2016年中国大数据行业发展历程及规模应用现状
Chapter1-林子雨-大数据技术原理与应用-大数据概述(2016年2月17日版本)
典型的大数据应用实例
Kevin Spacey
大数据分析 David Fincher 风靡全球的美剧《纸牌屋》 英国同名小说《纸牌屋》
《大数据技术原理与应用》 厦门大学计算机科学系 林子雨 ziyulin@
典型的大数据应用实例
从谷歌流感趋势看大数据的 应用价值
“谷歌流感趋势”，通过跟踪 搜索词相关数据来判断全美地区 的流感情况
《大数据技术原理与应用》
厦门大学计算机科学系
林子雨
ziyulin@
1.4大数据的应用
• 大数据无处不在，包括金融、汽车、零售、餐饮、电信、能源、政务、 医疗、体育、娱乐等在内的社会各行各业都已经融入了大数据的印迹
《大数据技术原理与应用》
厦门大学计算机科学系
林子雨
ziyulin@
《大数据技术原理与应用》
厦门大学计算机科学系
林子雨
ziyulin@
1.2.3处理速度快
从数据的生成到消耗，时间窗口非常小，可用于生成决策的时间非常少 1秒定律：这一点也是和传统的数据挖掘技术有着本质的不同
《大数据技术原理与应用》
厦门大学计算机科学系
林子雨
ziyulin@
流计算
图计算 查询分析计算
《大数据技术原理与应用》
厦门大学计算机科学系
林子雨
ziyulin@
1.7大数据产业
• 大数据产业是指一切与支撑大数据组织管理和价值发现相关的企业经 济活动的集合
产业链环节 IT基础设施层 包含内容 包括提供硬件、软件、网络等基础设施以及提供咨询、规划和系统集成服务的企业，比如，提供数 据中心解决方案的IBM、惠普和戴尔等，提供存储解决方案的EMC，提供虚拟化管理软件的微软、 思杰、SUN、Redhat等 大数据生态圈里的数据提供者，是生物大数据（生物信息学领域的各类研究机构）、交通大数据（ 交通主管部门）、医疗大数据（各大医院、体检机构）、政务大数据（政府部门）、电商大数据（ 淘宝、天猫、苏宁云商、京东等电商）、社交网络大数据（微、转换、存储和管理等服务的各类企业或产品，比如分布式文件系统（如Hadoop的 HDFS和谷歌的GFS）、ETL工具（Informatica、Datastage、Kettle等）、数据库和数据仓库（Oracle 、MySQL、SQL Server、HBase、GreenPlum等） 包括提供分布式计算、数据挖掘、统计分析等服务的各类企业或产品，比如，分布式计算框架 MapReduce、统计分析软件SPSS和SAS、数据挖掘工具Weka、数据可视化工具Tableau、BI工具（ MicroStrategy、Cognos、BO）等等 包括提供数据分享平台、数据分析平台、数据租售平台等服务的企业能电网等行业应用的企业、机构或政府部门，比如交通主 管部门、各大医疗机构、菜鸟网络、国家电网等
中国大数据分析平台行业发展现状及趋势分析
中国大数据分析平台行业发展现状及趋势分析一、行业综述1、定义及介绍大数据分析平台，是企业用户在大数据环境下用于分析与决策的平台。
按技术架构划分，主要包含数据收集与存储、数据计算、数据分析与决策三个层级。
从服务边界来看，大数据分析平台概念小于数据中台，强调平台的数据分析与决策能力弱化了数据本身的规划、治理与服务。
大数据分析平台介绍大数据分析平台介绍资料来源：公开资料整理2、发展历程随着增强分析演进到了人工智能时代，未来将成为大数据分析平台的核心特性。
湖仓一体技术不断完善，未来也将成为大数据分析的基础底座。
流批一体技术让有界数据和无界数据实现了打通，让数据分析获得了更好的一致性。
中国大数据分析平台正在逐年发展及突破，公有云厂商及其他行业厂商纷纷在做尝试。
我国大数据分析市场整体处于高速发展阶段，未来发展空间广阔。
大数据分析平台行业发展历程大数据分析平台行业发展历程资料来源：公开资料整理二、行业背景1、政策环境随着5G、云计算、人工智能等新一代信息技术发展，信息技术与传统产业加速融合，数字经济蓬勃发展。
大数据产业作为战略性新兴产业，是激活数据要素潜能的关键支撑，是加快经济社会发展质量变革、效率变革、动力变革的重要引擎。
