大数据意识不够

① 如何正确认识大数据的价值和效益

1、数据量大是大数据具有价值的前提。

当数据量不够大时，它们只是离散的“碎片”，人们很难读懂其背后的故事。随着数据量不断增加，达到并超过某个临界值后，这些“碎片”就会在整体上呈现出规律性，并在一定程度上反映出数据背后的事物本质。

这表明，数据量大是数据具有价值的前提，大数据具有大价值。大数据的“大”是相对的，与所关注的问题相关。通常来说，分析和解决的问题越宏观，所需要的数据量就越大。

2、数据关联是大数据实现价值的基础。

运用大数据解决的问题通常涉及多部门、多领域、多个体、多视角，单纯的数据量的积累不一定能让人认识事物的全局，只有将不同侧面、不同局部的数据汇聚起来并加以关联，才能产生对事物的整体性和本质性认识。

数据汇聚使数据可能产生价值，数据关联使数据实现价值，因此必须推动数据开放共享。政府、企业是大数据的主要拥有者。要推动大数据转化为发展动能，就要保障数据供给和合理合法开放共享。

3、计算分析使大数据最终产生价值。

大数据通常价值巨大但价值密度低，很难通过直接读取提炼价值。只有通过综合运用数学、统计学、计算机等工具进行大数据分析，才能使大数据产生价值，完成从数据到信息再到知识和决策的转换。

大数据价值链包括数据采集、流通、储存、分析与处理、应用等环节，其中分析与处理是核心。如果只存储不分析，就相当于只买米不做饭，产生不了实际效益。

当前，我国大数据产业在某些环节（如储存）过于集中，有产能过剩之虞，但在分析与处理环节的产能又严重不足，这应引起关注。还要看到，传统用于分析数据的统计学方法和数据挖掘方法对于大数据并不适用，必须重建大数据的统计学基础、计算基础与数据挖掘方法基础。

4、广泛使用使大数据效益倍增。

大数据及其产品具有易复制、成本低、叠加升值、传播升值等特点，能够被广泛、重复、叠加使用，具有较高的边际效用和正外部性。同一组数据不仅可以在合理合法的前提下以较低成本提供给不同使用方，使单一数据服务多个主体。

而且还可以针对不同目的、使用不同方法进行分析，使单一数据产生多样价值。因此，大数据能够一次投入、反复使用，产生倍增效益，有利于提升各行各业应用数据解决困难和问题的能力。

5、大数据是新型生产要素和重要的基础性战略资源，蕴藏着巨大价值，经过深入挖掘并加以应用，能够有力推动经济转型发展，重塑国家竞争优势，提升国家治理现代化水平。

大数据是能够靠制度、积累、科技撬动的，因而可以成为欠发达地区异军突起的发展驱动力。大数据具有通用技术性，可以广泛而深入地应用于企业生产、政府管理和社会治理、民生改善等各个领域。

产生难以估量的价值和效益。各级领导干部、企业家、创业者乃至全民都应形成大数据思维，提高自觉、合法、有效利用大数据的意识，增强利用数据推进各项工作的本领，使大数据在经济社会发展中发挥更大作用。

