大数据:塑造国家竞争新优势

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:

数据正在成为新的石油,成为塑造国家核心竞争力的战略制高点。经过这几年的快速发展,中国已经成为数据大国。

数据显示,2015年中国数据总量占全球数据总量的13%,到2020年中国的数据总量将占到全球数据总量的21%,届时中国将成为全球第一的数据资源大国和全球的数据中心。与此同时,近几年来,中国大数据相关政策陆续出台,大数据驱动的新兴公司不断涌现,数据驱动经济转型、带来精准治理的应用发展态势正在形成。

大数据上升为国家战略

国家高度重视大数据产业发展,制定了一系列大数据相关政策。2015年9月5日,国务院正式印发《促进大数据发展行动纲要》(以下简称《纲要》),《纲要》出台,意味着大数据发展正式成为国家战略。

《纲要》指出,2017年底前形成跨部门数据资源共享共用格局,2018年底前,建成国家政府数据统一开放平台。2020年底前,逐步实现信用、交通等民生保障服务相关领域的政府数据集向社会开放。

2017年1月,工业和信息化部正式印发《大数据产业发展规划(2016-2020年)》(以下简称《规划》),全面部署“十三五”时期大数据产业发展工作,加快建设数据强国,为实现制造强国和网络强国提供强大的产业支撑。

2016年9月,国务院印发《政务信息资源共享管理暂行办法》(简称《办法》)。《办法》指出,要加快推动政务信息系统互联和公共数据共享,充分发挥政务信息资源共享在深化改革、转变职能、创新管理中的重要作用,增强政府公信力,提高行政效率,提升服务水平。

到目前为止,环保、国土资源、交通运输、农业、卫计、税务、检察等部门已经出台相关的大数据发展具体政策,17个省市发布了大数据发展规划,十几个省市设立了大数据管理局,整合资源,统筹推进大数据相关工作,引导大数据产业发展。

大数据政策从全面、总体规划逐渐向细分产业、细分领域延伸,适应大数据发展的政策环境已经初步形成。

加快建设数据强国

我国数据总量正在以年均50%的速度增长,这为大数据产业发展提供了坚实的基础。

发展大数据产业、推进数据经济,数据共享是一切发展基础。我国目前70%的数据集中在政府部门。2012年6月,上海推出第一个政府数据开放平台上海政府数据服务网,此后,北京市政务数据资源网、开放广东数据服务网、贵州省政府数据开放平台等纷纷上线。到目前为止,已经有20多个地方政府陆续推出了数据开放平台。全国面向公众的政府网站为8.4万个。

大数据产业作为一种新兴的经济形态,推进大数据发展需要在制度创新、数据开放共享、大数据创新应用、大数据产业聚集、大数据要素流通、数据中心整合利用、大数据国际交流合作等方面进行试验探索。

《纲要》出台后,工信部、国家发改委、中央网信办展开推进国家大数据综合试验区建设工作,到目前为止已经形成了贵州、京津冀、珠三角、上海、河南、重庆、内蒙古、沈阳八大国家级大数据综合试验区。各综合试验区结合自身优势和特色在规划设计、创新、重点行业应用探索和基础设施建设等方面积极开展试验探索,取得明显进展。

大数据作为经济发展的引擎,发挥着巨大的作用。以贵州为例,截至目前,贵阳市高层次人才总量已达7万人,大数据人才总量达14.2万人。“十二五”时期,贵州省全省规模以上工业企业由“十一五”末的2963家增加到2014年的3685家,实现总产值由4206亿元增加到9598亿元。

建设数据强国,释放数据红利,培育经济发展新引擎和国际竞争新优势,需要破解大数据应用过程中的种种关键技术难题。2017年2月,围绕大数据基础技术和应用技术,13个国家级大数据实验室建设启动。这些实验室齐聚中国大数据领域的产、学、研、用资源,以联合研发、协同创新的方式加速中国大数据关键技术的突破。

大数据系统软件国家工程实验室主任、清华大学孙家广院士表示,作为国家级的大数据系统软件研发平台,要解决我国大数据领域应用需求对底层系统软件的性能、易用性和可信性挑战,研发“好用、管用、敢用”的大数据系统软件生态及工具栈,实现大数据从精英化到平民化,让大数据能够走进各个产业,走进千家万户。

大数据产业链参与者众多、覆盖面广,按照产品形态,主要分为硬件、基础软件和应用软件三大领域。大数据白皮书显示,当前,我国大数据产业增长迅速,产业规模持续增大,数据服务、基础支撑和融合应用相互交融协力构建了完整的大数据产业链。