在2022年10月的《关于数字经济发展情况的报告》中提出，2023年底前，全国一体化政务大数据体系初步形成，基本具备数据目录管理、数据归集、数据治理、大数据分析、安全防护等能力。
中国大数据分析平台行业相关政策梳理中国大数据分析平台行业相关政策梳理资料来源：政府公开报告，产业研究院整理2、社会环境数字经济作为国民经济的“稳定器”“加速器”作用更加凸显。
2021年，我国数字经济发展取得新突破，数字经济规模达到45.5万亿元，同比名义增长16.2%，高于同期GDP 名义增速3.4个百分点，占GDP比重达到39.8%，数字经济在国民经济中的地位更加稳固、支撑作用更加明显。
2016-2021年中国数字经济市场规模及增速情况2016-2021年中国数字经济市场规模及增速情况资料来源：中国信通院，产业研究院整理相关报告：产业研究院发布的《2023-2028年中国大数据分析平台行业市场调研分析及投资战略咨询报告》三、产业链大数据分析平台行业主要分为三个环节，上游环节为基础设施和数据源，基础设施为为行业提供最基本的运行基础，数据源为分析的资料，提供分析的素材；中游环节为云平台包括阿里云、华为云、腾讯云等，对数据分析的服务厂商有北极九章、帆软、科大讯飞等；下游环节为SaaS，制定好行业方案后为行业客户解决面临的问题。
大数据技术的前景和应用场景
大数据技术的前景和应用场景大数据技术是近年来信息技术领域的一大热门话题，随着互联网、物联网等新兴技术的快速发展，数据量呈指数级增长，如何搭建高效、稳定、安全的大数据平台成为了各大企业和机构面临的重大挑战。
本文将从大数据技术的发展历程、应用场景及潜在机遇等方面，为大家介绍大数据技术的前景和应用场景。
一、大数据技术的发展历程大数据技术从20世纪70年代开始发展，但直到近几年才真正走进人们的视野。
随着数据量的不断增加和相关技术的不断发展，大数据技术已经进入到了“2.0时代”，成为了当今信息技术领域的关键技术之一。
大数据技术的发展历程可以分为三个阶段：1、数据存储阶段：1970年代~2000年这个阶段的亮点是传统数据库和数据仓库，数据库技术逐步应用于企业管理信息系统和在线事务处理系统中。
然而，在这个阶段，数据量虽然也比较大，但是每个人存储的数据还是很有限的。
2、数据计算阶段：2000年~2010年这个阶段的亮点是谷歌的MapReduce和Google File System，这两个技术为后来的Hadoop做了重要的理论和工程准备。
在这个阶段，数据量开始呈指数级增长，现有的存储和计算技术逐渐边缘化。
3、大数据时代：2010年~今这个阶段的亮点是Hadoop大数据生态系统，包括了Hadoop分布式文件系统、MapReduce计算模型、Hive数据查询语言、HBase数据库以及Pig、ZooKeeper、Spark等新型技术的出现。
这些技术的应用，使得计算能力和存储能力迈入了新的阶段。
二、大数据技术的应用场景整体上来看，大数据技术的应用领域非常广泛，无所不包。
除了一些常见的领域如电商、社交网络、金融、医疗、物流等，大数据技术也逐渐涉及到能源、环保、智慧城市、农业等领域。
1、金融领域在金融领域，大数据技术主要应用在风险管理、反欺诈、用户画像等方面。
例如，通过对用户行为数据的分析，可以判断用户可能存在的贷款逾期、信用卡欠款以及信用评估等情况，为银行等机构提供更好的用户管理模型。
大数据发展历程
大数据发展历程随着信息技术的迅猛发展和互联网的普及应用，大数据概念逐渐走入人们的视野。
大数据作为一种全新的资源和工具，对于推动社会、经济发展的作用日益凸显。
本文将从大数据发展的起源开始，逐步阐述其发展历程，并展望未来。
1. 大数据的起源大数据的概念最早可以追溯到20世纪80年代末期。
当时，随着计算机技术的不断进步和存储设备的不断扩容，人们开始意识到海量数据的潜在价值。
但由于技术的限制和数据分析手段的不完善，大数据并未引起广泛关注。
2. 大数据的崛起随着互联网的迅猛发展，人们开始产生了大量的数字信息。
这些信息以指数级增长，给人们提出了巨大的挑战。