② 我国发展大数据存在哪些问题

您好，一是信息孤岛普遍存在。跨部门、跨行业的数据共享仍不顺畅，有价值的公共信息资源和商业数据开放程度低，基本处于死锁状态，无法顺畅流动。
二是对大数据产业发展规律认识不足。全社会尚未形成对大数据产业发展规律的客观、科学的认识，一些地方误将数据中心建设视为大数据产业发展重点，盲目追逐硬件设施投资，轻视了数据资源汇聚、积累、处理与应用能力建设，未能主动推进大数据产业发展与应用需求间的对接。
三是技术创新与支撑能力不足。大数据需要从底层芯片到基础软件再到应用分析软件等信息产业全产业链的支撑，无论是新型计算平台、分布式计算架构，还是大数据处理、分析和呈现方面与国外均存在较大差距，难以满足各行各业大数据应用需求。
四是数据资源建设和应用水平低。用户普遍不重视数据资源的建设，即使有数据意识的机构也大多只重视数据的简单存储，很少针对后续应用需求进行加工整理。数据资源普遍存在质量差，标准规范缺乏，管理能力弱，数据价值难以被有效挖掘利用的问题。
五是信息安全和数据管理体系尚未建立。数据所有权、隐私权等相关法律法规和信息安全、开放共享等标准规范缺乏，技术安全防范和管理能力不够，尚未建立起兼顾安全与发展的数据开放、管理和信息安全保障体系，制约了大数据发展。
六是人才队伍建设亟须加强。综合掌握数学、统计学、计算机等相关学科及应用领域知识的综合性数据科学人才缺乏，远不能满足发展需要，尤其是缺乏既熟悉行业业务需求，又掌握大数据技术与管理的综合型人才。

