汇聚数据之源,上海能否成为中国大数据之都?

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

作为中国第一大城市、国际经济中心、国际金融中心、国际贸易中心和国际航运中心,上海拥有2400万实有人口数据、190万户法人单位数据、1.5万条政府数据资源目录、21万个数据项、3900万就诊人群健康档案、4800万张交通卡、每天30GB交通流量数据、亚洲第二的证券交易额、世界第一的货物和集装箱吞吐量、全球最大的医联数据共享系统……

不仅如此,在国家信息化发展水平评估中,上海在智能终端普及、光纤发展、宽带速率、电子政务、智慧城市等指标上也多次位列全国第一。正是以上种种,让上海在大数据产业的发展上具备了得天独厚的先天优势。

在大数据的发展已经上升为国家战略的时代背景下,作为上海认定的唯一一个大数据产业基地,上海市北高新园区以其国家级大数据示范应用综合试验区的特殊身份,受到了国内大数据产业相关人士的格外关注。那么近年来上海在大数据发展方面进行了哪些布局?市北高新园区在这一过程中扮演了怎样的角色?又开展了哪些工作?大数据产业的市场前景如何?上海会成为未来的中国大数据之都吗?围绕着以上种种问题,趣味科技记者对上海市北高新股份有限公司副总经理刘芹羽女士进行了采访。

作为上海大数据产业基地的负责人,刘芹羽在工作中积极推动了上海数据交易中心、浪潮云服务总部等一批云计算大数据领域龙头企业在大数据产业基地的先后落地。与此同时,她还围绕上海市大数据发展总体规划,按照“五位一体”的大数据产业链生态发展布局,积极打造“交易机构+产业基金+创新基地+发展联盟+研究中心”的产业生态系统。

随着上海建设国家大数据综合试验区进入实质阶段,刘芹羽也一直在思考如何在汇聚大数据企业、技术、人才、资金等各类要素的过程中,尽最大可能发挥产业基地的基础支撑作用。从“海纳百川”中得到启发,刘芹羽和同事们认为,大数据并不单纯是数据的归集,而是有着自己的源头、系统性和完整性,因此将“汇聚数据之源,让力量由此而起”作为了自己的理念。

刘芹羽透露,在为基地构建大数据产业发展生态圈的过程中,主要围绕的是以下六大核心要素:

一、产业载体。产业载体是大数据企业最终的物理承载空间,而园区内由老工业区转型遗留下的工业厂房承重能力高、电力设备和光纤设备配套齐全,因而在改建数据中心、布局云计算大数据产业时拥有得天独厚的优势。园区也顺势提出了“载体定制化”的理念,以量身定制的硬件设施和空间布局,来匹配云计算和大数据企业的个性化需求。

二、龙头企业。在定位上,园区通过引入具备云计算、大数据领先技术,拥有行业数据资源、数据挖掘能力及创新能力的龙头企业,不断夯实基地的产业链基础,并形成集聚态势。这一方面是为了实现科研力量在园区的集聚,支持龙头企业积极承接国家部委有关大数据的重点任务;另一方面也是希望能促进龙头企业对数据资源、先进技术的开放共享,鼓励小微企业的技术和模式创新,形成“以大带小”的良性循环。截至目前为止,园区已经吸引了上海数据交易中心有限公司、浪潮集团云计算服务总部、华院数据、金棕榈、晶赞科技、科众恒盛、数据港等一大批优秀企业落户。

三、智力资源。作为新兴产业,大数据迫切需要研究机构、高等院校等智力资源进行产学研联动,以提供突破关键技术和解决方案。为此上海成立了市大数据专家委员会,园区也与复旦大学大数据学院、上海交大健康产业研究院、斯坦福大学等科研院所在前瞻研究、科研项目、专业人才等多方面开展了深度合作探讨,希望可以以此汇集大数据领域的监管机构、企业、行业专家等各方力量和数据资源,探索行业大数据相关标准制定和交易规则等方面的先行先试,促进上海大数据产业的健康发展。未来园区还将与更多院校、科研机构对接并建设“大数据学院”,为大数据企业输送专业对口人才。

四、行业组织。上海大数据联盟目前已拥有超过500家注册会员,并形成了“魔方”大数据系列活动品牌。园区利用联盟在政府和企业之间的桥梁作用,依托联盟的影响力整合资源,先后主办或协办了上海(静安)国际大数据论坛、大数据人工智能产业发展与创新应用论坛、中国首个专业化AI大赛BOT大赛、上海开放数据创新应用大赛(SODA)及其系列赛事、2016中国(上海)大数据产业创新峰会等大型论坛赛事,以及大数据产业京沪合作发展沙龙、四新经济主题沙龙“大数据专场”、魔方大数据系列论坛等多场活动,形成了良好的创新创业氛围。

五、产业基金。依托以云计算、大数据为特色的国家级专业孵化器,园区内形成了从苗圃到孵化器再到加速器的全生命周期大数据孵化体系,并且正在与社会资本共同发起成立大数据领域的产业基金,构建覆盖企业不同生命周期需求的投资体系,形成“孵化+融资”、“基金+基地”的服务优势,为大数据企业的发展壮大提供资本支持。