作为整个大数据产业链的核心环节,基础支撑层预计2017年的规模为2246亿元,增长68.2%;融合应用层是大数据产业未来迅速发展的着力点,预计2017的规模为16998亿元,增长率为30.7%;围绕各类大数据应用需求,数据服务层提供的辅助性的服务,预计2017年的规模为326亿元,增长率为60.6%。

《2017~2022年中国大数据产业发展前景与投资战略规划分析报告》显示,中国大数据产业市场在未来五年内,仍将保持高速增长。而到2020年,中国大数据产业规模或达13626亿元。

因为数据开放、旺盛的应用需求,催生了大批的“双创”中小企业。从2012~2016年的大数据投资事件为1600件,金额超过1200亿元。大数据领域的投资金额总量一直在持续上升。2016年获得融资的企业数量达到400多家,2017年前三个月就有150多家企业获得融资,其中半数为中国公司,资本源源不断地投向大数据领域。

大数据应用推动转型升级

在这几年,大数据应用像雨后春笋在中国的大地上不断生长发芽,推动各个领域的转型升级。

在金融领域,阿里巴巴利用大数据创造了10秒申请、1分钟评估、3小时放款的阿里信用贷。目前大数据技术在金融行业主要应用在征信、风控、反欺诈和量化投资领域。2016年商业银行全面部署大数据基础设施,五大国有银行、股份制、城商行和农商行已经逐步开始了从传统数据仓库架构向大数据平台架构的转型改造过程,基于大数据风控的“秒贷”业务越来越普及,不仅提升了贷款效率,还扩大了普惠金融的覆盖面。

在电信领域,中国电信的大数据平台已经扩展到31个省,汇聚了全国的基础数据,形成了“天翼大数据”服务能力;中国联通也实现了数据整合,大数据产品体系已经推出征信、指数、营销等六大产品种类。中国移动基于大数据构建了反电信网络欺诈防范技术体系,实现每秒并行过滤和甄别两万次,每日甄别的疑似欺诈数据达十亿次以上。在2~10分钟可以识别市场号码源、来源区域、受害人集中地等,同时实现最高风险等级,影响最大的境外异常号码源实时阻断。由中国移动构建的健康云平台,构建了新型医疗健康数据云,为当地医疗支出节省了上千万元。

在农业领域,目前大数据主要应用在农作物估产、旱情评估、农作物长势监测等领域。如果将遥感数据、气象数据和农田历史数据结合,就可以将农民“看天吃饭”变成“知天而作”,指导农民从种子入地到收获这一过程中的50个农事决定。还可帮助农业保险公司划定核准地块、评估受灾程度,制定理赔标准,为农产品期货经营提供精准预测等。神州数码目前已经构成一个以数据驱动农业发展的“三农生态圈”,目前已覆盖了全国31个省、2000多个县、45万个村组。

在医疗卫生领域,大数据在医疗行业主要应用于基因测序、医疗档案整合和分析、医患沟通、医疗机构数据化和新药研制等环节。华大基因利用大数据来提供个人全基因组测序和易感基因检测等服务。医渡云与大型医院共建“医疗大数据”平台,以提高医院效率。在“十二五”期间,我国相继部署“基于癌症监测信息网络的肿瘤规范化诊治研究”“恶性肿瘤大数据处理分析与应用研究”,以全国食管癌规范化诊治监察网络平台为例,在全国共设立12个地区级分中心,联网82家三甲医院,实现90%食管癌符合规范化诊治要求。

在制造业,数据能够赋能制造业全流程。对从产品设计和研发到定向精准的市场营销、产品计划和生产排产、优化供应链、提升对客户的服务水平等都会起到重要作用。红岭西服利用大数据实现了个性化定制,索菲亚衣柜利用数据创造了C2B的商业模式,越来越多的企业正在利用工业互联网和数据,加速制造业的转型升级。

在电子政务领域,“让数据多跑路,让老百姓少跑路”正在变成现实。在重庆市两江新区不动产登记大厅,过去办理二手房交易过户手续,至少需要半天,买卖合同共计8页约114项空格需要手填,现在买卖合同只有薄薄一页纸,需要填写的空格一共12个。在广州,过去办理营业执照,仅仅在工商登记环节就得前后去6次,现在只需要去一次就可完成。利用大数据,工商、财政、民政、审计、税务、园区、统计、农业等政府部门的管理和服务正在不断提升效率。