③ 大学生怎么运用大数据建设社会主义

一、大数据及其特点
大数据目前尚无明确定义。维基网络对大数据的定义是：大数据是指所涉及的数据量规模巨大到无法通过目前主流软件工具，在合理时间内达到截取、管理、处理并整理成为帮助企业经营决策更积极目的的信息【1】。徐子沛在《大数据》一书中将大数据定义为：指那些大小已经超出了传统意义上的尺度，一般的软件工具难以捕捉、存储、管理和分析的数据【2】。《大数据时代》的作者维克·托迈尔·舍恩伯格认为，“大数据是人们在大规模数据的基础上可以做到的事情，而这些事情在小规模数据的基础上是无法完成的。大数据是人们获得新的认知、创造新的价值的源泉；大数据还是改变市场、组织机构，以及政府与公民关系的方法。”【3】8-9《人民日报》在采访他时，他曾说：“在我看来，大数据是一种价值观、方法论，我们面临的不是随机样本，而是全体数据；不是精确性，而是混杂性；不是因果关系，而是相关关系。这是一场思维的大变革，更是一个互动的过程——你可以用不同的角度、不同的方式去做大数据，并得到不一样的结果与好处。”【4】据此，笔者认为：大数据是大规模数据中，可以通过有效技术手段快速获取、存储、管理并分析出可以推动社会发展的有价值的数据。
目前普遍认可大数据的四个基本特征，即4V特性：规模大（Volume）、来源广泛且类型多样（Variety）、获取及处理速度快（Velocity）、价值密度低（Value）。
数据规模大（Volume）。现代意义上的“数据”，范畴比信息还要大。进入信息时代，“数据”二字的内涵开始扩大：不仅指代“有根据的数字”，还统指一切保存在电脑中的信息，包括文本、图片、视频等。数据也逐渐成为“数字、文本、图片、视频”等的统称，也即“信息”的代名词。【6】256-257
数据来源广泛、类型多样（Variety）。信息时代，数据的获取途径不仅限于计算，还包括大记录，即人们通过手机、个人电脑、ipad等终端上传到网络的海量数据以及个人存储在手机、个人电脑等终端中的数据。数据的类型也不再局限于原始的计算数据、结构化数据，还包括人们在日常生活中随手记录、保存、上传至网络平台的图片、音频、视频等非结构化数据。
数据获取及处理速度快（Velocity）。数据来源的多样化致使数据日益公开化、社会化，数据获取更为方便、快捷、全面。伴随大数据发展而诞生的数据处理技术使得数据处理速度远远快于传统数据时代，数据处理日益规模化、软件化、智能化。
价值密度低（Value）。价值密度的高低与数据总量的大小成反比，大数据本身的价值密度是相对较低的，需要对海量的数据进行挖掘分析才能得到真正有用的信息，形成用户价值。【5】基于海量数据基础上形成的某一领域或某一特定内容形成的信息，相关性更强、信息更为全面，效果更佳明显，价值高于传统小数据分析得出的结论。
二、依托大数据推动社会主义核心价值观建设的重要性
大数据已经融入到大学生日常生活中，大学生学习、生活、工作无处不体现大数据。一方面，大学生通过互联网获取学习资料、娱乐资讯、工作模板，成为大数据的享用者；另一方面，大学生搜索、下载学习资料留下数据痕迹，在微博等社交网络平台发表状态、上传生活照片以及工作过程中通过网络发布通知、活动内容，成为大数据的贡献者。大数据与大学生息息相关，透过大学生可以了解学生的思想动态，亦可推动社会主义核心价值观建设。
（一）大数据为社会主义核心价值观建设提供良好的环境。
徐子沛在《数据之巅：大数据革命，历史、现实与未来》中提到一个案例：2013年7月，有报道称，华东师范大学的一位女生收到校方的短信：“同学你好，发现你上个月餐饮消费较少，不知是否有经济困难？”这条温暖的短信也要归功于数据挖掘：校方通过挖掘校园饭卡的消费数据，发现其每顿的餐费都偏低，于是发出了关心的询问，但随后发现这是一个美丽的错误——该女生其实是在减肥。【6】275这个案例说明可以通过大数据了解实时了解学生状态，在当前东西方价值观激烈碰撞的环境下，通过分析数据可以了解并掌握学生思想动态，做到早发现、早处理，对于为社会主义核心价值观建设提供良好的环境有极为重要的意义。