为了更好地利用和管理这些数据，大数据概念应运而生。
2008年，谷歌的工程师道格拉斯·克罗克福德首次提出了大数据的概念，并指出大数据主要包括数据量大、速度快、样态多和价值密度低等特点。
3. 大数据的应用拓展随着大数据技术的不断创新和发展，大数据应用场景也得到了广泛扩展。
从最初的科学研究领域，到互联网、金融、医疗、交通、物流等各个行业，大数据都发挥着重要作用。
通过对大数据的深入分析和挖掘，人们可以发现数据中的规律和趋势，为决策提供科学依据。
4. 大数据的技术推动大数据的发展得益于多种关键技术的进步。
云计算、分布式存储、分布式计算、机器学习等技术的不断成熟，为大数据的处理和分析提供了强有力的支撑。
同时，数据可视化、数据挖掘、数据治理等技术也在不断发展，为大数据的应用和落地提供了有效的手段。
5. 大数据的挑战与问题虽然大数据在各个领域的应用前景广阔，但其发展过程中也面临着一些挑战和问题。
首先，数据安全和隐私保护问题日益凸显，人们需要建立更加完善的数据安全体系。
其次，数据质量和数据信任度成为制约大数据应用的关键因素。
此外，大数据面临的法律、伦理和社会等问题也需要进一步研究和探讨。
6. 大数据的未来展望大数据作为未来社会发展的重要驱动力量，其前景充满着无限的可能性。
大数据的发展历程及其应用
大数据的发展历程及其应用随着信息技术的快速发展，大数据作为一种重要的资源和工具，在各个领域的应用中起到了举足轻重的作用。
本文将从大数据的发展历程以及其在不同领域的应用方面进行探讨。
一、大数据的发展历程1. 信息爆炸时代的到来随着互联网的迅速普及，世界各地产生了大量的信息。
这些信息来源广泛，包括社交媒体、电子商务、传感器设备等。
然而，这些信息的规模和复杂度使得传统的数据处理方法难以胜任，因此大数据的概念应运而生。
2. 大数据的定义和特点大数据是指规模巨大、来源多样、处理复杂的数据集合。
它具有“4V”特征：Volume（大规模）、Velocity（高速度）、Variety（多样性）和Value（价值）。
大数据的处理需要借助于先进的技术和工具，例如云计算和人工智能等。
3. 大数据技术的突破在大数据的处理和分析方面，出现了许多重要的技术突破。
例如，分布式计算使得大数据能够被高效地处理；机器学习和深度学习算法能够从大数据中挖掘出有价值的信息；数据隐私保护技术保证了个人隐私的安全性。
二、大数据在不同领域的应用1. 商业和市场营销大数据为企业提供了更准确、更全面的市场信息，帮助企业实现智能化决策和精准营销。
通过分析大数据，企业可以了解消费者的行为和偏好，有效推动产品的研发和市场战略的制定。
2. 医疗保健大数据在医疗领域的应用对于提高疾病的预防和治疗具有重要意义。
通过分析海量的医疗数据，研究人员可以挖掘出疾病的发生规律和治疗方案，为医生提供有力的依据，同时也可以提供人群健康管理的决策支持。
3. 交通与城市规划大数据的应用可以改善交通系统的效率和安全性。
通过分析交通数据，我们可以预测交通拥堵状况并提供交通导航建议；同时，大数据还可以帮助城市规划者更好地理解城市的交通流动性和人口分布等信息，进而制定更科学的城市规划策略。
4. 金融和风险管理大数据在金融领域的应用广泛而深入。
通过分析大量的金融数据，可以实现风险预警和欺诈检测，提高金融机构的风险管理能力。
中国大数据产业发展的历程
中国大数据产业发展的历程在过去的几十年里，中国大数据产业经历了快速发展的历程。
从最早的数据收集和存储，到现在的数据分析和应用，中国的大数据产业实现了从无到有、从小到大的转变。
中国大数据产业的发展始于上世纪90年代初期，当时主要以政府为主导，引入了国外的数据收集和存储技术，建立了一系列的数据中心。
这些数据中心主要用于政府管理和决策支持。
随着信息技术的不断进步，数据的规模和种类也在迅速增加，中国大数据产业迎来了新的发展机遇。
进入21世纪，中国大数据产业开始向商业化方向转变。
随着互联网和移动互联网的普及，中国的大数据产业迎来了爆发式增长。
