京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据战略重点实验室主任连玉明:打造中国大数据发展的战略和思想策源地
过去一年里,正在崛起的“中国数谷”贵阳奇迹般地创造出五个“中国第一”——中国首个大数据战略重点实验室、中国首个全域公共免费WIFI城市、中国首个块上集聚的大数据公共平台、中国首个政府数据开放示范城市和中国首个大数据交易所。
中国首个大数据战略重点实验室是什么?它对于贵阳大数据产业的发展将产生怎样的影响?5月13日,数据观记者专访了大数据战略重点实验室主任连玉明教授。
记者:贵阳为什么提出建立大数据战略重点实验室?背后有什么现实意义?
连玉明:大数据是人类文明发展和全球化进程的必然趋势。近年来,发展大数据产业成为贵阳坚守发展和生态“两条底线”,探索“双赢之路”的战略选择,为西部欠发达地区实现后发赶超找到一条新路径,这是认识、适应和引领新常态的思维变革。
然而,面对新机遇、新挑战、新任务,贵阳发展大数据需要洞察先机,抢占制高点,更需要研究先行和战略引领。基于此,在贵阳建立中国首家大数据战略重点实验室,意义重大,影响深远。
具体来说,大数据战略重点实验室是一个跨学科、专业性、国际化、开放型的研究平台,实验室将聚集国内外大数据相关专业研究者、管理者和决策者,立足全球大数据发展趋势和中国大数据发展实践,以大数据发展的重大理论和现实问题为主攻方向,加强大数据发展全局性、战略性、前瞻性研究和咨询。
记者:建立大数据战略重点实验室,贵阳具备哪些条件?底气在哪?
连玉明:大数据战略重点实验室是依托贵州大学贵阳创新驱动发展战略研究院(简称贵阳研究院)建立和运行的。贵阳研究院成立一年来,取得多项重要研究成果,正成为贵阳市委、市政府的重要思想库和智囊团,其研究成果在国内外拥有一定影响力,并在党和政府的相关战略制定和决策中得到广泛认同和应用。
在研究成果方面,贵阳研究院出版《块数据——大数据时代真正到来的标志》一书,首次创造性提出“块数据”理论。同时,立足创新驱动区域合作在贵阳的实践,挖掘中关村贵阳科技园的发展经验,从后发赶超、“四轮驱动”、大数据引领等多方面总结中关村贵阳科技园的发展战略、发展模式和发展方向,为贵阳市提升创新驱动区域合作能力提供智力支持,并出版《中关村贵阳科技园发展报告》。
同时,贵阳研究院聚焦创新驱动发展战略研究,与北京国际城市发展研究院深度融合发展,形成长效持续的协同创新机制,这些都为建立大数据战略重点实验室提供了有力的平台支撑。国际城市战略研究的创新成果,城市科学研究北京市重点实验室的实验平台,京筑良好互动的工作机制,跨学科、跨行业、跨地域的跨界思维,为大数据战略协同创新研究奠定了坚实基础。
记者:大数据战略重点实验室的研究方向和研究重点有哪些?
连玉明:大数据战略重点实验室未来的研究方向是通过对大数据发展进行全局性、战略性、前瞻性的研究和咨询,构建“块数据”理论模型和应用模型,研究编制“大数据指数”等,主要包括以下五项重点工作:
一是着眼全球大数据发展趋势和中国大数据发展实践,建立全球大数据理论信息中心,建设中国大数据发展规划数据库,每年定期出版《全球大数据发展报告》。
二是构建“块数据”理论模型和应用模型,每年出一本关于“块数据”的新书,为大数据发展提供理论支撑和方法支持。这就意味着,贵阳将成为“块数据”理念的实践基地,而大数据战略重点实验室将重点围绕“块数据”的利用和实践开展研究。
三是研究、编制和发布“大数据指数”,出版年度《大数据蓝皮书》。“大数据指数”不是一个单纯研究大数据的指数,而是涉及到政治、经济、文化、社会、民生等方方面面,它是一种思维方式和生产方式、生活方式,具体包括大数据的发展指数、创新指数、城市指数、市区指数、生活指数、品牌指数等。
四是建立DT空间,这是一个创客空间,包括DT众联空间、DT众创空间、DT众包空间、DT众筹空间等“四众”平台,其目的是吸引更多创客。DT空间不是一个房间,而是立足于国内、乃至全球,完全开放式的平台,对于愿意创业、勇于创新的个人或团队,DT空间都会给予支持。
五是筹建一个“中国DT产业50人论坛”,它的作用在于为大家搭建一个开放式协作创新平台、专业化决策咨询平台、网络化成果转化平台和国际化合作交流平台。
通过上述五项工作,我们的最终目标是使大数据战略重点实验室成为中国大数据发展的战略和思想策源地,成为中国大数据的发展风向标之一,成为有较大影响力和国际知名度的大数据高端战略智库。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13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