（二）大数据为社会主义核心价值观建设提供更为行之有效的方法。
价值观教育并非一成不变、形式单一，目前高校社会主义核心价值观教育方式主要有课堂教学、主题班会、高校讲座、社会实践以及网络自主获取等形式。那么，这些方式哪些是学生更喜闻乐见、接受主动性更强的方式？有没有尚未发掘的、学生潜意识中更易于接受的价值观教育方式？以课堂教学为例，学生是更倾向于教师讲课学生听的形式还是互动教学形式？如果把视频教学纳入到课堂教学中，那么视频内容是什么样的，多长的视频最优化，以何种形式展现，等等，都是值得探讨的问题。问卷调查、抽样调查等方式获取的数据量小、不够全面、不完全具有代表性，且学生填写调查问卷具有自我意识，问卷结果未必是学生真实想法。大数据是通过高校大学生在网络上发布海量资讯中获取，如学生通过QQ、微信、飞信等沟通软件，人人网、新浪微博、大学生在线等网络社交平台以及邮箱、Dropbox等数据共享平台发布的数据。数据更公开、更广泛、更全面、更真实，通过分析得出的结论更具有说服力。通过分析高校大学生思想动态大数据，可以全面、时时了解学生接受价值观教育的趋向性方式。依据不同年级、不同专业、不同高校学生特点，采用不同形式进行价值观教育，真正做到“因材施教”。
（三）大数据有效掌握高校社会主义核心价值观建设动态情况。
社会主义核心价值观建设是一项艰巨的长期工程，其过程具有动态性、延展性，需要提前、时时把握价值观建设状态、发展动态、发展趋势，随时调整价值观建设的方法、形式、重点。基于网络数据的信息挖掘，不需要逐一调查，成本低廉，更重要的是，这种分析是实时的，没有滞后性【6】268。
三、依托大数据推动社会主义核心价值观建设的途径
（一）树立大数据观念
大数据绝不仅仅是科研的高端产品，大数据存在于我们的日常生活中。沃尔玛通过数据挖掘发现顾客潜在意识——父亲在买尿布时往往会顺便买啤酒——捆绑“啤酒和尿布”提高销量；亚马逊通过数据挖掘——分析顾客的购买规律——“预判发货”，即在网购时，顾客还没有下单，亚马逊就将包裹寄出；奈飞公司利用客户的网上点击记录，预测其喜欢观看的内容，实现精准营销。
在高校中，数据和数据分析的价值更是随处可以得到体现，高校思想政治教育工作已经具备了大数据的特征【7】。建设核心价值观，充分发挥大数据的价值，需要高校学生工作者强化大数据意识，提高对数据的敏感意识、前瞻意识，培养数据共享意识、动态意识，数据不是一成不变的，要不断接受新数据、挖掘新信息。根据对数据的分析，个性化推动社会主义核心价值观建设。
（二）建立大数据库
数据是大数据时代社会主义核心价值观建设的基础。建立大数据库的方式有两种：对内，汇总校园内通过高校信息网络中心的数据及学生在各平台发布的信息；对外，搜集政府、社会发布的与核心价值观建设相关的信息。学校电子网络信息、学生交流使用的网络电子平台、校园各单位为方便服务管理而统计保存的各种信息汇总以及校园安全服务网络使用的摄像头、门禁器等产生的信息数据。
（三）培养大数据工作队伍
光有数据没有分析人才，那么数据永远只是一堆数字，没有任何价值。大数据价值密度低的特点要求数据分析者设计能完成特定任务的软件或程序，智能分析海量数据。高校社会主义核心价值观建设工作人员主要以高校学生工作处、思政教师及辅导员为主，需要在这批人员中培养一批思想政治觉悟高、政治理论水平高人员专门从事该项事务，提高他们的大数据意识和大数据处理能力，适应大数据时代社会对大学生数据能力的需求。