相继涌现了一批大数据企业，如百度、阿里巴巴、腾讯等，它们利用大数据技术和算法，开发出了一系列的数据应用产品，如搜索引擎、电子商务平台、社交媒体等，改变了人们的生活和工作方式。
同时，政府也意识到大数据对经济社会发展的重要作用，开始加大对大数据产业的支持力度。
2015年，国家发布了《中国大数据战略》，提出了发展大数据产业的目标和政策措施。
这些政策为大数据企业的发展提供了有力的保障，促进了大数据产业的快速发展。
近年来，中国大数据产业取得了一系列的重要成就。
中国的大数据规模居全球第一，大数据技术和应用水平也进一步提高。
大数据已经应用于金融、医疗、交通、能源等多个领域，为社会经济发展做出了重要贡献。
例如，在疫情防控中，大数据技术为疫情监测、物资调配、医疗资源分配等提供了有力支持。
然而，中国大数据产业仍面临一些挑战。
首先是数据隐私和安全问题，大量的个人隐私数据被滥用和泄露的问题引起了社会的关注。
此外，人才短缺、数据壁垒等问题也制约了中国大数据产业的进一步发展。
解决这些问题，还需进一步加强法律法规的制定和执行，加大人才培养和引进力度，推动数据的开放和共享。
总体来说，中国大数据产业经历了从无到有、从小到大的发展历程。
在政府和企业的共同努力下，中国的大数据产业取得了显著的成就，并成为推动社会经济发展和创新的重要力量。
大数据的发展历程与趋势
大数据的发展历程与趋势随着信息技术的快速发展和互联网的普及，大数据作为一种全新的信息资源和处理方式，逐渐引起了人们的广泛关注。
本文将回顾大数据的发展历程，并展望未来大数据的趋势。
一、大数据的发展历程1. 数据爆炸时代的来临随着互联网的迅猛发展，各行各业都产生了大量的数据。
企业、政府以及个人都面临着如何处理海量数据的问题。
这种情况下，大数据概念被提出，成为应对和解决大规模数据问题的关键。
2. 大数据技术的崛起随着对大数据需求的增加，一系列大数据技术得到了快速发展。
其中，分布式计算、分布式存储、机器学习等技术的不断成熟与应用，为大数据的处理和分析提供了强有力的支撑。
3. 大数据应用的普及随着大数据技术的成熟，大数据应用逐渐普及。
企业开始利用大数据进行市场分析、用户行为分析等，政府借助大数据进行城市规划、交通调度等，医疗、教育、农业等各行业也都开始运用大数据技术。
二、大数据的趋势1. 人工智能与大数据的深度融合人工智能（Artificial Intelligence，AI）作为当前最热门的技术领域之一，与大数据有着密切的联系。
大数据为人工智能提供了强有力的支持，而人工智能又可以进一步提高大数据的价值和应用效果。
未来，人工智能与大数据将更加紧密地融合，共同推动科技的进步。
2. 数据安全与隐私保护的挑战随着大数据的快速发展，数据安全和隐私问题日益凸显。
大数据的应用范围涉及个人敏感信息的收集和分析，因此，如何保护数据的安全和隐私成为一个重要的挑战。
未来，需要加强数据安全技术的研发，制定相关法律法规，保护个人隐私权益。
3. 跨界融合与创新应用的拓展在大数据的发展过程中，跨界融合和创新应用将成为关键。
大数据与物联网、云计算、区块链等新兴技术的结合，将催生出更多创新的大数据应用场景。
例如，智能家居、智慧城市、智能医疗等领域的应用将得到进一步发展和拓展。
4. 数据伦理与社会责任的重视随着大数据的普及和影响力的增加，人们对数据伦理和社会责任的关注也在不断增加。
国家数字经济发展历程和现状
国家数字经济发展历程和现状一、引言随着信息技术的飞速发展，数字经济已成为全球经济增长的重要引擎。
中国作为全球最大的经济体之一，数字经济发展势头强劲，对国内经济发展和产业升级起到了关键的推动作用下面从几个方面分析中国数字经济的发展历程、现状及未来趋势。
二、技术创新与变革数字经济以信息技术为基础，其发展离不开技术创新与变革。
近年来，云计算、大数据、人工智能、区块链等新一代信息技术迅速发展，为数字经济的崛起提供了强有力的技术支撑。
这些技术创新不仅提高了生产效率，也催生了一系列新的商业模式和经济形态。
三、数字经济规模与增速据统计，中国数字经济的规模持续扩大，增速远高于传统产业。
预计未来几年，数字经济将继续保持高速增长，成为拉动经济增长的重要力量。
