大数据对济南政府部门大调整的影响有哪些

大数据在政府部门的应用_百度文库
两大类热门资源免费畅读
续费一年阅读会员,立省24元!
大数据在政府部门的应用
上传于|0|0|暂无简介
阅读已结束,如果下载本文需要使用1下载券
想免费下载本文?
定制HR最喜欢的简历
下载文档到电脑,查找使用更方便
还剩2页未读,继续阅读
定制HR最喜欢的简历
你可能喜欢我是普元顾问,欢迎与我在线交流。推动大数据的发展,政府需要发挥作用
乐活中国-中国网 .cn   时间:
20:10  责任编辑: 弦子
    乐活引语:大数据在科学研究和产业领域的应用价值是不容小觑的,同时大数据也会有消极的一面。要认识其中的风险,以便规范、规避问题,使其有序发展。
    不能过度神话大数据的应用价值。任何一个科学研究都有前提假设,任何一个科学问题,都是在一定条件下认识和思考的。在任何时候都不应把一个简单、有限事物的价值过度夸大。面对大数据,应当关注其便捷性和有效性,理性分析自身的需求和应用价值。
    大数据从本质上要求信息开放,而信息开放是一个复杂问题。有些涉及行业内部竞争,受到商业因素影响,企业不愿意开放;有些涉及个人或者行业本身的隐私或机密,无法开放。在大数据应用的过程中,对互联网用户隐私权和数据的保护,是开放信息时的重要考虑因素。
    在思考这一问题时,国家应该具体问题具体分析。政府应该审慎分析哪些领域的数据能开放,考虑开放共享后数据的管理、数据的质量、数据的隐私和数据的保护等问题。
    有些信息涉及个人信息、产业核心机密,甚至国家战略安全,应该加强保护,更有效发挥它的价值;有些科学界的数据、大型实验项目的成果,开放后能够促进学术交流,提升研究效率,则应该鼓励开放。
    大数据的价值挖掘
    如何发展大数据已经成为国家、社会、产业的一个重要话题。目前,欧美、日韩等国已经将大数据上升为国家层面的战略。将一个问题提升到国家和政府层面,说明其存在对社会和国家的综合价值。
    从大数据应用的角度来看,大数据涉及重要的领域资源问题。地球信息科学、金融、信息技术、物理领域都在积极推进大数据应用落地。利用大数据提供个性化、规模化的教育,对人身体机能进行分析进而提升癌症治疗效果等,这些关系到重大民生领域的应用也备受关注。
    广泛应用决定了大数据技术的发展是国家多行业、多领域的共同任务。目前,各界对大数据的理解还不够成熟,这需要政府、学界和产业合作推进各界对这一问题的认识。
    挖掘大数据的价值,推动大数据的发展,政府需要发挥作用。大数据是一个众多关键行业关注的问题,从国家角度来看,大数据是一种重要的战略资源。
    同时,学术界要和产业界共同支持和鼓励大数据的发展。只有学术和产业价值融合,才能真正发挥大数据的应用价值。虽然学术界和产业界关注的价值点并不完全一致,但仍存在一些共性。发现和利用其中的共性,对解决发展大数据战略中出现的问题很重要。
    跨界合作是积极且有意义的尝试,学术界可以致力于基础技术的研究,盈利模式的分析则由企业去完成。同时,学术界和产业界在某些交叉领域形成竞争也是一种良性的模式。一些大企业会对前沿技术和数据积累追踪最新的学术成果,甚至自己做学术研究,学术界也在积极推进产业化思考。
    目前,我国互联网产业在经过一段时间后,已经具备一定的数据分析基础,在很多领域具有结合实践发展的能力。但是大数据的价值密度是比较低的,有针对性地选择和分析,才能使数据的价值最大化,或者说使隐含的价值被人们逐步认识和挖掘出来。这应是学术界和产业界共同努力的方向。
    大数据的科学问题
    大数据是指利用现有分析工具无法在合理时间内处理的数据,意味着数据海量、传播速度快捷、种类丰富。大数据的本质是一个科学计算问题。
    物联网的兴起、移动计算技术的发展、各类传感器等嵌入系统的广泛应用都使得人类取得的数据量在短时间内激增。每18个月,甚至每10个月,需要处理的数据量就会翻一番。在这一背景下,现有的数据分析工具在数据的表示方法、计算模式、价值挖掘技术等领域遇到了瓶颈。
    一方面,极大的数据量使传统的商业数据库在处理价值密度低的大数据时,需要付出极高成本;另一方面,从数据计算角度看,传统计算机采用的算法复杂度非常高。传统计算机的计算方式依赖于机器复杂的算法,在面临极大规模的数据时,数据计算的能力受到了挑战。
    这种高成本的数据处理、复杂化的数据计算,使得小样本空间下计算的优劣判定方法在大数据时代发生变化。这种挑战敦促学者尝试在研究过程中找到科学计算的特性,在信息处理模式、数据多样性表示方法上取得突破。
    目前在研究大数据时,广泛采用的是Hadoop技术架构,是并行机制,即通过简单的编程来完成一个整体核心计算。在大数据时代,数据不断增长提出的增量计算要求,数据量巨大造成的近似计算要求,都让传统的应用软件和计算方法不堪重负。