六、政策突破。上海“五个中心”和自由贸易区的建设,为数据分析和利用提供了广泛的市场,以及更加优越和宽容的政策环境。园区将利用好优越的政策和市场环境,在政策突破方面做好文章。围绕产业基地的发展,静安区政府将设立1亿元的专项资金和2亿元的政府引导基金,从大数据产业基地、公共服务平台、品牌建设、企业发展、示范项目、人才培养等七个方面,共计十八条措施,给予配套支持。园区也聘请了专业的市场顾问,及时掌握大数据行业的市场信息,与政府联动,积极争取数据开放、人才引进、资质审批等方面政策在基地的突破和先行先试,让园区成为上海大数据产业发展核心资源的集聚地和政策的聚焦地。

刘芹羽还表示,2017年为了全力打造国家大数据综合试验区,上海还将重点推进实施“七大工程”:

1、利用大数据应用,创新自贸区市场主体服务和事中事后动态监管,实施服务监管提升工程;

2、聚焦科技创新中心建设,推动数据资源共享开放和交易流通,实现关键技术突破,实施创新创业突破工程;

3、推动城市安全、环境监测、食药品安全等领域的大数据应用,提升城市管理和市场监管水平,实施社会治理创新工程;

4、实现大数据在医疗、教育、交通、旅游、就业等领域的应用支撑,实施民生服务保障工程;

5、推动大数据与实体经济的融合发展,实现跨领域、跨行业的数据融合和协同创新,实施数据驱动融合工程;

6、培育和引进一批具有自主知识产权和技术创新能力的产品研发和应用服务型企业,形成一批垂直领域大数据应用解决方案,成立一批大数据开放创新中心,支持一批大数据公共服务平台,实施产业集聚发展工程;

7、加强长三角区域和长江经济带的大数据合作,推动大数据产业优势布局和联动发展,实施开放合作协同工程。

“在上海大数据产业发展的大环境下,园区将发挥大数据产业基地在引领新兴产业发展、促进企业自主创新的主体作用。”刘芹羽说道,“我们相信,上海会成为未来的中国大数据之都,而市北高新园区则将成为‘数据之源’!”

你是否看好上海成为大数据之都? 


 


  

本文转自d1net(转载)

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
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
|
1月前
|
存储 分布式计算 数据挖掘
数据架构 ODPS 是什么?
数据架构 ODPS 是什么?
289 7
|
1月前
|
存储 分布式计算 大数据
大数据 优化数据读取
【11月更文挑战第4天】
44 2
|
1月前
|
数据采集 监控 数据管理
数据治理之道:大数据平台的搭建与数据质量管理
【10月更文挑战第26天】随着信息技术的发展,数据成为企业核心资源。本文探讨大数据平台的搭建与数据质量管理,包括选择合适架构、数据处理与分析能力、数据质量标准与监控机制、数据清洗与校验及元数据管理,为企业数据治理提供参考。
86 1
|
24天前
|
机器学习/深度学习 存储 大数据
在大数据时代,高维数据处理成为难题,主成分分析(PCA)作为一种有效的数据降维技术,通过线性变换将数据投影到新的坐标系
在大数据时代,高维数据处理成为难题,主成分分析(PCA)作为一种有效的数据降维技术,通过线性变换将数据投影到新的坐标系,保留最大方差信息,实现数据压缩、去噪及可视化。本文详解PCA原理、步骤及其Python实现,探讨其在图像压缩、特征提取等领域的应用,并指出使用时的注意事项,旨在帮助读者掌握这一强大工具。
60 4
|
1月前
|
存储 大数据 数据管理
大数据分区简化数据维护
大数据分区简化数据维护
24 4
|
1月前
|
存储 大数据 定位技术
大数据 数据索引技术
【10月更文挑战第26天】
58 3
|
1月前
|
存储 大数据 OLAP
大数据数据分区技术
【10月更文挑战第26天】
66 2
|
1月前
|
消息中间件 分布式计算 大数据
数据为王:大数据处理与分析技术在企业决策中的力量
【10月更文挑战第29天】在信息爆炸的时代,大数据处理与分析技术为企业提供了前所未有的洞察力和决策支持。本文探讨了大数据技术在企业决策中的重要性和实际应用,包括数据的力量、实时分析、数据驱动的决策以及数据安全与隐私保护。通过这些技术,企业能够从海量数据中提取有价值的信息,预测市场趋势,优化业务流程,从而在竞争中占据优势。
112 2
|
1月前
|
数据采集 分布式计算 大数据
数据治理之道:大数据平台的搭建与数据质量管理
【10月更文挑战第27天】在数字化时代,数据治理对于确保数据资产的保值增值至关重要。本文探讨了大数据平台的搭建和数据质量管理的重要性及实践方法。大数据平台应包括数据存储、处理、分析和展示等功能,常用工具如Hadoop、Apache Spark和Flink。数据质量管理则涉及数据的准确性、一致性和完整性,通过建立数据质量评估和监控体系,确保数据分析结果的可靠性。企业应设立数据治理委员会,投资相关工具和技术,提升数据治理的效率和效果。
105 2
|
1月前
|
存储 安全 大数据
大数据隐私保护:用户数据的安全之道
【10月更文挑战第31天】在大数据时代,数据的价值日益凸显,但用户隐私保护问题也愈发严峻。本文探讨了大数据隐私保护的重要性、面临的挑战及有效解决方案,旨在为企业和社会提供用户数据安全的指导。通过加强透明度、采用加密技术、实施数据最小化原则、加强访问控制、采用隐私保护技术和提升用户意识,共同推动大数据隐私保护的发展。
下一篇
DataWorks