广东省大数据标准体系规划与路线图
城市交通大数据质量评价体系标准
城市交通大数据质量评价体系标准简介城市交通大数据的质量评价是评估城市交通系统运行状态和效率的重要工具。
通过对大量交通数据的采集、处理和分析，可以提取出有价值的信息，为城市交通管理和规划提供决策支持。
本文将围绕城市交通大数据质量评价体系标准展开讨论，从数据采集、处理、分析和应用等方面进行深入探讨。
数据采集数据来源1.GPS定位设备：通过安装在交通工具上的GPS定位设备，可以实时获取交通工具的位置、速度等信息。
2.交通摄像头：通过交通摄像头拍摄的视频图像可以提取出车辆的数量、车道行驶状况等信息。
3.电子收费系统：通过电子收费系统记录的车辆通行时间、收费金额等信息可以反映交通流量和收费情况。
4.移动通信网络：通过移动通信网络上的基站信息可以获取到手机用户在特定地点的密度和分布情况。
数据准确性1.GPS定位设备的准确性：由于GPS信号的传播受地形、气候等因素的影响，GPS定位设备的准确性会有一定的误差。
可以通过多台设备的协同工作或与地面检测点进行对比来提高准确性。
2.交通摄像头图像的准确性：交通摄像头在拍摄过程中可能出现模糊、遮挡等情况，会对图像的准确性造成影响。
可以借助图像处理算法进行图像增强和目标识别，提高数据的准确性。
3.电子收费系统数据的准确性：电子收费系统在识别车牌号码和计算通行费用时可能出现误差，需要建立完善的异常处理机制来保证数据的准确性。
4.移动通信网络数据的准确性：移动通信网络在高峰时段可能出现信号拥堵和数据丢失的情况，需要进行数据修正和校验。
数据时效性1.数据采集频率：数据采集设备的采样频率决定了数据的时效性，采样频率越高，数据的时效性就越强。
2.数据传输延时：数据传输过程中的延时会影响数据的时效性，可以通过优化传输路径和提高带宽来减少传输延时。
3.数据处理速度：数据处理的速度也会影响数据的时效性，可以采用并行计算和分布式处理等技术来提高数据处理速度。
数据处理数据清洗1.数据去噪：由于采集设备和传输中可能引入噪声，需要对数据进行去噪处理，包括滤波和插值等方法。
国家大数据安全标准化工作介绍
《国家网络空间安全战略》之数据
• 数据是网络空间的有机组成部分：“互联网、通信网、计算机系统、 自动化控制系统、数字设备及其承载的应用、服务和数据等组成的 网络空间”
• 数据对国家、企业、个人利益至关重要：“一些组织肆意窃取用户 信息、交易数据、位置信息以及企业商业秘密，严重损害国家、企 业和个人利益，影响社会和谐稳定。”
《网络安全法》之数据
维度 数据安全
条文 第10条：“维护网络数据的完整性、保密性和可用性” 第21条：“防止网络数据泄露或者被窃取、篡改” 第27条：“不得提供专门用于……窃取网络数据等危害网络安 全活动的程序、工具” 第31条：“一旦遭到破坏、丧失功能或者数据泄露，可能严重 危害国家安全、国计民生、公共利益的关键信息基础设施”
2015年11月18日，国家标准化管理委员会批复换届方案。
p主任委员：王秀军——中央网络安全和信息化领导小组 办公室副主任
p副主任委员
Ø 赵泽良 中央网信办网络安全协调局局长
Ø 韩俊
工业和信息化部科技司巡视员
Ø 赵林
公安部第十一局副局长
Ø 李守鹏 中国信息安全测评中心副主任
Ø 何良生 国家密码管理局副局长
• 2016年3月发布的“十三五规划纲要”还专章提出“实施国家大数据战略”， 明确我国将“把大数据作为基础性战略资源，全面实施促进大数据发展行 动，加快推动数据资源共享开放和开发应用，助力产业转型升级和社会治 理创新。”
• 在国务院和各部门的发文中，称为“基础性战略资源”的只有数据（或大 数据）和档案。
《网络安全法》之数据
数据安全= 保密性 + 完整性 + 可用性
数据安全 + 个人信息主体的控制权利 + 数据控制者等 个人信息保护=
企业大数据业务分析体系设计方案
