
以大数据为引领的块数据城市
到2020年,全社会R&D投入占地区生产总值的比重力争达到2.2%;科技进步综合水平指数达到65%以上;专利申请量保持20%的年均增长率,专利授权量保持10%的年均增长率;国家高新技术企业达到300家,高新技术产业产值占工业增加值比重达45%以上,高新技术产业增加产值占GDP的比重达25%以上。
《贵阳市“十三五”科技创新发展专项规划》日前出台。根据规划,贵阳将以建设“创新型中心城市”为总目标,力争到2020年,把贵阳建成以大数据为引领的块数据城市,建成全省创新创业的核心基地、西部地区重要的高新技术产业集聚地,建成创新体系健全、创新要素集聚、创新环境优越、辐射引领作用明显的创新型城市,为迈入全国创新型中心城市行列奠定基础。
围绕目标,我市将纵深推进“1566”科技创新引领战略。“1”即围绕以大数据为引领加快打造创新型中心城市的奋斗目标,“5”即坚持以大数据引领创新、深化改革开放创新、市场导向推进创新、企业主体协同创新、强化服务万众创新“5项原则”,“66”即开展“6大工程”、实施“6项行动”。
“6大工程”具体为:开展科技管理创新工程,进一步深化科技管理体制改革,规范科研项目和资金管理,加强分类指导,优化资源配置,建立合理的科技创新和成果转化机制,加快推进研发管理向创新服务拓展和深化;开展科技企业培育工程,加大对科技型中小企业支持力度,围绕大数据产业及特色优势产业培育支持领军企业、龙头企业、骨干企业,鼓励和引导其加大研发投入;开展新兴产业提升工程,围绕“核心业态+关联业态+衍生业态”,做实做大数据产业集聚,推进大数据产业领先领跑,推动现代工业提质增效、科技金融服务业集聚发展、都市现代农业加快发展;开展创新平台建设工程,推进以中关村贵阳科技园为统揽的区域创新平台建设,与国内外高校、科研机构等建立科技研发体系,以企业为主体打造政产学研金用相结合的科技成果转化平台,建设大数据技术创新平台,构建具有块数据城市特色的大数据技术创新体系;开展创新人才集聚工程,健全有利于科技人才创新创业的评价、使用、激励措施,完善人才激励政策,创新人才培养和引进模式;开展创新氛围营造工程,大力营造“敢于创新、尊重创新、激励创新”的社会氛围,培育创客文化和企业家精神,让创新成为贵阳的精神基因。
“6项行动”具体为:实施大数据产业引领行动,发展制造业大数据、大健康产业大数据、农业大数据、服务业大数据,推进大数据产业运用服务平台等重点项目,以大数据战略行动为载体,以“互联网+”行动计划为路径,培育催生新技术、新模式、新业态;实施京筑创新合作行动,以中关村贵阳科技园为核心载体,进一步推动京筑创新驱动深化融合,全面对接北京和其他地区科技创新资源,推动各类创新要素和科研资源聚集,突出资源引进和承接产业转移;实施产业技术创新行动,全面推进国家大数据产业技术创新试验区建设,实施以大数据为引领的信息产业技术创新计划、大健康产业技术创新计划、以制造业基础技术为重点的技术创新计划、新材料行业需求技术创新计划;实施科技服务提升行动,推动科技与金融深度融合,加快形成多元化、多层次、多渠道的科技投融资体系,完善支持开展信用贷款、知识产权质押贷款、科技小贷、科技担保等促进科技金融发展的配套政策,建立科技企业融资损失补偿机制,构建全链条的知识产权服务体系;实施科技惠及民生行动,聚焦人口健康、资源环境、公共安全等民生重点领域,运用现代科技提升人民生活幸福指数,实施健康科技计划、公共安全科技计划、生态环境保护科技计划、智慧城市建设工程;实施重大专项支撑行动,推进关键领域技术的引进消化吸收再创新和集成创新,提炼产业关键共性技术,加快形成一批拥有知识产权的核心技术。
到2020年,力争建成大数据综合创新试验区,成为大数据金融中心、服务中心、创新中心和应用示范中心,基本形成大数据科技创新生态体系;基本建成块数据城市,力争进入全国创新型城市、进入国家双创试点城市。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26