发改委重大工程支持大数据发展

简介:

国家发改委办公厅近日印发《关于组织实施促进大数据发展重大工程的通知》,通知提到重点支持大数据示范应用、重点支持大数据共享开放、重点支持基础设施统筹发展、重点支持数据要素流通。

分析人士指出,数据开放是大势所趋。信息使用的边际收益是递增的,信息流动和分享的范围越大,创造的价值就越高,而线上/线下数据化和数据开放正是信息大范围流动的两大前提。推动数据开放和流通在发达国家已成为共识,美欧多国通过国家战略为数据开放背书。自从“互联网+”上升为我国国家战略后,中央不断加大力度推动数据开放。

该文件显示,促进大数据发展重大工程旨在通过一系列举措积极培育新兴繁荣的产业发展新业态,有效促进数据要素流通,以数据流引领技术流、物质流、资金流、人才流,推动社会生产要素的网络化共享、集约化整合、协作化开发和高效化利用,创造新的增长点,加快实现经济发展方式转变。

这些举措包括以下四类:

重点支持大数据示范应用

开展社会治理大数据应用。在企业监管、环境治理、食品安全、信用体系等领域,推动政府部门、公共机构和社会企业有关市场监管数据、检验监测数据、违法失信数据、企业生产经营数据、物流销售数据、投诉举报数据的汇聚整合和关联分析,感知、洞察企业行为,预警企业不正当行为,提升政府决策支持和风险防范能力。

开展公共服务大数据应用。在健康医疗、社保就业、教育文化、交通旅游等领域,推动传统公共服务数据与互联网、移动互联网、移动穿戴设备数据的汇聚整合,鼓励社会机构开展应用研究,开发便民服务应用,优化公共资源配置,提升公共服务水平。

开展产业发展大数据应用。在工业制造、新型材料、航空航天、生物工程、金融服务、现代农业、商贸物流等领域,提升大数据资源采集获取能力和分析利用能力,充分发掘数据资源的创新支撑潜力,带动传统产业技术研发体系创新、生产管理方式变革、商业模式创新和产业价值链体系重构,推动跨领域、跨行业的数据融合和协同创新,促进新兴产业发展和传统产业转型升级,探索形成协同发展的新业态、新模式,形成新的经济增长点。

开展创业创新大数据应用。实施大数据开放行动计划,优先推进与民生保障服务相关的政府数据集向社会开放。组织开展大数据全民创新竞赛。依托政府开放大数据,引导和鼓励全社会企业、公众进行挖掘分析,开发应用,激发创新创业活力,推动万众创新、开放创新。

重点支持大数据共享开放

建立和完善公共数据共享开放制度。制定公共数据共享开放的制度法规,建立公共数据共享开放的评估、考核和安全审查制度,落实公共数据共享开放责任。建立数据资源目录体系,形成公共数据资源共享清单和开放清单,明确公共数据共享开放范围、边界和使用方式,向社会公开公共数据的开放清单和开放计划。

建立统一的公共数据共享开放平台体系。按照“平台整合共建、系统分布部署”的原则,依托统一的国家电子政务网络,构建全国一体、区域统一、互联互通的公共数据共享平台和数据开放平台体系,推进公共机构数据资源依托统一平台体系共享、交换和开放。

重点支持基础设施统筹发展

整合分散的政务数据中心。强化政务数据中心的统筹布局,利用现有政务和社会数据中心资源,结合区域能源、气候、地质、网络、交通、政策、市场需求等条件,采用云计算、绿色节能等先进技术,对规模小、效率低、能耗高的分散数据中心进行整合,形成布局合理、适度规模、保障有力、绿色集约的大型区域性政务数据中心,避免造成资源空间的浪费损失。

探索构建国家数据中心体系。依托大型区域性数据中心,运用云计算等技术,探索建立“物理分散、逻辑互联、全国一体”的政务公共云,构建形成国家数据中心体系,面向本省市、其他省市和中央部门、行业企业以及中小型企业用户,提供应用承载、数据存储、容灾备份等数据中心服务。

开展绿色数据中心试点。鼓励采用可再生能源、分布式供能、废气设备回收处理等绿色节能方式,强化新建工程项目的绿色采购、绿色设计、绿色建设,提高数据中心绿色节能水平,推动节能环保技术产品在已建数据中心的替代应用,引导数据中心走低碳循环绿色发展之路。

