论文部分内容阅读
在移动互联、万物互联、云计算和人工智能等新一代网络信息技术推动下，大数据业已成为引领信息浪潮、发展数字经济的新引擎，促进“大数据 ”、培育发展大数据产业前景广阔、潜力巨大。但无须讳言的是，当前大数据正被热炒，“大数据 ”在泛化甚至泛滥，一些地方跟风地把大数据产业作为支柱产业来打造。
信息、数据，之于人类生产生活，与生俱来、相伴相随，并直接推动着社会生产力的解放和发展。从农业时代的计数或算术到工业时代的统计，数字化的信息即数据逐渐走向科学化、规范化、标准化，影响和改变着企业经营、社会治理、区域发展和人类行为。用数据建模，靠数据决策，既是常态，也推动了管理科学发展。进一步，人类对数据的海量需求、质量需求特别是实时需求，以提高分析研判的精准性和战略决策的可行性，这催促了大数据的产生与发展。新一代网络信息技术的不断突破及商业化发展，也为大数据的爆发性增长和智能运用打开了闸门通道。
对大数据的认识和界定，不同视角和学科有所偏重，但均脱离不了海量、泛在、低价值密度、快速处理等特性。由此，多元异构、知识发现是大数据有别于统计数据的显著特征。现有统计数据，无论是测量还是手工报表、抽样调查、实地收集所得，尽管体量大、类型多、结构化、成体系且有时空坐标，因其不具有连续时点、自动生成的流量特点，严格而言，不属于数据流范畴，不能算作大数据。相对而言，大数据可以弥补统计数据的固有缺陷，虽然存在低效或无效数据量过大、多元异构等带来处理成本过高等问题，但这也是大数据价值的体现，并推动大数据从分析预判决策拓展到语言理解、机器学习、知识发现等智能运用。当然，“大数据 ”不可能离开统计数据，不要置其不顾而另起炉灶，造成不必要的浪费。
作为大数据的主体，实时在线、自动生成的数据流获得是一項系统工程，形成了数据采集、清洗、存储、分析处理、可视化、交换交易等产业链和价值链，但每个环节都需要巨大的投入。其中，数据来自哪里、怎么来、是否安全可靠、是否贴合市场，需要“云管端”的协同支撑，特别是包括传感器、智能终端、视频等在内的海量数据采集端，仅运行维护成本就不容小觑。对此，本着可承受原则，预算大数据平台的投入产出，避免一哄而上、遍地开花，既十分紧迫，又有助于“大数据 ”及其产业持续健康发展。事实上，除电子商务和电子政务外，“大数据 实体经济”及“大数据 家庭”这个巨大市场还未完全打开，产业化、家用化进程也面临不少问题，这些都需要市场和政府共同发力。
推动“大数据 ”产业化、家用化裂变，拉长大数据产业链条，必须发挥市场在资源配置中的决定性作用，更好发挥政府作用。受效率支配和效益驱动，无论是开发关键算法和技术，还是竞争应用市场，各类市场主体的想象力和爆发力惊人。相应地，政府则应该多在市场主体难以主导的发展规划、基础建设、标准制订、安全防范等方面下功夫，以问题导向攻克“大数据 ”及其产业发展进程中的难点、痛点。概括起来，政府主导下需要闯“五关”：
第一，通达关，建设高速泛在安全的信息通信设施。“要致富先修路”，发展“大数据 ”更是如此。依托信息高速公路网，“大数据 ”关键基础设施建设需要从“两端”和“一中心”发力。“两端”中的“一端”是数据采集进口端，推进光纤宽带和新一代移动通信技术全覆盖，连通“最后一公里”，保证采集的数据能上路、可入网；“一端”为骨干传输网和城域网出口带宽，保障数据的传输交换，充分体现大数据的价值和时效性。这决定了一城一地的数据传输交换速度和容量，是衡量“大数据 ”及产业发展高度的标志，是吸引大数据企业落户的硬环境。重庆应当大力争取国家支持，持续实施骨干传输网和城域网出口扩容升级工程，提升与国家级互联网同城直联能力，以适应“大数据 ”开发的需要。“一中心”指数据中心或数据池，无论是存储交换还是灾备功能，都要统一布局，预留空间。为避免重复建设，可借鉴铁塔公司的运作方式，由通信运营商共同出资组建专业公司，既负责自身，也承担政府委托的公共服务、商事服务、社会治理数据中心和其他行业、企业数据中心的建设运营。
