京公网安备 11010802034615号
经营许可证编号:京B2-20210330
陈刚:大数据带来“弯道取直”的发展机会
州省委常委、贵阳市委书记陈刚表示,大数据时代,贵州不能按照东部的发展路径亦步亦趋,走原材料加工、深加工、工业大规模制造之路。而是要“弯道取直”,实现后发赶超,获得跨越式发展的机会。
谈人才
包容创新的环境比政策补贴更重要
新京报:为什么考虑在贵州引入大数据技术产业?
陈刚:大数据是高科技产业,对生态环境要求较高,对自然资源、工业基础、物流条件依赖较小,对环境负面影响较小,由此直奔信息化的最前沿,避免走“先污染后治理”的老路。
可能很多人认为贵州的人才、技术基础薄弱。但实际上,目前大数据技术正处在窗口期,我们和其他地方、其他国家在同样的起跑线上,不会因为某些条件落后而落后。所以贵州下定决心,抓住大数据的机遇,可以说是早五年没有技术,晚五年就没机会了。
实际上,做大数据最重要的是人才,大家对贵州发展最大的疑问是没有基础和人才。但我们认为这并不是最主要的,甚至可以说,大数据领域暂时还没有真正的专家,都是在探索,这意味着哪个地方给探索者机会和空间,哪个地方就能集聚人才。
新京报:贵州是如何集聚人才的?提供了哪些政策支持?
陈刚:首先是要给许多创新创业人才带来其他地方不具备的机遇,这就形成了集聚人才的机会,比如现在BAT落户贵州,就是因为觉得有机会。
政策方面我认为反而不是最重要的,因为靠优惠吸引人才不可持续,最重要是给他们机会。其实贵州也会给高端人才一些补贴,并不是最优惠的,最优惠的是给他们一个包容创新的环境,能够包容失败,一起面对、解决新的问题,这对于人才和企业更加重要。
谈战略
借大数据走弯道取直路径,实现后发赶超
新京报:从北京到贵州,您对大数据的推广思路有何变化?
陈刚:北京机会多,平台大,贵州的发展期望特别迫切。
所以在北上广,容错风险很大。但是在贵州,特别是贵阳有比较好的容错性,可以说是麻雀虽小,五脏俱全,是非常好的试验场,能够全力以赴地做这个事情。
新京报:大数据给贵州带来了什么?
陈刚:是弯道取直的发展机会。贵州有一个名叫“24道拐”的景点,风景很优美,但是交通上很费劲,假设一条高速公路可以把拐弯直接拉直,节约时间。
贵州也是这样,借助大数据走这条弯道取直的路径,可以实现后发赶超,获得跨越式发展的机会。如果按照东部的路径亦步亦趋,按照原材料加工、深加工、工业大规模制造的途径,贵州就没有机会了。
另外,大数据也给我们提供了生态保护的最好条件,贵州是目前全国生态保护较好的省份,发展其他制造业和工业可能会污染环境。
还有一点,大数据不是高大上的产业,可以解决劳动力就业问题。如电子商务、呼叫服务,都属于技术含量不太高,但是能解决老百姓吃饭、就业、生活等问题。如贵阳市今年通过大力发展呼叫中心,预计新增8万座席,可提供12万个就业岗位。
新京报:目前大数据发展情况有什么变化?
陈刚:首先我们得到了中央政府的支持,已经明确把贵州作为中国的大数据综合实验区推进,跟以前自己探索不一样了。贵州全省也已经达成了共识,在“十三五”时期规划纲要建议中,明确了大扶贫和大数据是贵州的两大战略行动。
社会共识也已经形成,地方政府和企业在共同推动大数据发展。现在BAT、高通、惠普、微软、戴尔、IBM等都去了贵州,说明大家已经对贵州发展大数据形成了趋向认同和价值认同,形成了聚集态势,与以前相比发生了质的变化。
谈发展
守住发展和生态底线推动政府数据开放
新京报:今年习总书记视察贵州时,如何评价贵州大数据发展?提出了哪些要求?
新京报:习总书记评价说,贵州发展大数据确实有道理,要求我们守住发展和生态两条底线,走一条有别于东部,不同于西部其他省份的发展新路,总书记指示,贵州发展大数据是一个好的选择,要求我们一招鲜,吃遍天,把这件事情做好。
新京报:今后计划怎样调整发展规划?
陈刚:我们有句口号,是要打响大数据转方式、抢先机的突围战。
大数据是一片壮美广袤的蓝海,但目前存在政策、思维、企业运行模式的禁锢。要突围,我个人认为应当在理论创新、实践创新、指挥创新方面占据制高点。同时,要围绕贵州可以做的核心产业、关联产业、衍生产业做产业圈,形成带动经济发展和社会进步的内容。
另外,我们也计划推动政府数据开放,用于自身管理创新。比如贵州推出的政府数据铁笼,就能够把权力关在数据的笼子里,今后还会让大数据在更多的领域应用、发展,探索政府数据的有序开放的路径,在保证公民隐私、社会公共安全情况下,让数据释放价值。
需要明确的是,公开的数据如果不实时,就只是信息和表格,是死的,只有实时开放才是活的。这并不是简单地开门,而是要探索数据开放实验模式,比如贵州现在鼓励从事智能交通方面有优势的企业用政府大数据,用政府服务体现价值。
网事
壹
新京报:您网购吗?买的最贵的是什么?
陈刚:经常网购,还曾要求贵阳干部也网购,因为不买就不知道怎么回事。买贵的东西不多,最得意的是给居住场所建立家庭物联网,可定时控制家里电器开关时间。
贰
新京报:您经常上网吗?每个月网费多少?
陈刚:经常上网,一月网费五六十元。现在贵阳全市覆盖了免费WIFI,不用输入手机号和验证码就可以登录。
叁
新京报:您对互联网有何期许?
陈刚:呼吁各界能更多地营造数据开放共享机制的形成。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16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在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08