④ 《给孩子讲大数据》：增强数据意识，打造数据思维

大数据究竟是什么？它和我们熟知的数字、数学又有着什么样的联系？大数据对孩子们的生活又产生了什森猛么样的影响？《给孩子讲大数据》详细介绍了大数据的相关知识，为孩子们打开了大数据之门，可以增强孩子们的数据意识，让孩子们练就数据思维。

《给孩子讲大数据》回溯了大数据的发展历程，详细介绍了大数据在中大纳外 历史 重大事件中的全方位应用，从远古时期的刻痕计数、物物交换到货币的发明、数学的发展；从硅谷的诞生、鼠标的发明，再到 科技 发展背后的数据支撑……该书系统讲解了这些大数据的应用滚春没，还讲述了一些大数据专家的故事，可以让孩子们全面了解大数据背后鲜为人知的 历史 ，深入感受数据的力量。

《给孩子讲大数据》将中小学数学课堂必学知识点巧妙地融入故事中，比如“数”的产生、分类计数、数据的整理和分析、统计调查、指数运算等，可以帮助孩子们更好地学习数学。该书还加入了大量有趣的插图，还有数据可视化图表，与内容相辅相成，可以激发孩子们的阅读兴趣，让孩子们更全面了解大数据的相关知识，并引导孩子们用大数据的思维和眼光看世界。

⑤ 如何用大数据解决办案中的意识形态问题

在办案中，意识形态问题往往涉及到相关人员的价值观、信仰、情感等方面，具有复杂性和主观性。使用大数据技术可以从多个角度收集、分析、处理大量的数据，从而更客观、全面地了解相关事实和规律，帮助解决意识形态问题。在办案中，意识败镇形态问题往往涉及到相关人员的价值观、信仰、情感等方面，具有复杂性和主观性。使用大数据技术可以从多个角度收集、分析、处理大量的数据，从而更客观、全面地了解相关事实和规律，帮助解决意察庆粗识形态问题。根据大数据平台，以下是一些应用方法：
1、基于大数据的舆情监测：通过搜索引擎、社交媒体等平台对相关话题进行监测和分析，掌握舆论动态、舆情变化趋势，预测事件走向，并就此制定反应策略。
2、数据挖掘与分析：从海量数据中提取关键信息、抽象规律，发现隐藏在数据背后的因果关系和联系，为案件调查和研判提供支持和参考。
3、语言模型与情感分析：利用自然语言处理技术，对大量文本数据进行语义理解和情感差锋分析，获取相关人员的言论、态度、情感等信息，更好地理解其意愿和行为动机。
4、可视化分析与展示：将大数据结果以图表、地图、词云等形式直观呈现，帮助检察机关、律师、法官等相关人员更好地理解案件信息和分析结果，以便做出更准确的决策。

