京公网安备 11010802034615号
经营许可证编号:京B2-20210330
布局大数据综合试验区建设 发改委强调并非建“产业园”
继贵州9月18日宣布启动全国第一个大数据综合试验区建设,国家发改委正在选择一些区域,布局大数据综合试验区试点。
9月初,国务院发布《促进大数据发展行动纲要》(以下简称《纲要》),提出将全面推进我国大数据发展和应用。
近日,发改委有关负责人在解读《纲要》时,提出“将选择一些区域,组织实施国家大数据综合试验区建设”,特别强调“试验区建设不是建产业园、建数据中心”,而是开展面向应用的数据交易市场试点,包括“鼓励产业链上下游之间进行数据交换,探索数据资源的定价机制,规范数据资源交易行为,建立大数据投融资体系”等。
试验区“不是建产业园”
国家发改委相关负责人在解读《纲要》时,重点回答了关于政府数据开放和大数据综合试验区试点的问题。
关于《纲要》一再提到的政府数据统一共享平台,负责人介绍,针对政府和公共部门“不愿开放、不敢开放、不会开放”数据的问题,相关工作主要有三方面部署,一是加强数据资源的国家统筹管理,优先开放相关领域数据,二是建立健全相关法规制度,实现最大程度开放,三是建立政府数据开放平台和标准体系,实现统一开放。
在《纲要》的具体落实上,国家发改委方面称,将选择一些区域,组织实施国家大数据综合试验区建设。国家发改委明确强调,试验区建设不只是建产业园、建数据中心,而是要充分依托已有设施资源,把现有的利用好,把新建的规划好,坚决杜绝盲目新建数据中心,避免造成资源空间的浪费损失。
近年全国各地大数据产业园区规划一哄而上,数据中心建设遍地开花,闲置率一直饱受诟病。中国电子信息发展(52.560, -2.22, -4.05%)研究院电子信息产业研究所所长安晖,接受21世纪经济报道记者采访时表示,地方政府不应该盲目夸大引入数据中心的作用,一些大数据企业在面对地方官员时,往往喜欢混淆大数据的概念。他认为,发展数据中心的关键是要以此为基础,引入高附加值的产业。
国家发改委称,综合试验区应具备一定基础条件,在数据资源共享开放、大数据产业发展支撑、数据应用创新和数据安全保障方面均有较好的基础,能够通过试验区建设,发挥示范带动效应。
另外国家将依托这些试验区,承接中央部门、其他地方的数据中心应用需求,有效控制新建数据中心,盘活存量资源,促进集聚发展。
其次,通过试验区的先行先试,利用培育大数据交易等新方式,开展面向应用的数据交易市场试点,鼓励产业链上下游之间进行数据交换,探索数据资源的定价机制,规范数据资源交易行为,建立大数据投融资体系,激活数据资源潜在价值,促进形成新业态。
贵州启动首个数据综合试验区建设
大数据综合试验区试验什么,怎么试验,以及从哪些方面着手,是各方关注的焦点。目前,贵州已经于9月18日宣布启动大数据综合试验区建设。21世纪经济报道记者从贵州方面获悉,试点内容已经有了初步轮廓。
贵州方面介绍称,贵州将围绕数据从哪里来、数据放在哪里、数据谁来应用三个问题,重点打造大数据信息产业基础设施层、系统平台层、云应用平台层、增值服务层、配套端产品层五个产业链层级。
贵州还将重点打造大数据示范、集聚、应用、交易、金融服务、交流合作、创业创新等“七大平台”;全力实施数据资源汇聚、政府数据共享开放、综合治理示范提升、大数据便民惠民、大数据三大业态培育、传统产业改造升级、信息基础设施提升、人才培养引进、大数据安全保障、大数据区域试点统筹发展“十大工程”。
贵州试验区的目标,是要力争通过3至5年的努力,把贵州大数据综合试验区建设成为全国数据汇聚应用新高地、综合治理示范区、产业发展集聚区、创业创新首选地、政策创新先行区。
对于目前多地在探索大数据相关项目,业界对这些试点有肯定也有质疑。
在21世纪经济报道记者近日参加的中国计算机学会青年计算机科技论坛上,一位熟悉地方试点的专家直言,“试点地区目前多是初步工作。对于实质性的试点探索等还没有深入开展。”
所谓实质性的试点探索,多是指在交易、产品以及隐私规范等方面的探索。参与论坛的大多企业和学界人士都有一个共同观点,目前国内尚无一笔实质意义上的大数据交易。
其它关于大数据产权、安全以及政府数据如何公开,政府数据公开是否收费等问题,学界、企业界以及参与制定政策的部委专家等,意见也多不统一,而这些恰是应该是地方试点探路的核心内容。
贵阳大数据交易所相关负责人告诉21世纪经济报道记者,目前贵阳大数据交易正在与众多会员企业一道,共同合作研究、制定不同行业和领域的大数据交易规则与标准,并发起成立中国大数据交易研究院,参与贵州试点建设。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27在CDA(Certified Data Analyst)数据分析师的能力体系与职场实操中,高维数据处理是高频且核心的痛点——随着业务场景的复杂化 ...
2026-03-27在机器学习建模与数据分析实战中,特征维度爆炸、冗余信息干扰、模型泛化能力差是高频痛点。面对用户画像、企业经营、医疗检测、 ...
2026-03-26在这个数据无处不在的时代,数据分析能力已不再是数据从业者的专属技能,而是成为了职场人、管理者、创业者乃至个人发展的核心竞 ...
2026-03-26在CDA(Certified Data Analyst)数据分析师的能力体系中,线性回归是连接描述性统计与预测性分析的关键桥梁,也是CDA二级认证的 ...
2026-03-26在数据分析、市场研究、用户画像构建、学术研究等场景中,我们常常会遇到多维度、多指标的数据难题:比如调研用户消费行为时,收 ...
2026-03-25在流量红利见顶、获客成本持续攀升的当下,营销正从“广撒网”的经验主义,转向“精耕细作”的数据驱动主义。数据不再是营销的辅 ...
2026-03-25在CDA(Certified Data Analyst)数据分析师的全流程工作中,无论是前期的数据探索、影响因素排查,还是中期的特征筛选、模型搭 ...
2026-03-25在当下数据驱动决策的职场环境中,A/B测试早已成为互联网产品、运营、营销乃至产品迭代优化的核心手段,小到一个按钮的颜色、文 ...
2026-03-24在统计学数据分析中,尤其是分类数据的分析场景里,卡方检验和显著性检验是两个高频出现的概念,很多初学者甚至有一定统计基础的 ...
2026-03-24在CDA(Certified Data Analyst)数据分析师的日常业务分析与统计建模工作中,多组数据差异对比是高频且核心的分析场景。比如验 ...
2026-03-24日常用Excel做数据管理、台账维护、报表整理时,添加备注列是高频操作——用来标注异常、说明业务背景、记录处理进度、补充关键 ...
2026-03-23作为业内主流的自助式数据可视化工具,Tableau凭借拖拽式操作、强大的数据联动能力、灵活的仪表板搭建,成为数据分析师、业务人 ...
2026-03-23在CDA(Certified Data Analyst)数据分析师的日常工作与认证考核中,分类变量的关联分析是高频核心场景。用户性别是否影响商品 ...
2026-03-23在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20