
大数据产业大发展、大机遇、大红利时代到来
“近年来大数据的采集并处理,存储、通信、管理、风险、挖掘、展现、应用和安全等技术正取得重大进展,互联网+新业态正在快速建立,国家工业、农业万众创新等大数据工程正不断涌现并取得显著的成效。”3月2日上午,在北京国家会议中心举办的“2016云上贵州·大数据招商引智推介会”上,嘉宾代表中国工程院院士、贵州省大数据专家咨询委员会主任李伯虎在演讲中称,大数据产业大发展、大机遇、大红利的时代已然到来,对于贵州来说,先发优势明显,领先地位突出。
作为首届贵州省大数据产业咨询委员会中的一员,并参与了贵州工业云部分工作,在短短两年中,李伯虎见证了贵州在大数据技术产业应用方面取得的瞩目成就。
李伯虎在演讲中介绍,2014年以来贵州省结合本省发展的需要和先天优势,抓住大数据时代的重大机遇,大胆探索先行先试,发展势头风生水起,实现了在大数据平台、商业模式创新、绿色数据中心、大数据交易、产业博览会、国家产业集聚与产业试验区、地方大数据法规、国家级实验室等诸多方面的八个率先,“正如习近平总书记所言‘贵州发展大数据确实有道理’,这便是对贵州大数据技术产业应用、发展成就的高度肯定。”
2015年9月,国务院发布的《促进大数据发展行动纲要》,正积极推动着中国大数据技术产业应用的快速发展。
李伯虎称,近年来大数据的采集并处理,存储、通信、管理、风险、挖掘、展现、应用和安全等技术正取得重大进展,基于泛在网络的,以泛在互联、数据驱动、共享服务、跨界融合、自主智慧、万众创新为特征的互联网+新业态正在快速建立,我们国家工业、农业万众创新等大数据工程正不断涌现并取得显著的成效。
“显而易见,大数据产业大发展、大机遇、大红利的时代已然到来,贵州省作为我国首批国家大数据综合试验区,先发优势明显,领先地位突出。”李伯虎说道。
对于贵州大数据技术产业和应用的再发展,李伯虎在演讲最后提出了5点建议:
第一、坚持贯彻国家提出的创新、协调、绿色、开放、共享的五大发展理念,推动贵州大数据技术产业应用的新发展;
第二、坚持贵州省提出来的“三个问题”、“四个理念”、“五个层次产业链”、“三个业态”、“三个中心”的“34533”发展框架,持续完善深化大数据技术产业应用的系统化新发展;
第三、坚持以新应用为导向,带动大数据技术产业应用的新发展,贵州省从2014年起推动建设工业云等7+N朵云,到现在发展为百花齐放的20朵云,丰富大数据新应用必将引领落实大数据技术产业和应用的创新和繁荣;
第四、坚持新兴新技术和应用领域技术深度融合,由于大数据技术产业应用的复杂性、综合性和艰巨性,因此必须充分融合云计算、互联网、移动互联网、智能科学技术、高性能计算、虚拟现实、增强现实、信息安全等信息技术和各应用领域技术的新成果,这样才能推动大数据领域技术产业和应用的创新突破。
第五、坚持政产学研用精,融合创新发展的系统工程发展机制。我国航天领域多年来积累的探索一代、预研一代、研制一代、生产一代、应用一代的系统工程方法,以及美国2012年提出的产学研用联合的国家制造创新网络计划值得借鉴。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30