山西构建大数据战略规划 抢占经济发展制高点

简介:

30日下午,山西省人民政府新闻办公室举行新闻发布会,省经信委副主任张占祥、省经信委副巡视员马运侠就山西大数据发展有关政策进行深入解读。

“2月24日,省政府第144次常务会议研究通过了《山西省大数据发展规划(2017-2020年)》、《山西省促进大数据发展应用的若干政策》和《山西省促进大数据发展应用2017年行动计划》。3月13日,省政府正式印发上述三个文件。” 张占祥介绍说。

《山西省大数据发展规划(2017-2020年)》

基于顶层设计、统筹部署,山西相关部门制定了促进大数据发展应用的《发展规划》,重点针对全省大数据产业进行了布局规划,明确了六项重点任务和四项重点工程。提出“抓两头带中间”的发展思路,通过抢抓数据资源集聚,紧抓数据应用推广,带动数据产业发展。着力打造“多基地一中心四平台十应用五链条五盾牌”大数据产业生态链。

六项重点任务:一是全面统筹部署,构筑大数据发展新格局;二是强化网络支撑,夯实大数据发展新基石;三是推动开放共享,构建政务服务新机制;四是促进深度融合,培育经济社会升级转型新动能;五是强化创业创新,形成产业发展新支柱;六是防范安全风险,建立大数据安全新支撑。

四项重点工程:一是实施“云聚山西”工程,加快大数据基础设施建设;二是实施“云惠山西”工程,努力推动大数据发展应用;三是实施“云殖山西”工程,促进大数据产业快速发展;四是实施“云安山西”工程,提高大数据发展应用安全保障水平。

《山西省促进大数据发展应用的若干政策》

基于政策推动、市场吸引,山西相关部门制定了促进大数据发展应用的《若干政策》,为大数据项目在山西落地定制了25条优惠政策,包括用电、数据公开共享、政府购买服务、用地、税收、资金、科技创新等七个方面。

电力支持政策:支持数据中心参与电力直接交易,对大型及特大型数据中心设定了0.35元/千瓦时的目标电价。达不到设计目标电价的,由省、市、县参照数据中心当年缴纳税费的地方留存部分给予相应支持;不足部分由数据中心所在地市级人民政府承担。

数据公开共享政策:推动政府部门加快数据公开共享,消除信息孤岛,为发展大数据创造良好机遇和环境。

政府购买服务政策:支持政府购买大数据相关产品及服务,带动形成大数据产品交易市场区域高地。

用地保障政策:依据国家相关土地优惠政策,参照其它省份的相关做法,充分吸纳省国土厅相关专业意见,保障大数据企业土地供应。

税收优惠政策:对符合规定的大数据企业执行企业所得税优惠、研发费用“加计扣除”及经营困难企业减免税的优惠政策。

资金支持政策:通过设立大数据政府引导基金和专项资金,支持大数据发展。政府引导基金统筹在山西新动能基金下设立;专项资金主要通过整合省直各部门的信息化专项资金设立,从吸引大数据企业落地、提供新增流动贷款贴息、支持科技创新奖励等方面为大数据发展提供相应的奖补。

科技创新政策:重点从鼓励科技创新的角度对大数据企业予以资金支持。一是对知识产权产业化且产生良好社会效益的大数据项目设立奖补;二是对制定国际、国家、行业和地方标准设立奖补;三是对获得国家级、省级相关认定资质的大数据企业设立奖补。

《山西省促进大数据发展应用2017年行动计划》

基于突出年度重点、分步推进落实,山西相关部门制定了促进大数据发展应用的《行动计划》,提出了山西2017年大数据工作重点任务和重点行动。

重点任务:大数据管理机制体制基本理顺;全省大数据中心和省级政务云平台启动建设;全省数据资源目录体系基本建立;一批大数据相关企业和引进项目落地建设;大数据应用试点示范逐步展开;全省大数据发展应用氛围初步形成。

重点行动:大数据力量构建整合行动、大数据基础支撑能力提升行动、政务大数据资源集聚行动、大数据产业链培育行动、大数据应用示范行动、大数据信息安全保障行动。

马运侠表示,三个文件构建了山西省从产业布局规划,到政策措施优惠,再到年度重点任务落实的政策文件体系,山西将进一步加大统筹协调力度,理顺大数据管理机制,加强与行业领军企业的务实合作,整合各方力量,创新体制机制,推动政策落地,在大数据中心建设、大数据应用、大数据运营、大数据产业等领域实现不断突破,加快推动全省经济的转型升级。

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 
目录
相关文章
|
22天前
|
存储 大数据 数据处理
PHP 与大数据:构建高效数据处理系统
传统的数据处理系统往往难以应对大规模数据的处理需求,而PHP作为一种常用的服务器端脚本语言,在数据处理方面也有其独特的优势。本文将探讨如何利用PHP构建高效的大数据处理系统,结合实际案例分析其应用场景及优势所在。
15 2
|
4月前
|
SQL Oracle 物联网
助力工业物联网,工业大数据之数仓维度层DWS层构建【十二】
助力工业物联网,工业大数据之数仓维度层DWS层构建【十二】
47 0
|
4月前
|
SQL Oracle 关系型数据库
助力工业物联网,工业大数据之ODS层构建:代码结构及修改【九】
助力工业物联网,工业大数据之ODS层构建:代码结构及修改【九】
47 0
|
13天前
|
SQL 分布式计算 Hadoop
利用Hive与Hadoop构建大数据仓库:从零到一
【4月更文挑战第7天】本文介绍了如何使用Apache Hive与Hadoop构建大数据仓库。Hadoop的HDFS和YARN提供分布式存储和资源管理,而Hive作为基于Hadoop的数据仓库系统,通过HiveQL简化大数据查询。构建过程包括设置Hadoop集群、安装配置Hive、数据导入与管理、查询分析以及ETL与调度。大数据仓库的应用场景包括海量数据存储、离线分析、数据服务化和数据湖构建,为企业决策和创新提供支持。
50 1
|
1月前
|
SQL 存储 监控
构建端到端的开源现代数据平台
构建端到端的开源现代数据平台
52 4
|
1月前
|
人工智能 DataWorks 数据可视化
心动基于阿里云DataWorks构建游戏行业通用大数据模型
心动游戏在阿里云上构建云原生大数据平台,基于DataWorks构建行业通用大数据模型,如玩家、产品、SDK、事件、发行等,满足各种不同的分析型应用的要求,如AI场景、风控场景、数据分析场景等。
334 1
|
2月前
|
存储 数据可视化 JavaScript
基于Echarts构建大数据招聘岗位数据可视化大屏
基于Echarts构建大数据招聘岗位数据可视化大屏
52 0
|
3月前
|
存储 大数据
大数据集群规划的一点建议
大数据集群规划的一点建议
|
4月前
|
SQL 存储 分布式计算
助力工业物联网,工业大数据之数仓事实层DWB层构建【十七】
助力工业物联网,工业大数据之数仓事实层DWB层构建【十七】
38 0
助力工业物联网,工业大数据之数仓事实层DWB层构建【十七】
|
4月前
|
数据采集 SQL Oracle
助力工业物联网,工业大数据之DWD层构建:数据抽取分析【十一】
助力工业物联网,工业大数据之DWD层构建:数据抽取分析【十一】
49 0