四、行业结构变化数字经济的崛起对传统产业产生了深刻影响，推动了行业结构的优化升级。
在制造业、服务业等领域，数字化转型已成为企业提高竞争力的必然选择。
同时，新兴的数字经济业态如在线教育、远程医疗、共享经济等也不断涌现，为经济增长注入了新的活力。
五、数字化基础设施建设数字经济的发展离不开完善的数字化基础设施。
中国政府在信息通信网络、数据中心、云计算平台等方面进行了大规模投资，推动了信息技术的普及和应用。
同时，随着5G、物联网等新一代信息技术的布局，数字化基础设施将进一步完善，为数字经济的高速发展提供了有力保障。
六、数据要素市场发展数据作为数字经济时代的核心资源，其开发和利用对经济发展至关重要。
近年来，中国数据要素市场发展迅速，数据采集、存储、处理和应用能力不断提升。
数据要素市场的繁荣不仅有助于提高经济效率，还催生了一系列基于数据分析的新兴产业，为数字经济发展提供了广阔的空间。
七、政府政策支持中国政府高度重视数字经济发展，出台了一系列政策措施为其提供支持。
包括数字基础设施建设、数据要素市场培育、新兴产业发展等多个方面。
这些政策的出台为数字经济发展提供了有力保障，促进了产业转型升级和经济高质量发展。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
2016年中国大数据行业发展历程及规模应用现状
一、大数据的来源
数据来自于一切客观存在，包括宏观到微观的物理世界，各种生物体、人类社会活动、感知、认识和思维的结果。
随着信息技术的发展，当通常所说的数据是指经过数字化转换后的信息，是可以被量化、分析和再利用的信息，包含数值、文字、符号、音频、视频等不同形态。
对数据的分析都并非新鲜事，如交通规划、宏观经济分析、电力系统规划、气象预测、高能物理、航天航空、基因工程等大规模数据分析和计算早已在人类生产和生活中发挥着关键的作用。
早在1970年哈佛大学关于资源三角形的论述中，将材料、能源、信息看成是推动社会发展的三种基本资源，因此传统的商业智能和数据库厂商得以出现并快速发展。
数据规模和类型的剧变：互联网和移动互联网的发展、传感技术的广泛应用，使得数据的规模和种类急剧增长。
数据类型也不仅仅包含关系型数据，还出现了大量的日志、文本、图片、音频和传感器等非结构化和半结构化数据。
2020年所产生的数据量是2009年的44倍。
数据存储成本下降：单位信息存储成本的下降，使得对海量数据的分布式存储技术难度降低。
30年前，1TB存储的成本为16亿美金，如今通过云存储服务所需不到100美金。
大规模数据处理成为可能：随着计算机技术能发展，对非结构化数据的处理和分析方式组建成熟，MapReduce模型以及云计算模式的出现，是大规模数据处理的成本和技术门槛大大降低。
数据采集更为密集和广泛：随着移动互联网和物联网技术的发展，使得数据的采集更加方便。
数据分析应用的发展：Google、百度、淘宝等数据分析的经典案例给业界带来很强的冲击。
二、行业术语
Spark
Spark是UC Berkeley AMP lab所开源的类Hadoop MapReduce的通用并行框架，拥有Hadoop MapReduce所具有的优点；但不同于MapReduce的是Job中间输出结果可以保存在内存中，从而不再需要读写HDFS（Hadoop Distributed FileSystem），因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的MapReduce的算法。
Spark 是一种与Hadoop 相似的开源集群计算环境，但是两者之间还存在一些不同之
处，这些有用的不同之处使Spark 在某些工作负载方面表现得更加优越，换句话说，Spark 启用了内存分布数据集，除了能够提供交互式查询外，它还可以优化迭代工作负载。
Spark 是在Scala （Scala是一门多范式的编程语言，一种类似java的编程语言，设计初衷是实现可伸缩的语言、并集成面向对象编程和函数式编程的各种特性。
）语言中实现的，它将Scala 用作其应用程序框架。
