京公网安备 11010802034615号
经营许可证编号:京B2-20210330
张茉楠:发展大数据应升级为国家战略
大数据时代的到来,让“数据即资产”成为新的全球共识,发展大数据已经成为全球趋势,国家竞争焦点正从对资本、土地、人口、资源/能源的争夺转向对大数据的争夺,大数据颠覆性地改变全球战略格局、国际安全态势、国家治理架构和资源配置模式,引发了巨大的经济社会变革。对于中国而言,只有将发展大数据上升为国家重大发展 战略、上升为提升国家治理体系与治理能力现代化的层面,才能实现“变道超车”。
大数据(Big Data),或称巨量资料,指的是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。大数据技术的战略意义不在于掌握庞大的数据信息,而在于对这些含有意义的数据进行专业化处理。换言之,如果把大数据比作一种产业,那么这种产业实现盈利的关键,在于提高对数据的“加工能力”,通过“加工”实现数据的“增值”。
全球数据正呈现出惊人的增长态势。根据IBM公司估算,人类自有史以来至2003年所创造的信息量为5EB,而到2011年,人类每两天就能产生5EB的信息量。互联网数据中心(IDC)认为,数据产生成本的下降、投资规模的增加和数据存储能力的增长,最终导致了全球数据增速符合“大数据摩尔定律”,即全球数据量大约每两年翻一番。预计到2020年,全球需要管理的数据量将达到35ZB,是2010年的29倍。
我国大数据应用
前景广阔
从我国情况看,随着信息化普及程度和应用水平的提升,金融、交通、电信等重点行业和医保、社保、海关等重要领域已经实现或逐步实现了大量、海量业务数据的集中。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,大数据应用前景广阔,成为全球最重要的大数据市场之一,已经成为名副其实的“世界数据中心”。根据工业和信息化部电子科学技术情报研究所的调查,2011年中国电信、金融、医疗、文化等国家重要基础数据总量约为900PB。中国移动互联网流量在过去18个月中增加了10倍,占到全球互联网流量的10%;淘宝网每天交易达数千万笔,其单日数据产生量超过50TB,存储量超过40PB;百度每天大约要处理60亿次搜索请求,数据量达到几十PB,每日新增数据10TB;上海证券交易所每秒处理近9万笔业务,每日成交笔数达到3亿笔以上;中国联通用户上网记录达每秒83万条,即每月1万亿条,对应数据量为每月300TB。
然而,相比领先国家,中国仍面临诸多战略风险与挑战,阻碍大数据在国家治理层面上的应用:
一是缺乏比较明晰的大数据战略顶层设计,大数据作为战略性资源地位尚未凸显。我国大数据战略的国家顶层设计尚未出台,作为基础性资产、以及国家/国民财富的重要地位尚未凸显,特别是与之适应的生产关系、制度安排等仍处于空白。
二是条块分割体制壁垒和“信息孤岛”,阻碍国家治理中的数据开放和共享。围墙里的大数据注定成为死数据。目前,我国金融信用信息基础数据库已经为1859.6万户企业和其他组织及8.2亿自然人建立了信用档案,但这些数据第三方机构很难获得。长期以来,由于条块分割管理体制限制,各级政府部门间的信息网络往往自成体系、相互割裂,数据难以实现互通共享,导致政府掌握的大数据大都处于割裂、闲置和休眠状态。同时,由于政府部门业务管理信息系统开发和建设的“部门化”,政府信息系统出现“系统林立”和分裂状态,公共信息资源重复采集现象严重,政府治理成本偏高。
三是传统治理思维和治理体制在大数据时代明显不适应,数据治国的意识较为滞后。世界范围内,大数据正重构政府、市场、社会三者之间关系模式,使国家治理结构实现从国家独大的治理结构转向多元共治,然而,我国现有国家治理体制已明显不适应大数据时代新趋势的变化,不少政府部门尚未意识到利用大数据改造传统政府治理和政府流程再造的革命性影响。
四是法治建设滞后,维护“数据主权”的法律标准框架严重缺失。我国大数据法治建设明显滞后,用于规范、界定“数据主权”和数据资产的相关法律普遍缺失,缺乏有效的大数据思维和法律框架。
五是全球大数据战略博弈升级,我国面临较大数据安全与数据防御风险。当前,借助大数据革命,美国等发达国家全球数据监控能力升级,造成我国数据安全和数据防御风险上升。根据“棱镜门”事件披露信息,美国政府和大数据公司紧密结成“美国数据情报联合体”,共同对全球数据空间进行整体性监控分析,构筑“数据霸权”。美国 “八大金刚”几乎渗透到中国政府、海关、邮政、金融、铁路、民航等各个领域,给国家治理带来异常严峻的数据安全隐患。
大数据革命
关乎中国未来
大数据革命才刚刚开始,这是一场关乎中国前途未来,涉及利益深刻调整的革命,要有大思路、大举措。建议国家尽快打破“碎片化”格局,规划“大数据治国”中长期路线图与实施重点、目标、路径,统筹布局,加快大数据发展核心技术研发,推进大数据开放、共享以及安全方面的相关立法与标准制定,建立完善大数据产业的市场化资源配置模式,以及“互联互通、共享共治”的制度体系,真正抢占新的全球科技革命和产业革命的战略机遇期,重构国家综合竞争优势。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06在 CDA(Certified Data Analyst)数据分析师的工作中,“可解释性建模” 与 “业务规则提取” 是核心需求 —— 例如 “预测用户 ...
2025-11-06在分类变量关联分析中(如 “吸烟与肺癌的关系”“性别与疾病发病率的关联”),卡方检验 P 值与 OR 值(比值比,Odds Ratio)是 ...
2025-11-05CDA 数据分析师的核心价值,不在于复杂的模型公式,而在于将数据转化为可落地的商业行动。脱离业务场景的分析只是 “纸上谈兵” ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-04【2025最新版】CDA考试教材:CDA教材一级:商业数据分析(2025)__商业数据分析_cda教材_考试教材 (cdaglobal.com) ...
2025-11-04