第二，标准关，加快大数据标准化和集成化。大数据与一般生产要素最大的不同，是信息和数据价值的时间衰减非常快，即谁第一时间掌握第一手信息数据，谁就掌握了市场的主动权。“信息孤岛”“数据孤岛”无疑成为“大数据 ”发展的致命障碍，不但使海量活数据衰变为死数据，还造成财力物力浪费。导致“数据孤岛”的原因，有现实投入产出之考量，有数据安全之忧虑，还有数据多元异构造成的不对接、不匹配等。连通“数据孤岛”，推动数据开放共享，政府必须作为并大有作为。比如，党委、政府可以成立大数据标准化集成化的专业机构，开展大数据资源体系总体构架、指标口径、资源目录、标准规范和交换共享的制度设计，制定基于数据链的数据导入接口规范、元数据管理、主数据管理、数据质量评价、敏感数据使用等标准，完善公共数据归集交换、开放共享机制，建立数据交易标准规范，做好关于大数据资源管理使用领域的行政规章制定的前期工作。特别要加强党务政务、社会信用、产权交易和水电气供应的信息平台关键技术标准统一，保证数据能交换集成和开放共享。
第三，增值关，提升大数据价值。这是“大数据 ”发展的动力所在。数据既是资源也是资产，如何赋予其权属、形成定价机制，直接关系“大数据 ”能走多远，关系到大数据产业进程快慢。以大数据交易市场为平台，亟须解决的是数据资源定价问题。遵从市场供求法则，基于投入产出，大数据资源定价理应由市场来决定。但由于数据资源包含了许多难以量化的技术成分，例如数据安全和隐私保护，其定价机制不能只考虑数据的采集、安全防护成本和使用预期收益，还有不可预见的机会成本。这需要政府这只有形的手发挥有效引导作用，必要时可以强力约束，分类探索建立大数据定价机制，避免价格大起大落甚至失控。同时，政府还应进一步围绕大数据应用和资产确权，开展资产身份认证、安全认证，逐步推行大数据资源资产化。一旦资源定价、确权和资产化后，大数据流动畅通无阻，数据交易得以实现，数据资源增值效应产生，市场主体参与机制形成，“大数据 ”及其产业化进程必然加快。
第四，安全关，健全大数据安全保障体系。安全是“大数据 ”发展必须跨过去的坎，既有技术问题，更需制度约束。明确大数据获取开发权限，特别是关系国家安全和地方发展的敏感数据，只能由政府主导，并依法打击非法开发行为。实行分级管理，无论公用还是商业，所有大数据都应科学定级、明确用途。进一步重视大数据的物理性安全问题，一方面要加强技术攻关，防御外部攻击，强化内控管理，提高数据灾备等级；另一方面要加快立法进程，严厉打击网络攻击和恶意失泄密行为。对大数据使用的安全问题，实行分级授权，并赋予对等的责权利，真正做到“谁授权、谁负责”和“谁使用、谁负责”。对于人口、资源、时空基础数据和公共服务数据，要严格使用范围、用途和程序。大数据交易安全更不容忽视，可把数据的影响力评价作为前置条件，对涉及国家秘密和商业机密的，影响公众利益和社会稳定的，恶性竞争并扰乱市场秩序的，不利于本行业和相关地区发展的，不得入市交易。建立安全监测响应体系，提高大数据环境下防攻击、防泄漏、防窃取、隐私保护的监测预警、控制处置能力。
第五，人才关，加强数据工程师培养。“大数据 ”及其产业化，关键靠人才，靠技术创新和商业模式创新。兼具统计分析、计算机技术、经济管理和法律知识能力的数据工程师，正从软件工程师大类中分化出来。这需要建立数据工程师能力测评体系，开展第三方资格认证，落实人才引进优惠政策，尽快汇聚一批能满足“大数据 ”快速发展需要的人才队伍。与此同时，以大数据智能化为主攻方向，在渝相关高校可以把数据科学和工程上升为一级学科，调整优化高校专业设置，拓宽校企人才联合培养方式，着力培养并形成“业务 数据 技术”的复合型人才梯队。对比较紧缺的数据架构师和高级数据统计分析师、工程师，可实施人才带项目滚动计划，围绕紧缺人才设置开发项目，用项目聚集人才、培养人才。重点项目应向关系“大数据 ”发展的基础性、关键性研发倾斜，例如关键算法、价值挖掘理论、数据安全和隐私保护等，必须长期投入、持续投入，才能稳定壮大研发团队，实现累积突破。至于“大数据 ”及其产业化的应用开发、技术服务和运营方式变革，则主要由市场来决定。