与Hadoop 不同，Spark 和Scala 能够紧密集成，其中的Scala 可以像操作本地集合对象一样轻松地操作分布式数据集。
Hadoop
Hadoop是一个由Apache基金会所开发的分布式系统基础架构。
用户可以在不了解分布式底层细节的情况下，开发分布式程序。
充分利用集群的威力进行高速运算和存储。
Hadoop实现了一个分布式文件系统（Hadoop Distributed File System），简称HDFS。
HDFS 有高容错性的特点，并且设计用来部署在低廉的（low-cost）硬件上；而且它提供高吞吐量（high throughput）来访问应用程序的数据，适合那些有着超大数据集（large data set）的应用程序。
HDFS放宽了（relax）POSIX（可移植操作系统接口Portable Operating System Interface ，POSIX标准定义了操作系统应该为应用程序提供的接口标准，是IEEE为要在各种UNIX操作系统上运行的软件而定义的一系列API标准的总称，其正式称呼为IEEE 1003，而国际标准名称为ISO/IEC 9945。
）的要求，可以以流的形式访问（streaming access）文件系统中的数据。
Hadoop的框架最核心的设计就是：HDFS和MapReduce。
HDFS为海量的数据提供了存储，则MapReduce为海量的数据提供了计算。
三、大数据相关
大数据产业：包含大数据直接相关的软件、硬件及相关服务。
大数据软件：大数据软件，主要指以Hadoop、Spark为基础的新型分布式数据平台软件，以及基于这类平台软件的应用软件。
大数据服务：包含数据分析公有云服务、大数据系统相关的咨询、设计和系统集成服务等。
大数据硬件：用于支撑在企业内部部署的大数据软件的硬件，主要包括服务器、网络设备、存储设备。
四、行业现状
我国大数据市场规模
2014年规模达到84亿人民币，2015年达到116亿元，2016年达到162.4亿元，年平均增速接近40%
大数据软件产值68.2亿元，占市场42%，占比高于国际平均水平
大数据应用现状
超过95%的企业认为大数据对企业非常重要
企业大数据应用效果明显：超过65%的企业认为提升运营效率是企业大数据应用的最显著效果，随后是智能决策（60%）和风险管控（50%）。
数据资源短缺是制约企业大数据发展的最主要因素
企业大数据资源情况
绝大部分（78%）的企业数据总数在50TB-500TB之间（1TB=1024GB=1024x1024B，Byte字节），500TB以上的企业只有18%
企业内部数据是开展大数据应用的基础，来自内部平台、客户、内部管理平台的数据占企业大数据应用资源总量的60%
企业主要数据类型是企业传统结构化数据库表，76%企业认为数据库表是大数据应用当中最主要的数据类型，59%认为是网页数据，37%认为是图片数据
五、大数据应用部署现状
40%企业没有大数据平台部署和大数据应用
24%企业已经开始部署大数据平台但还未实现应用
36%企业已经实现大数据应用
大数据应用发展较高水平的分布在互联网、电信、金融行业。
传统行业的大数据应用发展比较缓慢
大数据平台建设模式
企业大数据应用的建设模式分为自建平台和购买云服务，超过57%企业选择自建大数据平台，40%的企业选择通过购买云服务的形式建设大数据平台。
企业大数据集群规模大部分比较小，50台以下的占45%，100台以下的占78%。
六、政策要求和资源要求
政府的各种大数据扶持政策成为企业关注的焦点；超过70%的企业希望政府资助更多大数据领域的科研项目，另外是开放更多的政府公共信息资源（68%）和市政管理数据（28%）
在大数据的出现，引发全球范围内深刻的技术和商业变革，已经成为全球发展的趋势，国家和企业间的竞争焦点正从资本、土地、人口、资源转向数据资源。
对于中国而言，经历了30多年的高速发之后，各种严峻的问题随之而生，包括产业升级、社会稳定、环境保护、
医疗健康和食品安全等挑战，因此需要将大数据的发展提升到战略高度，以此为契机，通过各种创新和探索，推动产业升级和创新、经济转型和民生建设。