⑥ 如何看待我国大数据发展

随着信息技术和人类生产生活交汇融合，全球数据呈现爆发增长、海量集聚的特点。无论是国家、企业还是社会公众，都越来越认识到数据的价值。因此，近年来，各地纷纷成立大数据发展局，企业纷纷推动数据资产治理，大数据辐射的行业也从传统的电信、金融逐渐扩展到工业、医疗、教育等。一时间，仿佛各行各业都在谈大数据，人人都在谈大数据。但也有声音说大数据迎来了“七年之痒”，面对大数据热潮也需要一些“冷思考”。我国大数据究竟发展得如何？未来我国大数据发展还有哪些机遇和挑战？

1、大数据产业进展显著
过去几年，大数据理念已经深入人心，“用数据说话”已经成为所有人的共识，数据也成了堪比石油、黄金、钻石的战略资源。五年来，我国大数据产业政策日渐完善，技术、应用和产业都取得了非常明显的进展。
在政策方面，我国从中央到地方的大数据政策体系已经基本完善，目前已经进入落地实施阶段。自从2014年“大数据”这个词写入政府工作报告以来，我国大数据发展的政策环境掀开了全新的篇章。在顶层设计上，国务院《促进大数据发展行动纲要》对政务数据共享开放、产业发展和安全三方面做了总体部署。《政务信息资源共享管理暂行办法》《大数据产业发展规划（2016-2020）》等文件也都已经出台。十九大报告中提出“推动大数据与实体经济深度融合”，“十三五”规划中提出“实施国家大数据战略”。卫健、农业、环保、检察、税务等部门还出台了领域大数据发展的具体政策。截至2019年初，所有省级行政区都发布了大数据相关的发展规划，十几个省市设立了大数据管理局，8个国家大数据综合试验区、11个国家工程实验室启动建设。可以说，大数据的政策体系已经基本搭建完成，目前已经纷纷进入落地实施甚至评估检查阶段。
在技术方面，我国大数据技术发展属于“全球第一梯队”，但国产核心技术能力严重不足。我国独有的大体量应用场景和多类型实践模式，促进了大数据领域技术创新速度和能力水平，处于国际领先地位。在技术全面性上，我国平台类、管理类、应用类技术均具有大面积落地案例和研究；在应用规模方面，我国已经完成大数据领域的最大集群公开能力测试，达到了万台节点；在效率能力方面，我国大数据产品在国际大数据技术能力竞争平台上也取得了前几名的好成绩；在知识产权方面，2018年我国大数据领域专利公开量约占全球的40%，位居世界第二。但我国大数据技术大部分为基于国外开源产品的二次改造，核心技术能力亟待加强。例如，目前国内主流大数据平台技术中，自研比例不超过10%。
在产业方面，我国大数据产业多年来保持平稳快速增长，但面临提质增效的关键转型。2018年，我国大数据产业延续多年来的增速，继续保持相对高速的增长。根据中国信息通信研究院的测算，2018年我国大数据产业整体规模有望达到5400亿元，同比增长15%。然而，综合国内外环境、新兴技术发展等多种因素，大数据产业的增速出现了下滑。我国的大数据产业也面临着从高速发展向高质量发展的关键转型期。
在应用方面，大数据的行业应用更加广泛，正加速渗透到经济社会的方方面面。随着大数据工具的门槛降低以及企业数据意识的不断提升，越来越多的行业开始尝到大数据带来的“甜头”。无论是从新增企业数量、融资规模还是应用热度来说，与大数据结合紧密的行业正在从传统的电信业、金融业扩展到政务、健康医疗、工业、交通物流、能源行业、教育文化等，行业应用“脱虚向实”趋势明显，与实体经济的融合更加深入。
2、产业的五大困局
虽然我国大数据总体发展形势良好，也面临难得的发展机遇，但仍然存在一些困难和问题。
一是，涉及核心技术的产业发展薄弱，未能有效提升我国核心技术竞争力。核心技术的影响力在大数据产业有着极高的重要性。由于大数据企业在完成产品开发后，可以近乎零成本无限制的复制，因此拥有核心技术的大企业，很容易将技术优势转化为市场优势，即凭借具体的信息产品赢得海量用户获得垄断地位。当前，从大数据技术与产品的供给侧看，我国虽然在局部技术实现了单点突破，但大数据领域系统性、平台级核心技术创新仍不多见。大数据处理工具都是“他山之石”，大部分企业用的都是国外的数据采集、数据处理、数据分析、数据可视化技术，自主核心技术突破还有待时日。尤其是开源产品的技术标准方面，我国的影响力尚亟待提升。
二是，数据孤岛和壁垒降低了大数据产业资源配置效率。大数据产业发展必须实现数据信息的自由流动和共享，如果数据不开放、不共享，数据整合就不能实现，数据价值也会大大降低。无论是政府数据、互联网数据还是其他数据，数据拥有者往往不愿对其进行开放流通。受制于前期信息基础设施建设，目前我国政府数据往往还存在着诸多“数据孤岛”和“数据烟囱”，数据价值难以发挥。
三是，数据安全管理薄弱增加了大数据产业的发展风险。大数据技术为经济社会发展带来创新活力的同时，也使数据安全、个人信息保护乃至大数据平台安全等面临新威胁与新风险。海量多源数据在大数据平台汇聚，来自多个用户的数据可能存储在同一个数据池中，并分别被不同用户使用，极易引发数据泄露风险。利用大数据技术对海量数据（21.90 -5.19%,诊股）进行挖掘分析所得结果可能包含涉及国家经济社会等各方面的敏感信息，需要对分析结果的共享和披露加强安全管理。
四是，产业垄断与恶性竞争现象频发，“劣币驱逐良币”现象明显。由于资源型产业门槛低、利润高，新兴的大数据企业往往首先将目光盯在获取数据资源上面。大量依托数据资源优势的企业诞生，为大数据产业带来了低附加值的垄断经济模式，使得依靠技术壁垒打江山的企业不得不面对残酷的市场竞争，放缓了技术研发的步伐。同时，数据垄断问题也愈发明显。少数互联网巨头企业拥有巨大数据，不但对产业发展不利，甚至存在巨大的数据聚集隐患。
五是，各地发展同质化严重，普遍存在重存储轻应用的现象。由于缺乏统一的大数据产业分类统计体系和产业运行监测手段，各地大数据产业的定位相似，同质化竞争加剧。而盲目的重复建设，更是可能导致大数据产业过剩。同时，由于部分地区信息化发展程度有限，大数据应用场景不够丰富，更是以数据中心等大数据存储设施的建设作为发展大数据产业的关键，且规模巨大，目标动辄以百万台计，后期若无法有效利用，将造成巨大的资源浪费。

