2018年大数据白皮书_57页_1mb

CAICT大数据白皮书（2018年）总结

核心内容

本白皮书由中国信息通信研究院发布，是继2014年和2016年后第三次发布的大数据发展报告。白皮书全面梳理了我国大数据在政策、技术、产业、应用等方面的发展现状和趋势，重点分析了大数据与实体经济融合、政务大数据发展、地方大数据产业布局、数据资产管理及数据立法等方面的内容，旨在推动大数据技术与应用的健康发展，实现从“数据大国”向“数据强国”的转变。

主要观点

• 政策层面：大数据成为国家战略重点，相关政策不断出台，推动数据开放、共享和应用，强调数据治理和数据安全。
• 技术层面：大数据技术体系逐步完善，包括数据分析、事务处理和数据流通技术，技术发展正朝着更高效、更安全、更智能的方向演进。
• 产业层面：大数据产业保持高速发展，2017年产业规模达4700亿元，占GDP比重32.9%。各行业对大数据的依赖度不断提高，但整体仍处于融合初期。
• 应用层面：大数据在金融、政务、电商等行业的应用较为成熟，但在其他行业仍有较大发展空间。数据治理和资产管理成为提升大数据应用效果的关键。
• 立法层面：各国加强数据立法，完善政府数据开放、个人信息保护及数据流通规则，以保障数据安全和促进数据价值释放。

关键信息

一、大数据发展概述

• 大数据是信息化发展的新阶段，对经济发展、社会治理、国家管理、人民生活产生重大影响。
• 2017年大数据在政策、技术、产业、应用等方面取得显著进展，产业规模增长30%。
• 大数据与实体经济融合不断深化，但还存在数据质量不高、平台工具不足、商业模式不成熟等问题。

二、大数据政策环境

• 政策回顾：

  • 2014年大数据首次写入政府工作报告，成为政策热点。
  • 2015年《促进大数据发展的行动纲要》发布，成为指导性文件。
  • 2016年《“十三五”国家信息化规划》首次提出“国家大数据战略”。
  • 2016年底工信部发布《大数据产业发展规划（2016-2020年）》。

• 战略内涵：

  • 推动大数据技术与产业创新发展。
  • 构建以数据为关键要素的数字经济。
  • 提升国家治理现代化水平。
  • 促进保障和改善民生。
  • 保障国家数据安全与完善数据产权保护制度。

三、大数据技术创新

• 数据分析技术：

  • 技术生态包括数据采集与传输、存储与管理、计算处理、查询与分析、可视化展现。
  • Spark取代MapReduce成为主流计算框架，SQL on Hadoop解决方案不断优化。
  • 数据可视化工具如Tableau、QlikView广泛应用。

• 事务处理技术：

  • 随着移动支付等业务发展，事务处理技术面临大规模并发挑战。
  • 新一代分布式数据库技术正在兴起，包括基于一致性协议、新型架构和理论突破的三类技术路径。
  • 当前面临技术路线不统一、应用经验不足、评价体系缺失等问题。

• 数据流通技术：

  • 数据流通面临权属、质量、合规性、安全性等问题。
  • 安全多方计算和区块链成为主要技术框架，支持数据在不触碰原始数据的前提下进行计算。
  • 数据流通技术工具包括同态加密、零知识证明、群签名、环签名、差分隐私等，各有特点和适用领域。

四、大数据与实体经济融合应用

• 行业应用特点：

  • 大数据应用集中在营销、客户分析和内部运营，核心业务应用仍待提升。
  • 地域和行业分布不均，东部地区和部分行业如金融、政务、电商应用较为成熟。

• 关键因素：

  • 建立一体化大数据平台。
  • 构建统一的数据管理体系。
  • 推动平民化数据应用。
  • 组建专业数据管理部门。

五、政务大数据发展

• 总体要求：

  • 数据共享开放、信息互通、平台建设、标准制定、安全保障等成为政务大数据发展的核心任务。
  • 推动政务数据在科学决策、公共服务、社会治理等方面的应用。

• 信息系统整合：

  • 通过统一平台和数据目录，推动政务信息资源共享。
  • 重点任务包括系统整合、数据共享、平台建设、标准制定等。

• 政务信息共享交换：

  • 数据共享交换机制逐步完善，建立统一平台和目录。
  • 通过数据共享促进跨部门协作，提升政府治理能力。

• 政务信息对外开放：

  • 政府数据开放成为趋势，通过建立统一平台和目录，实现数据共享和开放。
  • 数据开放涉及安全、经济和技术等多方面，需制定统一战略和标准。

六、地方大数据产业发展

• 主要模式：

  • 引领型：如北京、广东、江苏，注重技术创新和产业生态构建。
  • 落实型：如苏州、南宁，注重政策落实和产业链布局。
  • 追赶型：如贵州、四川，借鉴先进地区经验，推动本地产业发展。

• 产业创新特点：

  • 工业大数据是重点，占地方政府提及比例71%。
  • 农业大数据发展迅速，应用于农产品追溯、预警等方面。
  • 服务业大数据应用广泛，但仍有提升空间。

• 成效与问题：

  • 形成初步协同发展的大数据产业生态。
  • 产业布局不均衡，中西部地区发展水平较低。
  • 需要完善产业链、提升数据治理能力。

七、数据资产管理体系

• 定位与范畴：

  • 数据资产管理处于大数据体系中间层，涵盖数据标准、模型、质量、安全、价值评估和运营流通。
  • 管理体系包括组织架构、制度体系、技术手段等。

• 面临挑战：

  • 缺乏统一数据标准。
  • 数据周期规划混乱。
  • 难以统筹业务管理。
  • 数据处理效率低下。
  • 数据质量参差不齐。
  • 数据垃圾亟待解决。
  • 安全监管势在必行。
  • 数据价值难以评估。

• 发展趋势：

  • 数据对象多样化。
  • 数据采集途径丰富。
  • 处理架构更新换代。
  • 组织职能升级。
  • 管理手段自动智能。
  • 应用范围不断扩大。

八、数据立法重点

• 政府数据开放：

  • 数据作为公共资源，应依法开放，促进社会创新和公共服务提升。
  • 国内外经验表明，需建立统一的政府数据开放战略和平台。

• 个人信息保护：

  • 我国尚未制定统一的个人信息保护法，法律体系较为分散。
  • GDPR等国际立法对我国企业有较大影响，需加强个人信息保护立法。

• 数据流通规则：

  • 数据流通需建立负面清单制度，规范数据交易行为。
  • 需加强第三方平台监管，完善数据流通规则和标准。

九、建议与展望

• 建议：

  • 制度与技术双管齐下，打破数据孤岛。
  • 内部与外部多重并举，推动数据治理。
  • 业务与数据加速融合，深化数据应用。
  • 监管与自律同时推进，保障数据安全。

• 展望：

  • 大数据将成为推动经济转型、提升治理能力的重要力量。
  • 数据资产管理将成为企业竞争的核心领域。
  • 数据立法需进一步完善，形成统一规范和标准。