京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据面临的三重困难需从四个方面优化
近年来,大数据产业已成为新的技术制高点和经济增长的新动力,深刻改变着宏观经济环境,受到各国高度重视。我国大数据产业当前还面临信息资源难共享、数据安全风险大、产业生态不健全等难题,需从优化产业政策入手,促其健康发展。
产业呈现良好发展态势
北京大学教授杨学山认为,我国大数据产业虽还处于探索起步阶段,但在对大数据的社会认知、政策环境、市场规模、产业支撑能力等方面都取得了积极进展,为大数据产业的可持续发展创造了良好条件。
首先,大数据产业发展政策日益完善。大数据产业是云计算技术、物联网和移动互联网广泛普及的结果。鉴于大数据对经济、社会、科研、国家安全等方面的巨大价值,中国各级政府纷纷制定相关政策推动大数据产业深入发展。
早在2011年,工信部发布的《通信业“十二五”发展规划》就把云计算定位为构建国家级信息基础设施、实现融合创新的关键技术和重点发展方向,此规划被视为较早推动大数据发展的政策。
2015年8月,国务院印发了《促进大数据发展行动纲要》,全面阐述了我国发展大数据产业的意义、目标、任务和政策,此纲要的出台标志着大数据产业已被提升为国家战略高度,逐渐完善的政策体系为大数据产业发展提供了良好条件。
其次,各地逐渐建立起了大数据产业发展平台。随着国家和地方政府大数据产业发展政策的制定和实施,大数据产业发展的相关平台也逐步建立。
据了解,到目前为止,全国各地已建成和在建的大数据产业园已达到100多个。为推动大数据研究,学术界成立了大数据专家委员会等机构,举办了大数据共享与开发、大数据技术创新、大数据运用、大数据产业发展等主题的学术研讨会。
另外,大数据的市场空间广阔且在持续扩大。大数据产业主要涉及数据的收集、存储、分析和运用等环节,其在金融、电子商务、医疗、农业、政务等领域发挥着越来越重要的作用。
虽然我国的大数据产业已彰显出巨大的市场空间和持续增长的态势。例如,金融行业利用大数据技术处理业务,提高了工作效率,降低了审计风险;交通部门利用大数据检测交通流量变化,优化了公共交通资源配置;制造业利用大数据优化生产流程。而随着企业级用户对大数据需求的持续增加,大数据的市场空间将进一步扩大。
发展仍面临三重困难
中国工程院院士孙家广认为,大数据产业发展具有极强的技术和信息依赖性,由于我国大数据产业起步滞后以及基础条件不够成熟,其在快速发展的同时,面临的困难也日渐显现。
其中一大难题便是,信息壁垒降低了大数据产业资源配置效率。大数据产业发展必须实现数据信息的自由流动和共享,如果数据不开放、不共享,数据整合就不能实现,数据价值也会大大降低。
然而,这一问题并没有得到相关政府部门的足够重视。这主要是由于地方政府没有形成与全局思维,仍认为自己的数据信息不可以开放共享,甚至将其视为抢占大数据产业发展先机的优势条件。此外,政府部门是社会信息的主要控制者,其信息又分别被不同部门和区域控制,而不同部门和区域间的数据标准各异,信息资源也就难以实现共享。
另外,数据安全管理薄弱增加了大数据产业的发展风险。
数据安全和隐私保护是大数据产业发展的世界性难题,这主要体现在三个方面:其一,数据的海量存储增加了数据安防的难度,可能造成大量数据损坏或丢失,造成难以想象的后果;其二,在大数据时代,数据的多元性和复杂性要求人们形成更强的安全意识,但现实中不论企业还是个人的安全意识还没有从传统的非信息时代转变过来,存在巨大潜在风险;其三,网络攻击带来了数据安全风险,随着大数据在政府、金融、公共事业等领域的广泛运用,数据泄露带来的损失远远超出行业范畴,而是全局性的国家安全问题。
目前,我国保护大数据安全的能力十分有限,加上大数据安全法律法规缺失、网络信息管理体制存在缺陷等问题,大大增加了我国大数据产业的发展风险。
不仅如此,产业生态体系存在短板,阻碍了大数据产业链和产业集群的形成。产业健康可持续发展的一个重要特征就是形成了完整的产业链条和多层次的生态体系。我国大数据产业仍处于起步阶段,主要体现为:各领域大数据企业分散现象普遍;产业发展、政策、平台、创新、环境等不协调;大数据企业之间分工不明确、交流合作不足、协同力度不够;大数据行业协会、产业联盟发展滞后。
需从四方面优化产业政策
中国科学院院士、北京理工大学副校长梅宏表示,为克服困难,促进我国大数据产业健康发展,相关的产业政策应从以下四方面优化:
第一,完善大数据产业发展战略规划,优化产业布局。
实践表明,新兴产业如果缺乏科学理论指导,容易出现盲目发展、重复建设、同质竞争等问题。为此,我国应尽快优化对大数据产业的战略规划,明确方向和重点,制定长、中、短期发展目标,完善投融资、知识产权、利益分配等方面的政策,为大数据产业创造良好发展环境。
第二,依托大众创新创业优化大数据产业发展环境。大众创新创业有利于增强创新驱动活力、拓宽创业渠道、优化创新环境、促进中小企业发展、优化产业结构等,这无疑是解决大数据发展创新技术受限、企业竞争不充分等问题的有效途径。