重点支持数据要素流通

建立和完善国家大数据标准体系。开展数据采集、指标口径、分类目录、交换接口、访问接口、数据质量、数据开放、数据共享等标准的研究、制定、验证和推广应用,解决政府内部数据共享、政府数据对外开放、政府和企业数据交换等突出问题。

探索建立大数据交易平台和制度。依托已建的大数据交易所,探索建立大数据交易平台,提供丰富的数据产品、解决方案,以及统一的检索服务和开发环境。建立覆盖大数据交易主体、交易平台、交易模式等方面的规则制度,完善大数据交易的法律制度、技术保障、真实性认证等保障措施,规范大数据交易行为,确保交易数据的质量和安全,防范交易数据的滥用和不当使用行为,形成大数据交易的流通机制和规范程序。

本文转自d1net(转载)

相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
11月前
|
人工智能 运维 Cloud Native
SREWorks云原生数智运维工程实践-SREWorks 介绍篇-阿里云原生大数据运维平台SREWorks正式开源(上)
SREWorks云原生数智运维工程实践-SREWorks 介绍篇-阿里云原生大数据运维平台SREWorks正式开源
194 0
|
11月前
|
人工智能 运维 Cloud Native
|
11月前
|
人工智能 运维 分布式计算
SREWorks云原生数智运维工程实践-SREWorks 介绍篇-阿里云原生大数据运维平台SREWorks正式开源(下)
SREWorks云原生数智运维工程实践-SREWorks 介绍篇-阿里云原生大数据运维平台SREWorks正式开源
165 0
|
人工智能 供应链 安全
D1net阅闻 | 大数据系统软件国家工程实验室批复成立
D1net阅闻 | 大数据系统软件国家工程实验室批复成立
113 0
|
云安全 存储 人工智能
阿里云认证对大数据工程技术人员的意义
近年来,随着经济社会发展、科学技术进步和产业结构调整,新产业、新业态、新模式滋生孕育出许多新职业。大数据技术应用在各行各业的全面展开,我国社会需要越来越多的大数据工程技术人员。其职业定义和工作任务如下:
213 0
阿里云认证对大数据工程技术人员的意义
|
机器学习/深度学习 存储 人工智能
大数据和人工智能工程上的一些点
大数据 大数据这个词最早出现在上世纪90年代的美国,直到2012年后才火起来。大数据没有一个明确的概念,之所以称之为大是因为数据量太大超过了单台计算机的资源,这时就需要分布式的数据处理工具,以便能在用户可容忍的时间内进行数据处理。大数据从业人员肯定会去了解谷歌的mapreduce论文和hadoop开源工具。然而海量数据本来是静态,只有通过对数据进行分析和利用才能让数据产生价值。正所谓量变产生质变。 人工智能 人工智能在1956年的达特茅斯会议上被提出来,它研究的是如何制造智能机器或模拟人类的智能行为。大数据与人工智能之间可以说是相辅相成,人工智能的基础是数据,而数据的利用又离不开人工智能。各
139 0
|
大数据 项目管理
贵州理工学院阿里云大数据工程训练营
《数据工程训练营》是根据目前大数据行业的需求,利用实际的企业案例结合OBE教育理念倾力打造,分为技术学习、案例分析、在线考核、创新实践四部分。结合多个场景化行业案例,训练营完全仿真企业开发流程,从团队建设、知识应用、自主学习等对学生进行全方位的实践训练。通过训练营,学生能够学到项目管理、项目开发及实践等知识,培养大数据分析能力、协作能力、自主学习能力,具备解决一般复杂度工程问题的能力。
274 0
贵州理工学院阿里云大数据工程训练营
|
大数据
重庆大学大数据工程实训选题汇报观摩会成功举行
2018年7月6日,重庆大学大数据与软件学院2015级软件工程专业阿里云大数据工程实训成功举行选题汇报观摩会,重庆大学大数据与软件学院蔡斌、吴映波、杨正益、雷跃明、谭会辛、廖军等老师出席本次观摩会。本次观摩会对于检验实训的阶段性效果,及时反馈调整教学进程,规范实训管理流程,真实感受学生实训收获有重要意义。
1785 0