大数据正在成为推动经济转型发展的新动力,成为重塑国家竞争优势的新机遇和提升政府治理能力的新途径。

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 
相关文章
|
24天前
|
存储 运维 物联网
长安汽车×云器Lakehouse一体化数据平台,成本降低50%,建立智能互联时代的领先优势
长安汽车智能化研究院致力于汽车智能化技术研究,通过构建基于云器科技Lakehouse一体化数据平台,解决了高并发、大规模车联网数据处理难题,实现了数据实时写入、高效分析和成本优化,助力汽车智能驾驶、网联和交通全面发展。
42 0
长安汽车×云器Lakehouse一体化数据平台,成本降低50%,建立智能互联时代的领先优势
|
3月前
|
分布式计算 大数据 数据处理
Apache Spark的应用与优势:解锁大数据处理的无限潜能
【8月更文挑战第23天】Apache Spark以其卓越的性能、易用性、通用性、弹性与可扩展性以及丰富的生态系统,在大数据处理领域展现出了强大的竞争力和广泛的应用前景。随着大数据技术的不断发展和普及,Spark必将成为企业实现数字化转型和业务创新的重要工具。未来,我们有理由相信,Spark将继续引领大数据处理技术的发展潮流,为企业创造更大的价值。
|
3月前
|
分布式计算 大数据 API
|
4月前
|
存储 SQL 分布式计算
MaxCompute的优势
【7月更文挑战第1天】MaxCompute的优势
75 0
|
6月前
|
存储 NoSQL 大数据
新型数据库技术在大数据分析中的应用与优势探究
随着大数据时代的到来,传统数据库技术已经无法满足海量数据处理的需求。本文将探讨新型数据库技术在大数据分析中的应用情况及其所带来的优势,为读者解析数据库领域的最新发展趋势。
|
6月前
|
分布式计算 资源调度 大数据
【大数据技术Hadoop+Spark】Spark架构、原理、优势、生态系统等讲解(图文解释)
【大数据技术Hadoop+Spark】Spark架构、原理、优势、生态系统等讲解(图文解释)
1431 1
|
6月前
|
存储 安全 大数据
【云计算与大数据技术】云交付模型、云部署模型、云计算优势与挑战、应用的讲解(超详细必看)
【云计算与大数据技术】云交付模型、云部署模型、云计算优势与挑战、应用的讲解(超详细必看)
1048 0
|
存储 分布式计算 数据挖掘
maxcompute优势
MaxCompute作为阿里巴巴集团内部核心大数据平台,具有以下优势: 1. 存储及计算能力:MaxCompute具备万台服务器扩展能力和跨地域容灾能力,能够承担集团内部绝大多数的计算任务,支撑每日百万级作业规模,适用于100GB以上规模的存储及计算需求,最大可达EB级别,并支持多种计算模型如SQL、MapReduce、Graph等及MPI迭代类算法。 2. 高效的数据处理能力:MaxCompute可以快速处理海量数据,减轻企业数据处理负担。 3. 自动调整存储成本:MaxCompute可以根据数据的访问频率和重要性,自动调整存储成本,降低企业数据存储成本。 4. 实时数据分析:MaxCom
117 3
|
机器学习/深度学习 SQL 分布式计算
「大数据分析」寻找数据优势:Spark和Flink终极对决
「大数据分析」寻找数据优势:Spark和Flink终极对决
|
存储 SQL 分布式计算
Hadoop 概述、Hadoop 发展历史、Hadoop 三大发行版本、Hadoop优势、Hadoop组成、Hadoop1.x、2.x、3.x区别、HDFS架构概述、大数据技术生态体系、推荐系统框架图
高可靠性、高扩展性、高效性、高容错性YARN架构概述、MapReduce架构概述、HDFS、YARN、MapReduce三者关系、1)NameNode(nn):存储文件的元数据,如文件名,文件目录结构,文件属性(生成时间、副本数、文件权限),以及每个文件的块列表和块所在的DataNode等。 2)DataNode(dn):在本地文件系统存储文件块数据,以及块数据的校验和。 3)Secondary NameNode(2nn):每隔一段时间对NameNode元数据备份。MapReduce将计算过程分为两个阶段:
Hadoop 概述、Hadoop 发展历史、Hadoop 三大发行版本、Hadoop优势、Hadoop组成、Hadoop1.x、2.x、3.x区别、HDFS架构概述、大数据技术生态体系、推荐系统框架图