⑦ 大数据安全面临哪些风险及如何防护

现如今大数据已经逐渐改变了我们的生活方式，成为必不可少的存在，在我们享野首受大数据给我们带来的便利时，安全性无论对于企业还是个人都是必须要解决的重大课题。

总结大数据面临的三大风险问题如下

1.个人隐私问题凸显

例如大数据中的精准营销定位功能，通常是依赖于高度采集个人信息，通过多种关联技术分析来实现信息推广，精准营销。企业会掌握用户大量的数据，不排除隐私部分的敏感数据，一旦服务器遭到不法分子攻击导致数据泄露，很可能危及用户的隐私、财产甚至是人身安全。

2.数据准确与权威性

大数据通过各种渠道获取大量数据进行计算分析，企业通常直接通过分析结果进行支持决策，有时候企业只看结果，却忽略了源头数据的准确性，不准确的数据直接影响大数据分析的结果和企业的利益，错误的指导会对企业带来一定的风险与损失。

3.基础设施维护压力

数据量越大，对基础设施的性能要求就越高，同样对于网络的安全、恢复、防范依赖性就越强，一定程度上对企业设施安全的维护造成了压力，基础设施建设不完善、维护不到位，抱有没出问题就得过且过的态度，时刻面临被攻击的危险可能。

针对上述问题的防护措施如下

1.对用户早脊哗而言

虽然在互联网时代下要完全保护自己的隐私是比较困难的，但也要加强自身信息的防范意识。注册账号时，遵循最少原则，不要随意泄露敏感信息，降陆行低隐私信息被泄露的危险；

2.对企业而言

加强数据安全管理，实现数据的治理与清洗，从源头保证数据的一致性、准确性。首先升级基础服务器环境，建立多重防护、多级互联体系结构，确保大数据处理环境可信度。其次全方位实时监控、审计、防护，防止敏感数据泄露、丢失，确保数据风险可控，并不断通过体系化的大数据安全评估，形成数据安全治理的闭环管理；

3.对政策而言

应该加强对数据信息的保护，对数据的使用进行一定的监管与限制，对非法盗用、滥用数据信息者严惩，之后加强对技术安全研发使用的推广与实施，保证数据安全，加强对数据治理的力度。

大数据时代的到来，可以为我们的生活带来切实的利益，行业的数据规范正在建立并逐步趋于完善，对于我们来说，既不要因为安全风险问题而排斥大数据，也不要疏忽于对个人/企业信息的保护，合理看待和利用大数据，让其发挥真正的价值。

⑧ 如何正确认识大数据的价值和效益

1、数据使用必须承担保护的责任与义务

我国数据流通与数据交易主要存在以下问题：数据源活性不够，数据中介机构还处于起步阶段；多源数据的汇集技术尤其是非结构化数据分析技术滞后；缺乏熟悉不同行业并掌握在特定领域使用数据技术的人才。

数据的价值在于融合与挖掘，数据流通、交易有利于促进数据的融合和挖掘，搞活数据从而产生效益。数据共享开放、流通交易和数据保护及数据安全对数据技术提出严峻挑战，对法律的制定及执行提出了很高要求。为此，数据使用必须承担保护的责任与义务。

⑨ 大数据 掌握话语权要关注基础技术

大数据：掌握话语权要关注基础技术

《2015年中国大数据交易白皮书》显示，预计到2020年，中国大数据产业市场规模将是2014年规模的10倍，由2014年的767亿元扩大至8228.81亿元。全球大数据市场高速增长，已经成为全球IT领域中的增长亮点。在中国尽管大数据仍处于起步阶段，但各地发展大数据的积极性较高，行业应用推广迅速。在这个热情高涨的大数据市场，中国要想进一步释放大数据的价值，掌控大数据的技术话语权，必须关注大数据的基础技术。

眼下，虽然中国对大数据的热情很高，但我们必须看到目前中国在大数据关键技术上的布局其实是有所欠缺的。目前世界各国都在抢先布局大数据的关键技术、基础技术，因为从目前的技术架构和技术基础来看，用现成的技术来解决大数据的问题还面临诸多的挑战。不久前，IBM中国研究院院长沈晓卫接受《中国电子报》记者采访时坦言，我们要想真正从数据中获得洞察、获得价值，需要更高效、更智能的数据处理和分析平台，以及相应的工具。其一，传统的IT技术，需要有更大的突破。比如物联网处理系统需要一秒钟处理上百万信息，比如对非结构化的数据进行存储和处理，需要新的技术。其二，需要引入物理模型来模拟物理世界。比如对天气的理解，比如对疾病的风险控制的理解，比如对智能工厂的理解，都需要构建大量的物理模型，并挑出更合适的模型，对物理世界作出更好的模拟和理解。其三，需要更强大的认知计算，要求认知计算有更强大的自然语言的能力、更强的机器学习能力等。

