京公网安备 11010802034615号
经营许可证编号:京B2-20210330
推进大数据战略构筑网络强国
“十三五”规划建议提出,在国际发展竞争日趋激烈和我国发展动力转换的形势下,必须把发展基点放在创新上,形成促进创新的体制架构,塑造更多依靠创新驱动、更多发挥先发优势的引领型发展。
“在我国经济发展进入新常态大背景下,国家今年提出‘双创’理念,‘创新’已成为社会和经济发展不可或缺的核心要素之一。”宁家骏说,目前,步入信息社会,发展最重要体现在创新上,创新关键依靠知识和信息的多样化传播、加工,信息化加快了信息传播和新知识的发现进程;信息、数据最终价值都体现在形成的知识和新的生产力,信息化从而直接影响了生产力和生产要素。
“传统经济学认为,劳动力、土地、资本是主要的生产要素。在新时期,生产要素正在发生变化。”宁家骏说,虽然传统的三要素作用依然巨大,但其可挖掘的潜力有限:劳动力成本持续上升,国家土地资源是有限的,而资本也不可能凭空而来。
宁家骏认为,社会和经济发展的需要发掘新的生产要素。信息化最大的特点就是缩短新知识的创造和接受过程,新知识的诞生推动着创新,大数据、网络等技术成为创新关键,带来了深层次结构调整的渗透和人思维上的飞越,信息已成为崭新的生产要素。信息化将为传统的三大生产要素带来不可限量的附加价值。
关键在于深化创新思维
十八届五中全会首次提出实施国家大数据战略,推进数据资源开放共享。“大数据是信息社会重要资源,近年来我国不断探索大数据发展新模式,目前技术水平与国际基本同步。”宁家骏认为,实施大数据战略恰逢其时,是推动工业化和信息化深度融合,打造产业竞争新优势、抢占未来发展先机“弯道超车”的有效途径。
大数据推动了政府决策和治理能力。宁家骏坦言,以前,某些地方政府认为某些产业很有发展前景,但忽略了对整个产业布局和当地实际情况的数据分析,造成了不少地区产能过剩。如今政府运用大数据,进行精准决策,“拍脑袋”做决定的时代已经过去。
数据是推动产业创新体系的基本要素,将改变整个社会的创新体系,为创新提供了重要支撑。宁家骏说,将大数据提升到国家战略是经过深思熟虑的,对中国未来发展意义深远。
“关键要加深我们对大数据经济和产业的理解深度。”宁家骏说,目前,很多地方领导和企业负责人仅把大数据看作信息服务的一种,认为投产建设大数据中心就是发展大数据。这是对信息化、大数据的理解不够深入造成的,盲目跟风建设数据基础设施容易造成新一轮产能过剩。发展大数据核心是看如何更科学合理应用大数据资源。
数据共享构建网络强国
宁家骏表示,当前,我国已成为全球网民最多的网络大国,然而依然面临网络基础设施各地区发展不均衡、传统产业与互联网融合度不够、缺乏数据资源开放共享长效机制、信息安全方面形势严峻、改革开放深化需要加强等诸多挑战,以适应信息生产力的发展。
“十三五”规划建议中明确提出实施网络强国战略,正是契合时代潮流发展的关键决策。
宁家骏说,在建设网络强国过程中,应继续加强信息基础设施建设,这是最重要的基础;提倡和推进数据开放共享是关键,释放大数据红利,把它作为生产的重要要素来发展和看待;推动“互联网+”应用创新,用互联网思维改造传统产业,推动创新;加强信息安全保障,在安全中求发展。
在即将到来的“十三五”时期,我国应进一步提高信息化水平,推动政府数据信息公开和共享,建立开放的“阳光政府”。宁家骏说:“信息惠民,让更多的人分享到信息化的红利,让老百姓真正从中受益,我们的网络强国之路并不遥远。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06在 CDA(Certified Data Analyst)数据分析师的工作中,“可解释性建模” 与 “业务规则提取” 是核心需求 —— 例如 “预测用户 ...
2025-11-06在分类变量关联分析中(如 “吸烟与肺癌的关系”“性别与疾病发病率的关联”),卡方检验 P 值与 OR 值(比值比,Odds Ratio)是 ...
2025-11-05CDA 数据分析师的核心价值,不在于复杂的模型公式,而在于将数据转化为可落地的商业行动。脱离业务场景的分析只是 “纸上谈兵” ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-04【2025最新版】CDA考试教材:CDA教材一级:商业数据分析(2025)__商业数据分析_cda教材_考试教材 (cdaglobal.com) ...
2025-11-04在数字化时代,数据挖掘不再是实验室里的技术探索,而是驱动商业决策的核心能力 —— 它能从海量数据中挖掘出 “降低成本、提升 ...
2025-11-04在 DDPM(Denoising Diffusion Probabilistic Models)训练过程中,开发者最常困惑的问题莫过于:“我的模型 loss 降到多少才算 ...
2025-11-04在 CDA(Certified Data Analyst)数据分析师的工作中,“无监督样本分组” 是高频需求 —— 例如 “将用户按行为特征分为高价值 ...
2025-11-04当沃尔玛数据分析师首次发现 “啤酒与尿布” 的高频共现规律时,他们揭开了数据挖掘最迷人的面纱 —— 那些隐藏在消费行为背后 ...
2025-11-03这个问题精准切中了配对样本统计检验的核心差异点,理解二者区别是避免统计方法误用的关键。核心结论是:stats.ttest_rel(配对 ...
2025-11-03在 CDA(Certified Data Analyst)数据分析师的工作中,“高维数据的潜在规律挖掘” 是进阶需求 —— 例如用户行为包含 “浏览次 ...
2025-11-03