（作者系重庆邮电大学党委常委、副校长）
信息、数据，之于人类生产生活，与生俱来、相伴相随，并直接推动着社会生产力的解放和发展。从农业时代的计数或算术到工业时代的统计，数字化的信息即数据逐渐走向科学化、规范化、标准化，影响和改变着企业经营、社会治理、区域发展和人类行为。用数据建模，靠数据决策，既是常态，也推动了管理科学发展。进一步，人类对数据的海量需求、质量需求特别是实时需求，以提高分析研判的精准性和战略决策的可行性，这催促了大数据的产生与发展。新一代网络信息技术的不断突破及商业化发展，也为大数据的爆发性增长和智能运用打开了闸门通道。
对大数据的认识和界定，不同视角和学科有所偏重，但均脱离不了海量、泛在、低价值密度、快速处理等特性。由此，多元异构、知识发现是大数据有别于统计数据的显著特征。现有统计数据，无论是测量还是手工报表、抽样调查、实地收集所得，尽管体量大、类型多、结构化、成体系且有时空坐标，因其不具有连续时点、自动生成的流量特点，严格而言，不属于数据流范畴，不能算作大数据。相对而言，大数据可以弥补统计数据的固有缺陷，虽然存在低效或无效数据量过大、多元异构等带来处理成本过高等问题，但这也是大数据价值的体现，并推动大数据从分析预判决策拓展到语言理解、机器学习、知识发现等智能运用。当然，“大数据 ”不可能离开统计数据，不要置其不顾而另起炉灶，造成不必要的浪费。
作为大数据的主体，实时在线、自动生成的数据流获得是一項系统工程，形成了数据采集、清洗、存储、分析处理、可视化、交换交易等产业链和价值链，但每个环节都需要巨大的投入。其中，数据来自哪里、怎么来、是否安全可靠、是否贴合市场，需要“云管端”的协同支撑，特别是包括传感器、智能终端、视频等在内的海量数据采集端，仅运行维护成本就不容小觑。对此，本着可承受原则，预算大数据平台的投入产出，避免一哄而上、遍地开花，既十分紧迫，又有助于“大数据 ”及其产业持续健康发展。事实上，除电子商务和电子政务外，“大数据 实体经济”及“大数据 家庭”这个巨大市场还未完全打开，产业化、家用化进程也面临不少问题，这些都需要市场和政府共同发力。
推动“大数据 ”产业化、家用化裂变，拉长大数据产业链条，必须发挥市场在资源配置中的决定性作用，更好发挥政府作用。受效率支配和效益驱动，无论是开发关键算法和技术，还是竞争应用市场，各类市场主体的想象力和爆发力惊人。相应地，政府则应该多在市场主体难以主导的发展规划、基础建设、标准制订、安全防范等方面下功夫，以问题导向攻克“大数据 ”及其产业发展进程中的难点、痛点。概括起来，政府主导下需要闯“五关”：
第一，通达关，建设高速泛在安全的信息通信设施。“要致富先修路”，发展“大数据 ”更是如此。依托信息高速公路网，“大数据 ”关键基础设施建设需要从“两端”和“一中心”发力。“两端”中的“一端”是数据采集进口端，推进光纤宽带和新一代移动通信技术全覆盖，连通“最后一公里”，保证采集的数据能上路、可入网；“一端”为骨干传输网和城域网出口带宽，保障数据的传输交换，充分体现大数据的价值和时效性。这决定了一城一地的数据传输交换速度和容量，是衡量“大数据 ”及产业发展高度的标志，是吸引大数据企业落户的硬环境。重庆应当大力争取国家支持，持续实施骨干传输网和城域网出口扩容升级工程，提升与国家级互联网同城直联能力，以适应“大数据 ”开发的需要。“一中心”指数据中心或数据池，无论是存储交换还是灾备功能，都要统一布局，预留空间。为避免重复建设，可借鉴铁塔公司的运作方式，由通信运营商共同出资组建专业公司，既负责自身，也承担政府委托的公共服务、商事服务、社会治理数据中心和其他行业、企业数据中心的建设运营。