基于对市场需求和技术趋势的判断，事实上国外IT巨头在大数据的关键技术上投入了大量人力、物力和财力来进行关于大数据关键技术的研发。我们大家都知道现在谈及大数据的利用，一定都会提及开源的Hadoop技术，事实上对于大数据的利用仅仅依靠Hadoop是不够的。我们朝向产业互联网推进时面临非常多的挑战，我们的计算架构、计算模式也面临很大挑战。比如传统的计算机分析和数据整理方式，首先是收集数据，然后储存在数据库程序中，然后在收到请求后搜索这些数据。这是一个高效的处理方式，但却是一个紧绷的结构，而且通常会造成时间的浪费。而在流计算当中，高级软件的运算法则在接收流数据时就开始对其进行分析。流计算在实时数据分析领域具有巨大的应用空间，包括天气、江河、电力、股票交易等等。但目前，中国的IT产业在流计算方面并没有太多的话语权。面对大数据的挑战，有非常多类似流计算的新技术，关键技术都需要中国IT企业做更多的布局，只有这样，我们的大数据发展，大数据利用才不会变成“无根”的产业。

事实上不仅仅是在平台和工具等基础技术维度，中国要想在大数据领域拥有更大的话语权，更好地释放数据的价值，还必须在数据模型的维度、在数据科学家等维度进行大量的投入。目前全球前1500强的企业都有自己的数据科学家。据国外职业人士社交网站LinkedIn公布的2014年最受雇主喜欢、最炙手可热的25项技能，统计分析和数据挖掘技能位列榜首。研究机构Gartner预测，2015年，全球将新增440万个与大数据相关的工作岗位，25%的组织将设立首席数据官职位。

不久前，阿里云宣布启动阿里云大学合作计划AUCP，联合国内8所高校开设云计算与数据科学专业方向，目标是到大学里培养大数据的科学家。应该说阿里巴巴是国内企业中“大数据意识”觉醒比较早的企业。对于大数据这样的应用学科的人才培养，需要充分借助企业的资源。在国外企业中，IBM对于全球大数据的人才培养投入了巨大资源，已与全球1000多所大学一同合作，构建一个输送数据科学家的“通道”。

推进大数据应用需要大量的数据科学家，需要教育体系更重视大数据的人才培养，需要更多的领先企业参与进来，仅仅有阿里巴巴或者是IBM是远远不够的。

以上是小编为大家分享的关于大数据 掌握话语权要关注基础技术的相关内容，更多信息可以关注环球青藤分享更多干货

⑩ 如何培养学生的数据分析观念

  在大数据时代，用数据说话成了常态，作为社会人，其数据分析能力尤为重要。那么如何培养学生的数据分析观念呢？

  首先，教师要筛选出能激发学生研究要求的好的问题素材。如在疫情停课不停学期间，我们利用小学阶段学猜团生已经掌握的统计知识，让学生根据自己所调查的西安、宝鸡、杨凌三所城市的疫情情况，完成一份数学研究报告——《疫情我关注》。学生通过调查数据，整理数据，绘制统计图，并弊枣对图中的数据进行简单的分析，形成研究报告。这个问题是学生所熟悉的、感兴趣的，希望研究的，将此研究素材作为学习的载体，能够激发学生的兴趣，进而产生数据收集、分析的需求。学生对数据进一步解读和分析的过程中形成自己的观点：有的对疫情情况进行了预测，有的对疫情期间的居家生活提出了合理化建议，有的对疫情防控给了自己的建议……

  其次，为学生提供充足的自主研究空间，进而让学生体会数据分析的价值。有了好问题，还需租兆拆要教师为学生创设数据分析的时间与空间，让学生拥有研读信息、分析数据的平台，才能真正做到提高学生的数据分析能力。

  总之，首先教师要有双发现“数据”的慧眼，选择合适学生研究的载体，设计出好问题；其次教师要敢于放手，让学生亲历数据分析的过程，让学生读数据、找联系、深思考。只有这样才能激发学生数据分析意识、提高数据分析能力，进而形成数据分析观念。