京公网安备 11010802034615号
经营许可证编号:京B2-20210330
专家:应尽快实现大数据技术自主自控_数据分析师
借助大数据治国必须加强核心技术和产品研发,但专家提醒,要避免走国产操作系统研发的老路。事实证明,PC时代依靠政府资金研发的国产操作系统至今无法撼动微软的垄断地位,如今的移动互联时代,要挑战安卓的地位也非常困难。在国内外差距巨大的现实情况下,我国基础软件实现赶超,必须走合作开源之路。
国家信息中心研究员宁家骏认为,政府不应再定向支持某些企业,应变“相马为赛马”、变资金扶持为市场引导,鼓励有创新能力的企业都参与进来,积极利用开源模式和开放社区资源,形成我国大数据产业发展的开源生态系统,尽快实现我国大数据技术的自主自控。
宁波市智慧城市建设协调处副处长姚坚建议,应尽快开始实施“去IOE”。比起使用IBM小型机每年的维护成本,去IOE的成本不算大。如果国内技术能够实现去IOE,应该大力倡导,同时国家层面提供一些可靠的技术保障,自上而下实施去IOE。
专家介绍说,目前大数据的关键技术研发突破主要表现在以下几个方面:一是不同数据库类型大数据的集中,能够在不同数据类型之间进行交叉分析的技术,是大数据的核心技术之一;二是不同政府部门之间的大数据共享与交换机制;三是双活容灾备份技术构建的大数据应用平台,虚拟机从一个中心切换到另一个中心的时间接近于零。
不少业内人士还建议,可以通过具体师范项目推进大数据治国进程。比如在节能降耗、环境治理、交通运输、食品安全、金融服务、健康医疗等关系国计民生的重点领域,通过政府购买企业服务等方式推动大数据应用的政企合作,改进政府管理和公共治理方式。
事实上,大数据应用已经引起美、英、日等国政府的高度重视,多国将大数据产业发展定位为国家战略,密集出台多项专门政策,一方面开放数据,给予业界高质量的数据资源,一方面在前沿及基础性研究上投入大量资金和人力,领跑大数据发展。
美国政府早在2002年就开发了一个容量巨大、集聚性强的大数据基础架构;2009年,“一站式数据下载”网站data.gov正式上线,囊括了交通、经济、医疗、教育和人口服务等方面的海量数据;2012年,奥巴马政府颁布了高达2亿美元的《大数据研究和发展计划》,白宫科学技术政策办公室、美国国家自然基金会、美国国防部、美国能源部等多个联邦部门和机构,均参与其中。
欧盟2010年正式发布“欧洲数字化议程”,2012年在“欧洲数字化议程及其挑战”中制定了大数据战略。
此外,韩国、日本、新加坡等亚洲国家,也从国家战略层面积极推动大数据产业的发展。这些大数据应用领先的国家有三个显著特点:首先,政府大数据应用项目多基于共享存储的结构化数据库,并不使用实时、动态和非结构化或半结构化的数据;其次,公共部门致力于规范大型而复杂的数据集,政府期望通过大数据应用提升政府服务民众的能力,解决国家面临的重大挑战问题,如经济、医疗、就业、自然灾害和恐怖袭击等;第三,政府设立的大部分大数据项目刚刚起步或计划实施,多数仍处于发展的初级阶段。
全国政协委员、九三学社中央副主席赖明说,从世界发展潮流看,全球的大数据应用整体处于发展初期,我国大数据应用也刚刚起步。应抓住当前大数据技术以开源为主、尚未有任何国家形成绝对垄断的有利契机,改变我国长期处于信息产业链末端赚取低端利润的现状,争取战略制高点。
腾讯互联网与社会研究院首席经济学家孟昭莉说,全球大数据细分行业内聚集了大中小型企业,中国一些大数据领军企业和学界也在发力,目前虽未取得领先,但短时间内实现弯道超车也是有可能的。
“丰富的数据资源为我国大数据发展带来了肥沃的土壤。”宁家骏说,中国拥有全球第一的人口数、互联网用户数和移动互联网用户数,国土面积广、经济体量大,这些都是其他国家难以企及的海量数据资源和应用需求潜力。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21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