第二，标准关，加快大数据标准化和集成化。大数据与一般生产要素最大的不同，是信息和数据价值的时间衰减非常快，即谁第一时间掌握第一手信息数据，谁就掌握了市场的主动权。“信息孤岛”“数据孤岛”无疑成为“大数据 ”发展的致命障碍，不但使海量活数据衰变为死数据，还造成财力物力浪费。导致“数据孤岛”的原因，有现实投入产出之考量，有数据安全之忧虑，还有数据多元异构造成的不对接、不匹配等。连通“数据孤岛”，推动数据开放共享，政府必须作为并大有作为。比如，党委、政府可以成立大数据标准化集成化的专业机构，开展大数据资源体系总体构架、指标口径、资源目录、标准规范和交换共享的制度设计，制定基于数据链的数据导入接口规范、元数据管理、主数据管理、数据质量评价、敏感数据使用等标准，完善公共数据归集交换、开放共享机制，建立数据交易标准规范，做好关于大数据资源管理使用领域的行政规章制定的前期工作。特别要加强党务政务、社会信用、产权交易和水电气供应的信息平台关键技术标准统一，保证数据能交换集成和开放共享。
第三，增值关，提升大数据价值。这是“大数据 ”发展的动力所在。数据既是资源也是资产，如何赋予其权属、形成定价机制，直接关系“大数据 ”能走多远，关系到大数据产业进程快慢。以大数据交易市场为平台，亟须解决的是数据资源定价问题。遵从市场供求法则，基于投入产出，大数据资源定价理应由市场来决定。但由于数据资源包含了许多难以量化的技术成分，例如数据安全和隐私保护，其定价机制不能只考虑数据的采集、安全防护成本和使用预期收益，还有不可预见的机会成本。这需要政府这只有形的手发挥有效引导作用，必要时可以强力约束，分类探索建立大数据定价机制，避免价格大起大落甚至失控。同时，政府还应进一步围绕大数据应用和资产确权，开展资产身份认证、安全认证，逐步推行大数据资源资产化。一旦资源定价、确权和资产化后，大数据流动畅通无阻，数据交易得以实现，数据资源增值效应产生，市场主体参与机制形成，“大数据 ”及其产业化进程必然加快。
第四，安全关，健全大数据安全保障体系。安全是“大数据 ”发展必须跨过去的坎，既有技术问题，更需制度约束。明确大数据获取开发权限，特别是关系国家安全和地方发展的敏感数据，只能由政府主导，并依法打击非法开发行为。实行分级管理，无论公用还是商业，所有大数据都应科学定级、明确用途。进一步重视大数据的物理性安全问题，一方面要加强技术攻关，防御外部攻击，强化内控管理，提高数据灾备等级；另一方面要加快立法进程，严厉打击网络攻击和恶意失泄密行为。对大数据使用的安全问题，实行分级授权，并赋予对等的责权利，真正做到“谁授权、谁负责”和“谁使用、谁负责”。对于人口、资源、时空基础数据和公共服务数据，要严格使用范围、用途和程序。大数据交易安全更不容忽视，可把数据的影响力评价作为前置条件，对涉及国家秘密和商业机密的，影响公众利益和社会稳定的，恶性竞争并扰乱市场秩序的，不利于本行业和相关地区发展的，不得入市交易。建立安全监测响应体系，提高大数据环境下防攻击、防泄漏、防窃取、隐私保护的监测预警、控制处置能力。
第五，人才关，加强数据工程师培养。“大数据 ”及其产业化，关键靠人才，靠技术创新和商业模式创新。兼具统计分析、计算机技术、经济管理和法律知识能力的数据工程师，正从软件工程师大类中分化出来。这需要建立数据工程师能力测评体系，开展第三方资格认证，落实人才引进优惠政策，尽快汇聚一批能满足“大数据 ”快速发展需要的人才队伍。与此同时，以大数据智能化为主攻方向，在渝相关高校可以把数据科学和工程上升为一级学科，调整优化高校专业设置，拓宽校企人才联合培养方式，着力培养并形成“业务 数据 技术”的复合型人才梯队。对比较紧缺的数据架构师和高级数据统计分析师、工程师，可实施人才带项目滚动计划，围绕紧缺人才设置开发项目，用项目聚集人才、培养人才。重点项目应向关系“大数据 ”发展的基础性、关键性研发倾斜，例如关键算法、价值挖掘理论、数据安全和隐私保护等，必须长期投入、持续投入，才能稳定壮大研发团队，实现累积突破。至于“大数据 ”及其产业化的应用开发、技术服务和运营方式变革，则主要由市场来决定。
（作者系重庆邮电大学党委常委、副校长）