大数据战略：从数据大国到数据强国

资料来源:《科学技术先驱报》

这篇文章大约1200字，建议阅读5分钟。

在大数据时代，数据已经成为与物质资产和人力资源同等重要的基本生产要素。

[简介]海量数据的积累空和计算能力的指数级增长释放了深度学习算法的生产力，促进了人工智能应用的巨大发展。大数据技术和大数据产业的蓬勃发展给网上互联网和线下实体经济带来了新的增长点。

为鼓励大数据领域的技术创新和应用创新，2015年国务院发布了《促进大数据发展行动计划》，鼓励加快大数据在经济社会各领域的开发利用，催生更多新产业、新格式、新模式，推动国家、行业和企业在数据应用需求和发展水平上进入新阶段。

在成熟的内部技术条件和外部政策因素的鼓励下，中国出现了一批企业，它们已经从传统业务扩展并转变为大数据业务。通过对内部生产数据、客户数据和用户数据的分析，帮助企业实现智能决策，提高运营效率和风险管理能力。新应用、新模式层出不穷，大数据产业呈现出蓬勃发展的趋势。

毫无疑问，大数据已经成为当代科技前沿的热点和重要的基础战略资源。它的发展给科学研究范式带来了深刻的变化，为人类世界创造了更多的可能性。借此机会，《科学技术先驱报》计划出版专题《大数据战略:从大数据到大数据》。围绕以清华大学大数据研究中心为代表的大数据创新研究平台，总结大数据基础理论、核心技术和系统以及关键领域应用的研究成果和最新趋势，探讨大数据技术与各行业领域的结合模式，指出存在的问题和发展建议。

本主题包括大数据技术研发的不同主题:

从理论基础的角度出发，提出了大数据系统的代数模型和自顶向下的分析方法，这是对大数据系统复杂性和行为的一种高度抽象和全新的认知视角。本文提出了一套大数据系统数学属性的定义，讨论了大数据的认知基础及其分类模型，给出了大数据在科学、工程和社会领域的表示模式。本文概述了大数据产品的发展，并讨论了大数据产品研发的机遇和挑战。分析了大数据安全的内涵、关键技术和保障机制，指出了大数据行业面临的安全挑战和风险。分析了数据可视化的一般要求和关键研究问题，给出了交互式数据可视化工具的设计方案。本文介绍了Apache开源社区大数据管理系统的关键技术和系统优缺点。作为计算和处理的对象，数据离不开软件。数据采集和清理、集成和分析、展示和应用都离不开软件支持。在大数据时代，系统和软件工程面临两大挑战:

系统和软件工程应该根据大数据处理和分析的需要，开发支持大数据处理所有方面的软件技术和系统。在系统和软件工程的实施过程中，会涉及到大量具有大数据特征的系统运行过程数据。对这些多维数据进行全关联挖掘和机器学习，发现数据驱动的软件开发和操作规则，形成基于大数据的软件方法论。大数据应用系统涵盖了大数据整个生命周期中的多个处理环节，如数据采集、清理、集成、分析和可视化，每个环节都有许多软件工具。它们以开源软件组件的形式在大数据生态系统中“野蛮地增长”，对面向领域的大数据应用系统的构建、运行和优化提出了挑战。

全文可在“大数据战略:从大数据力量到大数据力量”中找到，该论文发表在2020年第三期《科学技术先驱报》上。

作者简介

王建民，清华大学软件学院，大数据系统软件国家工程实验室，北京工业大数据系统与应用重点实验室。

艺术经纬:黄

校对:巩俐

-完毕-

关注官方微信公众平台“艾数据派”和清华-青岛数据科学研究院姐妹号“数据派THU”，获取更多讲座收益和优质内容。

本文由 在线网速测试 整理编辑，转载请注明出处，原文链接：https://www.wangsu123.cn/news/4541.html。