第三,加强大数据共享平台和安全保障体系建设。在数据共享方面,应尽快制定和出台《公共信息资源开发共享管理办法》,以法律形式规定公共信息资源开放共享的内容、程序、标准等,并在此基础上建立公共信息资源共享网站,形成共享服务体系;在数据安全方面,应完善国家数据安全法律法规,同时加强网络安全基础设施建设,建立和完善大数据安全应急机制,从而大幅度降低大数据风险。
第四,实施融合发展战略,构建大数据产业生态体系。这里的融合发展既包括大数据与其他产业的融合,又包括大数据企业与政府、社会组织的融合。
大数据要形成完整的产业链和生态体系,需要众多产业的支撑。因此,构建大数据产业与其他产业发展的联动机制,组建全国性、区域性的大数据产业联盟,加强大数据产业链各个环节企业的合作,显得尤为重要。大数据产业发展需要同时发挥好政府、企业、社会中介等多方面力量,聚集各方优势。企业应在产业发展过程中充当主体地位,政府应根据企业的需求,提供政策和服务。社会中介组织也不容忽视,政府部门应加强对大数据行业协会、科研机构、产业联盟等组织的培育和扶持,充分发挥它们在理论研究、技术研发、社会调研等方面的作用,使之成为推动大数据产业发展的另一支重要力量。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在商品销量、市场需求、营收规模等业务数据中,季节性波动是最普遍、最核心的数据特征。零售快消、食品餐饮、家电服饰、电商行业 ...
2026-08-06在流量红利消退、市场竞争白热化的商业环境中,传统依托经验、跟风投放、广撒网式的营销模式,逐渐暴露出成本高、精准度低、转化 ...
2026-08-06 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-08-06【核心关键词】知识、设备、工程师、数字化、建模、算法、工业大数据、数据分析、控制算法、机器学习、深度学习、业务目标、工 ...
2026-08-05增长率是数据分析、业务报表、可视化看板中最核心的指标之一,常用于衡量营收、销量、用户量、流量等业务数据的涨跌幅度与发展趋 ...
2026-08-05小陈是某电商平台的数据分析师。老板交给他一个任务:“我们平台的注册用户已经突破1000万了,想了解一下用户的平均月消费金额。 ...
2026-08-05在机器学习建模、数据预处理、抽样划分、模型初始化训练的全流程中,随机种子是控制实验随机性、保证结果可复现、提升模型稳定性 ...
2026-08-04Python作为面向对象的主流编程语言,核心编程体系由变量、方法、类三大基础要素构成。三者层层递进、相互协作,支撑起所有基础代 ...
2026-08-04 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 ...
2026-08-04为什么学习数据分析? 当下,我们已然步入数据要素价值全面释放的智能时代。数据不再只是零散的数字记录,更是驱动新质生产力运 ...
2026-08-03CDA等级认证证书有效期为三年,三年进行一次年审,主要考察CDA持证人的职业发展情况;学历、工作单位及职业变更情况;继续教育 ...
2026-08-03【核心关键词】金融、岗位、企业、算法、知识、专业、理论、课程、软件、数据分析、业务类型、应用场景、经营管理、大型企业、 ...
2026-08-03在日常数据分析、业务报表复盘、业绩预测工作中,平均增长率是衡量数据长期变化趋势的核心指标,广泛用于营收增长、用户增长、销 ...
2026-08-03很多人把统计学理解为“一堆公式和计算”,却忽略了它的本质——一门让数据“开口说话”的科学。真正的数据分析高手,不是会算平 ...
2026-08-03在数据指标体系搭建工作中,从业者常困惑于指标搭建的核心逻辑:究竟是依托一线零散数据自下而上汇总指标,还是基于战略目标自上 ...
2026-07-31在数据分析、问卷研究、实验复盘、业务建模的工作中,大多数人最关注的是“用什么统计方法”:是做T检验、方差分析、卡方检验, ...
2026-07-31 许多数据分析师精通Excel函数和SQL查询,但当面对一张上万行的销售明细表,要快速回答“哪个地区销量最高”“哪款产品增长最 ...
2026-07-31在问卷调研的数据分析流程中,“先检验信效度,再开展进阶统计分析”是通用的规范逻辑。很多从业者会听到“问卷效度高,后续可以 ...
2026-07-30【核心关键词】大数据、统计学、专业、毕业生、论文、课程、计算机、建模、知识、数据分析、机器学习、数据科学、大数据技术、 ...
2026-07-30 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-07-30