京公网安备 11010802034615号
经营许可证编号:京B2-20210330
工信部九方面推进我国大数据产业发展 支持关键技术产品研发和产业化
随着新一代信息技术的迅猛发展,互联网与社会各领域各行业的交融、交汇日益深化,一个以大规模产生分享和应用数据为特征的大数据时代已经到来。近年来在国家政策支持和各方面的努力下,我国大数据产业循序发展,应用不断深化,大数据已经成为当今经济社会领域倍受关注的热点之一。
对我国而言,如何把握住发展的机遇,充分利用好大数据抢占发展先机是现在面临的主要问题。对此,莫玮提出了关于我国大数据的两点看法。
第一,党中央国务院高度重视大数据发展,大数据产业发展迎来了重要的机遇,党的十八届五中全会提出实施国家大数据战略,习近平总书记4月19日在全国网络安全和信息化工作座谈会上指出,要切实贯彻落实好网络强国战略,互联网+行动计划,大数据等国家战略,国务院也出台了《促进大数据发展行动纲要》,全国推进大数据发展,加快建设数据强国。
十三五时期是我国全面建成小康社会的决胜阶段,全球新一代信息技术产业发展正处于加速变革期,国内市场应用需求处于爆发期,我国大数据产业迎来了重要的发展时刻。为此,我国要抢占机遇,增强创新能力,深化行业应用,繁荣产业生态,促进大数据产业健康、快速发展。
第二,我国大数据发展具备良好基础,同时也面临诸多挑战,自从20多年前接入国际互联网以来,我国高度重视互联网的发展,加强基础设施建设,加大基础设施研发,大力发展网络经济,网络深度融合了社会的发展,为我国大数据产业发展奠定了良好的基础。这主要体现在以下七个方面:
一,大数据基础设施日益完善。截止今年6月底,我国固定宽带家庭普及率达到56.6%,移动宽带用户普及率达到了63.8%,全国月户均移动互联网接入量达到了700兆,5G已经全面拉开序幕,研发和实验阶段也进入了攻坚阶段。
二,激烈了丰富的数据资源。目前我国网民数量已经超过7亿,移动电话数据规模突破了13亿,网络零售交易额跃居全球第一,我国已经产生积累数据量最多,数据类型最丰富的国家之一。
三,大数据技术创新取得了显著的进展。国内互联网龙头企业,单服务器集群规模达到了上万台,部分企业在深度学习人工智能等领域,我国企业对国际主流大数据技术基础开元软件逐步增加。
四,大数据应用推进的势头良好。大数据在互联网服务中得到了广泛的应用,提升了个性化和智能化的服务水平。大数据与传统产业相结合,推动制造业的网络化、数字化和智能化方向发展。电信、金融、交通等行业利用大数据加快服务优化,业务创新和产业升级的步伐。
五,当数据相关产业规模不断壮大。2015年我国软件和信息技术服务产值达到了4.3亿元,连续多年保持了20%以上的增速,一批新兴的专业化大数据企业崛起,大数据成为社会投资的热点之一。
六,大数据产业支撑体系不断完善。建立了大数据行业标准化工作机制,开展了大数据技术、交易、开放共享等国家标准的研制工作。一批大数据技术研发实验室,产业联盟,投资基金等产业平台相继建成,为产业发展提供了良好的支撑。
七,地方发展大数据积极性高涨。目前,全国30多个省市专门出了大数据相关的政策文件,十余个地方专门设置了大数据的管理部门,统筹推进大数据发展,呈现出京津冀、长三角、珠三角、中西部、东北部等全面开花的格局。
莫玮表示,总体来看,我国大数据产业发展具备了良好的基础,但要实现从数据大国向数据强国的转变,还面临着数据资源开放程度低,核心技术能力不强,产业支撑体系不够完善,高层次专业人才欠缺等一系列的问题和挑战。
工业和信息化部按照国务院的决策部署积极推进大数据产业的发展,以及促进大数据发展行动纲要的任务分工,将以五大发展理念为指导,着重做好以下九个方面的工作。
一,认真贯彻落实推进大数据发展行动纲要。依托联席会议制度会同发改委、中央网信办等部门统筹推进落实的任务。
二,做好大数据顶层发展的统筹设计。
三,支持大数据关键技术产品研发和产业化,形成一批具有自主知识产权的技术和产品。
四,大力发展工业大数据,认真贯彻落实国务院《关于深化制造业与物联网融合发展的指导意见的任务要求》。
五,支持地方大数据产业发展和应用试点,选择带有条件的地方开展大数据的建设,并积极探索推进产业集聚区的建设。
六,推动大数据标准体系建设,推荐关键急需标准的研制和验证,积极参与国际标准制订。
七,加强大数据安全保障体系建设,推进大数据安全技术、产品研发、完善相关法律法规和制度体系。
八,建设符合新生态队伍,创新人才培养模式,建立健全多层次、多类型的大数据人才培养体系。
九,加强国际合作,充分利用国际市场面向全球配置资源的需求做。
“数据是国家基础战略性资源,我们自身与这么一个无处不数据的时代,坐拥数据富矿,要从富矿中提炼出钻石,切实转化为推动经济社会前行的力量,还需要政府、企业、科研院落等行业联盟更各界的共同努力,希望各地的政府积极制订并落实配套措施,着力推动数据资源开放共享,利用大数据提升政府治理能力和公共的服务水平,加快产业转型升级,促进经济社会发展,也希望我们企业界充分利用数据资源开展创业创新,在技术、产品、服务和商业模式方面积极探索,希望科技领域加强大数据领域前沿技术研究,加强校企合作,突破一批关键的核心技术,提升我国大数据关键技术创新水平。”,莫玮介绍说。
最后,莫玮表示希望全社会各界提高对大数据的认识,积极推动大数据在各领域的广泛深度应用。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17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