大数据流通与交易技术国家工程实验室发布首批研究中心名单

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

上海2017年2月21日电 /美通社/ -- 近日,国家发改委正式发文批复(发改办高技〔2017〕146号)组建“大数据流通与交易技术国家工程实验室”,由上海数据交易中心作为承担单位,会同中国互联网络信息中心、中国联合网络通信集团有限公司、复旦大学、中国信息通信研究院等单位联合共建之后,该国家工程实验室的首批研究中心亦浮出水面。

  大数据流通与交易技术国家工程实验室  
 大数据流通与交易技术国家工程实验室  

上海数据交易中心作为“大数据流通与交易技术国家工程实验室”的承担单位,与共建单位共同探讨实验室的首批研究方向,旨在提升我国大数据基础技术支撑能力,解决我国大数据共享交换及交易流通不畅、标准不明、数据质量参差不齐等问题,以“创建流通规则、引领产业发展、突破关键技术、服务国家战略”为目标,建设面向应用的“大数据流通与交易技术创新平台”,支撑开展政企数据资源共享交换、公共数据开放流通、云上公共大数据分析与处理、跨系统公共大数据共享交换标准、大数据资源与服务确权估值建模等技术的研发和工程化。

经研究,大数据流通与交易技术国家工程实验室设“三会一主任+研究中心”。由“三会”协同领导推进实验室发展,设指导委员会,理事委员会,第一届专家委员会。由实验室主任负责统筹指导实验室建设。由“研究中心”负责推进具体研究方向的研发,首批建设十二个研究中心:

  • 政企数据共享交换研究中心,

  • 跨行业数据融合交换研究中心,

  • 可信数据交易标准研究中心,

  • 跨云数据融合分析研究中心,

  • 大数据流通合规评估研究中心,

  • 数据安全与隐私保护研究中心,

  • 数据质量评估与修复研究中心,

  • 数据资产管理和运营研究中心,

  • 网络数据安全与灾备研究中心,

  • 大数据应用创新研究中心,

  • 大数据人才培养与国际交流中心,

  • 大数据政策法律研究中心。

实验室主任杨善林院士表示,数据是新型生产要素和国家战略资源,也是可能涉及国家安全、商业秘密和个人隐私的特殊商品。实验室在理事委员会的领导下,将设立阶段性目标,合理管理资源配置,分工绩效和考核,积极引进和培育大数据流通领域人才。

实验室理事委员会常务理事长,上海数据交易中心CEO汤奇峰先生称实验室设立的研究中心是把具体研究方向落地的重要部门,随着实验室建设的推进,研究课题的扩展将适时增设。相信在指导委员会的发展规划和资源统筹,专家委员会的技术规划以及理事委员会的管理下,实验室能够从产学研用结合,交流合作与成果转化,开放合作与行业推广三个方面有序运行,建设面向应用的“大数据流通与交易技术创新平台”。



本文出处:畅享网
本文来自云栖社区合作伙伴畅享网,了解相关信息可以关注vsharing.com网站。

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
|
5天前
|
存储 机器学习/深度学习 SQL
大数据处理与分析技术
大数据处理与分析技术
25 2
|
7天前
|
存储 分布式计算 NoSQL
【赵渝强老师】大数据技术的理论基础
本文介绍了大数据平台的核心思想,包括Google的三篇重要论文:Google文件系统(GFS)、MapReduce分布式计算模型和BigTable大表。这些论文奠定了大数据生态圈的技术基础,进而发展出了Hadoop、Spark和Flink等生态系统。文章详细解释了GFS的架构、MapReduce的计算过程以及BigTable的思想和HBase的实现。
|
7天前
|
SQL 存储 算法
比 SQL 快出数量级的大数据计算技术
SQL 是大数据计算中最常用的工具,但在实际应用中,SQL 经常跑得很慢,浪费大量硬件资源。例如,某银行的反洗钱计算在 11 节点的 Vertica 集群上跑了 1.5 小时,而用 SPL 重写后,单机只需 26 秒。类似地,电商漏斗运算和时空碰撞任务在使用 SPL 后,性能也大幅提升。这是因为 SQL 无法写出低复杂度的算法,而 SPL 提供了更强大的数据类型和基础运算,能够实现高效计算。
|
10天前
|
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】
24 3
|
10天前
|
存储 大数据 OLAP
大数据数据分区技术
【10月更文挑战第26天】
39 2
|
13天前
|
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。
45 2
|
15天前
|
存储 分布式计算 Hadoop
数据湖技术:Hadoop与Spark在大数据处理中的协同作用
【10月更文挑战第27天】在大数据时代,数据湖技术凭借其灵活性和成本效益成为企业存储和分析大规模异构数据的首选。Hadoop和Spark作为数据湖技术的核心组件,通过HDFS存储数据和Spark进行高效计算,实现了数据处理的优化。本文探讨了Hadoop与Spark的最佳实践,包括数据存储、处理、安全和可视化等方面,展示了它们在实际应用中的协同效应。
59 2
|
1月前
|
存储 机器学习/深度学习 分布式计算
大数据技术——解锁数据的力量,引领未来趋势
【10月更文挑战第5天】大数据技术——解锁数据的力量,引领未来趋势
|
3天前
|
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?
41 7
|
3天前
|
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】
13 2