    增量计算要求、近似计算要求和归纳计算要求共同构成了大数据计算的科学问题。学者应该充分理解这些计算的特性,找到数据的关联关系,以便为大数据的分析和预测提供方法和手段。
    大数据的产业价值
    大数据的发展,既包括科学问题,也存在产业价值和经济价值问题。在大数据问题上,产业界与学术界的关注点不尽相同。互联网公司密切关注的是如何利用大数据形成新的产业链条。目前,百度、谷歌、阿里巴巴等公司正在积极研究如何利用大数据推动新的商业模式,产生新的商业链条,包括通过电子商务来建立产品的关联关系,利用大数据进行有效的电子商务分析等。
    面对新技术应用时,学术界和产业界都会形成各自的态度和方案,这一点是正常的。学术界会关注如何解决科学计算的问题,产业界可能更加关注大数据如何创造新的产业价值以及经济价值。
    在探索大数据的经济价值时,产业界的逐利性决定了部分企业不会致力于研究大数据的技术应用问题,也不会去思考大数据的长远发展问题,只是通过炒作概念,利用大数据进行投机。对这一现象,我们也不必过度担心。
    聪明的投资者会对大数据的核心价值作出判断,审慎地分析大数据和自己的关系,市场终将用脚投票。同时,学术界不会因为市场存在炒作而忽略对问题的理解,改变对研究问题走势的判断。
文章来源:
《中国经济和信息化》
用户名   密码    
文明上网 登录发帖大数据有什么作用?比如对企业,政府机构,物联网一些平台? - 知乎5被浏览335分享邀请回答1添加评论分享收藏感谢收起与世界分享知识、经验和见解大数据对政府的大影响
日16:08&&&来源:
E-mail推荐:
大数据的膨胀
  近年来,美国各级政府开始面对由数据的数量、种类和速度剧增所引发的变革浪潮。例如,2011年全球产生的数据量达 1.8ZB,并且预计将每年翻番。这一数据量相当于2000亿部时长2小时的高清电影,一个人要连续看4700万年才能看完。这种现象是企业和政府必须面对的,也是无法回避的。
  随着互联网的发展以及多种来源的信息汇集至政府机构,政府部门需要继续设法管理大量的数据。政府部门可以从传感器、卫星、社交媒体、移动通讯、电子邮件、无线射频识别设备和企业应用程序持续不断地接收数据。因此,政府领导人面临的挑战是,捕集、摄取、分析、存储和分配数据,保障数据安全,并将其转化为有意义、有价值的信息。
  美国联邦政府接收的数据量之大,令人难以置信,这使信息过载成为一项根本挑战。在数据量急速膨胀的过程中,新信息要么是未曾发现的信息,要么是未曾有过的信息。产生的问题是,如何有效地捕捉新的真知灼见。对大数据进行恰当地管理、建模、分享和转化,为从中提取新的深刻见解,并以过去根本不可能的方式做出决策,提供了机遇。简言之,政府领导面临的任务和工作挑战日益加剧,可利用的数据激增,并且过时落伍的信息管理能力完全限制了其应对能力,于是政府领导陷于进退两难之地。他们面临的问题包括:如何收集、管理和利用所有的新数据?如何保护和控制数据?如何提高组织间的信息共享,以获得更加综合且相互联系的情报?如何通过更好地了解数据的出处,并回溯至经过验证的可信数据源,从而提高数据的可信度?有哪些先进的可视化技术、工具和格式可用于表达信息,从而实现快速分析,并提出新的深刻见解?为抓住机遇,如何缩小人力资本的缺口?
  大数据的特征
  大数据是指大量、高速、复杂、变化不定的数据,需要用先进的方法和技术实现信息的收集、存储、分配、管理和分析。
  体量大、类型多和速度快是大数据的显著特征。目前,15%的信息是结构化信息,便于存储在关系型数据库中。电子邮件、视频、呼叫中心对话和社交媒体等非结构化信息占85%,这对于运用常规的业务情报工具来提取有意义的信息造成了挑战。传感器、平板电脑和移动电话等产生信息的设备继续成倍增加。随着全世界的联系更加紧密,社交网络也在加速发展。这些共享信息的选择意味着公众、政府和企业间互动方式的根本转变。
  从大数据的特征来看,数据源增加、传感器的分辨率提高,使得大数据的体量大。数据源增加、数据通讯的吞吐量提高、数据生成设备的计算能力提高,使得大数据的速度快。移动设备、社交媒体、视频、聊天、基因组学研究和各种传感器使得大数据的类型多以数据为基础的决策要可追溯,要有理有据,这使得大数据还应具备准确性的特征。
  大数据的这些特征将决定政府在大数据业务和整个大数据生态系统中收集、分析、管理、存储及分配数据的方式。
(责任编辑:万鹏、赵晶)
热点导航[新闻热词][社区互动]
&&&推荐新闻
&&&&&&&&&|&&&|
48小时排行榜
48小时评论榜
1.2.3.4.5.6.7.8.9.10.
&&?频道精选
?|?|? ? ? ?|
?基础|||会议|||文献|||事件|||专题|||图集|||视频|||

我要回帖

更多关于 人大代表评议政府部门 的文章

 

随机推荐