务模式,有利于稳增长、调结构。
里程碑
“《纲要》具有里程碑意义!”中国新兴产业大数据信用服务中心副主任兼秘书长田京海告诉记者,“《纲要》及大数据产业建设之所及。没有哪一个国家这么细致,这么有力度的推动大数据产业发展。《纲要》提及的‘十大工程’就是为了解决大数据产业发展面临的方方面面问题,不同的市场主体都可以从《纲要》中找到路径、方向。”
2014年9月,《意见》的征求意见稿初成之时,田京海作为大数据信用领域的专家,曾受邀参与研提建议。“《意见》更注重政府数据开放共享方面的内容,是政府治理现代化能力的体现。既要简政放权,又要放管结合,这对政府治理能力提出了更高的要求。”田京海说。
自大数据第一次出现在政府工作报告中以来,政府部门已经开始尝试将金税、金关、金财、金审、金盾、金宏、金保、金土、金农、金水、金质等信息系统跨部门、跨区域共享。《纲要》中提及的“2017年底前,明确各部门数据共享的范围边界和使用方式,跨部门数据资源共享共用格局基本形成”目标已经有了初步的轮廓。另外,一些地方政府正在努力将大数据作为地方经济发展的新动力,比如贵阳市正在打造基于大数据的“数谷”。
但是,想要成为数据强国,还有更多难题需要克服。《纲要》中最核心的要求“推进大数据产业化发展,推动政府数据开放,研发新的大数据技术,开发更丰富的、既能满足政府市场监管又能满足企业新的管理服务的大数据产品”尚未成功,仍需努力。 “特别是推动产业化发展,还是有很多困难需要克服。不仅仅是大数据公司会面临困难,政府也面临着很大的困难。解决这些困难迫在眉睫,这些困难如果不解决,大数据产业化之路恐怕就难走下去。”田京海感慨。
打通大数据产业链
英雄所见略同。贵阳互联网金融产业投资发展有限公司总经理杨会生也表达了相似的观点。“数据产业的建设,除了要推进政府、企业和社会组织的数据开放,搭建数据交易场所之外,还要重视一系列基础设施。”杨会生告诉记者,“当务之急,就是要形成完整的大数据产业链条,催生大数据产业生态环境,逐步培育大数据的买方和卖方市场。”
其实早在《纲要》出台之前,一些掌握数据资源的大数据公司就已经开始从事相关工作。今年5月,金电联行与贵阳市政府联合宣布,共同成立贵阳大数据征信中心和贵阳大数据资产评估中心。
“和过去的许多政府文件相比,《纲要》具有极强的前瞻性,它表现为从‘政府拥抱大数据’向‘全民拥抱大数据’的转变,从工具方法向思维模式的转变,从操作层面向国家战略高度的转变。”金电联行董事长范晓忻告诉记者,“因为超前、因为高度,所以才会引发业界‘究竟怎么落地’的质疑。但大数据产业化建设的实践已经启动。”
据介绍,金电联行的大数据服务产品早已不是单一的“应用”,今年5月上了一个新台阶,担当起了大数据产业链建设的重任。“金电联行的大数据服务已经发展到了新的层面,我们已经在着手大数据的产业化建设”,范晓忻告诉记者,“具体的操作就是依托贵阳‘7系列’规划项目。”据介绍,贵州大数据基础平台建设共3个项目:全城免费WiFi是701项目,贵阳大数据交易所是702项目,大数据与金融投资市场是703项目。而贵阳政府与金电联行的合作就是基于703项目的重要内容。
不难理解,大数据征信与大数据资产评估是大数据产业链上密不可分的两个重要环节。“举个并不十分恰当的例子,这就像垃圾分类变废为宝。先将数据进行分类,这是大数据征信在做的工作。一方面收集政府管理、企业日常经营中的数据,另一方面对数据进行清洗、挖掘分析,并在脱密之后安全应用。然后把数据产业的价值开发出来,让其资产化,使数据成为企业和政府真正拥有的有价值的一笔财富。这是大数据资产评估在做的工作。 这是大数据产业链上环节环环相扣的重要内容。”田京海介绍。
“打通大数据产业链,还有一个迫切需要解决的问题,即大数据产业标准化。”众所周知,大数据作为虚拟资产,无法依赖传统的会计准则和无形资产评估方法和手段来进行评估。定标准究竟有多难?杨会生告诉记者,“大数据所特有的活性,也决定了大数据资产评估的难度,不同维度的数据进行组合叠加,将会产生不同的价值,需要通过一定的算法,对数据建模,同时,寻找出最大的利用价值。”
《纲要》明确要求,推进大数据产业标准体系建设、加快建立大数据市场交易标准体系、积极参与相关国际标准制定工作。目前,国家标准委已经在着手制定首批大数据标准,而金电联行参与建设的贵阳大数据征信中心和大数据资产评估中心是国内首家致力于推动大数据行业标准化的专业机构。“我们已经和中国标准化研究院共同合作开发这些标准,做了很多基础性的工作金电联行在参与制定标准的同时,其实也引领了世界的大数据发展。”范晓忻如是说。
“展望未来,大数据技术或许可以完成更多任务。我们可以将大数据技术比喻成航海技术。大数据时代或许就如同‘大航海’时代。”田京海将大数据时代比拟“大航海”时代或许不仅仅是一种美好的展望。目前,我国互联网、移动互联网用户规模居全球第一,拥有丰富的数据资源和应用市场优势,随着大数据关键技术研发不断取得突破,更多的“新大陆”也指日可待。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
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