京公网安备 11010802034615号
经营许可证编号:京B2-20210330
解析:“大数据”有多大?
中国“十三五”规划建议中提出,拓展网络经济空间,推进数据资源开放共享,实施国家大数据战略,超前布局下一代互联网。这是我国首次提出推行国家大数据战略。
为何要把大数据放到“国家战略”的高度?这是因为,大数据开启了一次重大的时代转型,改变了我们的生活及理解世界的方式。
数据之大
大数据首先是“大”,是海量数据。国际数据公司估计,全球2012年产生数据总量约2.8泽字节。泽是10的21次方,也就是10万亿亿,2.8泽字节相当于3000多亿部时长两小时的高清电影,连着播放7000多万年也放不完。该公司还预测,全球数据量每隔两年翻一番,2020年达到40泽字节。
但“大”只是表象,大数据的本质是以崭新的思维和技术去分析海量数据,揭示其中隐藏的人类行为等模式,由此可以创新产品、服务和管理,也可以预测未来的趋势。因此,国家、企业甚至每个人,都能从大数据中受益。
“智慧城市”
“智慧城市”就是大数据服务于民的一个范例。在欧洲,西班牙古老的港口城市桑坦德被选为欧盟试点城市。在面积约为6平方公里的桑坦德市中心,近1万个传感器每隔几分钟把城市的交通、天气、行人动作等数据传到数据中心,公交车发送自己的位置、速度及周边环境,居民也可以成为“人体传感器”,通过智能手机应用程序上传实时数据。
现在,桑坦德市的数据中心能通知市政当局路灯的状况,并根据需要自动调节路灯的亮度。市民通过一个名为“城市脉搏”的手机应用就可以获得整个城市的相关信息。
通过大数据开放来提升政务服务。韩国的“智慧首尔地图”就是各国智慧城市发展策略中的代表。通过一系列的手机应用,市民可以查询残疾人设施、首尔市免费无线网络热点、公厕、餐饮及行政信息。
在2011年,首尔就提出了“智慧首尔2015”计划,目标是到2015年让首尔成为世界上最方便使用智能技术的城市,建成适应未来生活的基础设施、成为有创造力的智慧经济都市。“智慧首尔2015”计划指出,公共数据已成为具有社会和经济价值的重要国家资产。韩国未来创造科学部预测,大数据产业到2017年可以创造1000个企业,创造5万个以上就业岗位。
国家战略
大数据被视为创新和生产力提升的下一个前沿。对数据资源的开发利用能力已成为国家竞争力的要素之一,也是国家整体实力的重要体现。由此,数据经济、数据管理、数据强国等新概念应运而生,各国政府也加强对大数据的扶持,并上升到国家战略高度。
美国率先将大数据从商业概念上升到国家战略。2012年3月,美国政府公布了2亿美元的《大数据研究发展计划》,提出通过提高美国从大型复杂数据中提取知识和观点的能力,加快科学与工程研究步伐,加强国家安全。同年11月公布的具体研发计划涉及各级政府、私企及科研机构的多个大数据研究项目。
在日本,安倍内阁于2013年6月发布了“创建最尖端IT国家宣言”,全面阐述了2013年至2020年间以发展开放公共数据和大数据为核心的国家战略,强调“提升日本竞争力,大数据应用不可或缺”。
在英国,政府在2013年注资1.89亿英镑(约3亿美元)发展大数据项目。同年发布的《英国农业技术战略》更是强调英国今后对农业技术的投资将集中在大数据上,让英国的农业科技商业化,将英国打造成农业信息学世界强国。
在大数据红遍全球的背景下,无论是领先发展的欧美,还是迎头赶上的东亚,发展大数据除了加强基础设施建设、加快普及高速互联网,更重在推动数据开放、优先发展推进与民生保障服务相关的数据。
根据中国国务院印发的《促进大数据发展行动纲要》,国家发展改革委有关负责人日前表示,2018年以前,中国要建成国家政府数据统一开放门户,推进政府和公共部门数据资源统一汇聚和集中向社会开放,实现面向社会的政府数据资源一站式开放服务。
新加坡是世界网速最快的国家之一,在2011年6月启用了政府分享公开数据平台,开放了来自60多个公共机构的近9000个数据库。利用开放数据,企业和有关部门已开发了100多项应用,涉及停车信息、公厕甚至野猫管理等。市民只需一个名为“新加坡通行证”的密码,就可以享受相关电子政府服务的便利。
在南半球的澳大利亚,政府信息管理办公室在2013年8月发布了公共服务大数据战略,以“数据属于国有资产,从设计着手保护隐私、数据完整性与程序透明度”等原则出发,推动公共行业利用大数据分析进行服务改革。澳大利亚政府的开放数据平台,目前已涵盖100多个机构部门的1000多个数据库,向公众提供数据下载上的便利。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12在数据分析日常工作中,Excel数据筛选是数据清洗、数据提取、样本筛选的核心基础操作。传统Excel手动筛选、函数筛选方式,面对多 ...
2026-08-12