企业大数据业务分析体系设计方案目录1.项目需求理解 (2)1.1.建设目标 (2)1.2.建设原则 (3)1.3.需求分析 (3)2.总体方案设计 (5)2.1.总体建设思路 (5)2.2.业务规范与技术标准体系 (6)2.3.系统实现架构 (21)3.业务分析体系 (21)3.1.管理驾驶舱 (21)3.2.资金分析内容 (22)3.3.经营绩效分析内容 (27)3.4.风险分析内容 (35)3.5.报表分析内容 (39)3.6.业务管理主题分析 (40)1.项目需求理解1.1.建设目标企业企业大数据自助分析工具提供从数据抽取、数据加工处理、数据存储、自助数据分析、数据可视化于一体的功能。
支持连接多种类型数据源，跨数据源取数；支持自带ETL流功能能够完成将来自异构系统的数据进行抽取、清洗、加工处理、装载到工具自带的多维数据仓库中；支持直接连接已有的大数据平台；支持基于BI的多维数据仓库或所连接的数据源进行OLAP多维度自由分析；支持让用户自主拖拽设计出自己需要的业务分析界面或管理驾驶舱；支持将自己的分析界面进行分享；支持通过PC、移动端、大屏查看报表及分析数据。
分析的内容初步包含：•供应链管理建立供应链管理数据仓库，全面展示公司原材料、成品、标准件等器材的配套、缺件、合同签订、到货、供应商指标评价等信息，并进行数据分析。
•质量管理建立质量管理数据仓库，实现展示飞机全生命流程的质量信息，深度分析采购、生产、交付、运行过程的全部质量事件。
•生产制造管理建立生产制造数据仓库，全面展示设备资产状态、飞机生产状态等信息，并进行数据分析。
•与人力资源系统集成获取人力资源的用户和组织信息，能够根据人力资源系统数据的变化或状态的变化，在系统中对用户的权限以适当的形式做出相应的更新。
实现角色、岗位的定义和操作权限的控制；系统需具备兼职部门功能，保证组织机构调整过渡阶段中，业务可正常办理。
1.2.建设原则具备标准性。
广东省教育厅关于印发《关于推进全省教育系统内部审计信息化建设的意见》的通知
广东省教育厅关于印发《关于推进全省教育系统内部审计信息化建设的意见》的通知文章属性•【制定机关】广东省教育厅•【公布日期】2024.06.27•【字号】粤教审〔2024〕7号•【施行日期】2024.06.27•【效力等级】地方规范性文件•【时效性】现行有效•【主题分类】教育信息化正文广东省教育厅关于印发《关于推进全省教育系统内部审计信息化建设的意见》的通知各地级以上市教育局，各普通高校：现将《广东省教育厅关于推进全省教育系统内部审计信息化建设的意见》予以印发，请结合实际认真贯彻落实。
广东省教育厅2024年6月27日广东省教育厅关于推进全省教育系统内部审计信息化建设的意见为贯彻落实党的二十大精神以及习近平总书记关于审计工作的重要指示批示精神，切实把坚持“两个确立”、做到“两个维护”落实到审计工作实际行动上，坚持科技强审，加强审计信息化建设，构建集中统一、全面覆盖、权威高效的教育审计监督体系，在更好发挥教育审计监督作用上聚焦发力，进一步推进新时代教育审计工作高质量发展，以高效有力的教育审计监督服务保障教育强省建设。
根据教育部关于教育系统内部审计工作的规定，结合我省实际，现就推进我省教育系统内部审计信息化建设提出如下意见：一、总体要求（一）指导思想以习近平新时代中国特色社会主义思想为指导，牢固树立科技强审理念，以提高内部审计质量和效率为目标，夯实教育系统内部审计信息化基础建设，积极探索大数据审计方式，全面提升内部审计队伍运用审计信息化、大数据技术发现问题、深入分析、评价判断、支撑决策的能力，保障教育经济安全，为我省教育事业高质量发展保驾护航。
（二）基本原则1.统筹协调，稳步推进。
加强统筹协调，坚持风险和问题导向，稳步推进全省教育系统内部审计信息化建设的协调发展，全面提升大数据审计整体水平。
各单位要把内部审计信息化建设纳入本单位信息化建设的总体规划，既要着眼长远发展，又要立足当前实际，分阶段、分步骤实施，避免盲目建设、重复建设。
工业大数据发展路线图出炉
Market 市场 宏观 业界讲坛 变革与趋势 报告二是推动数据共享。
数据自主有序流动，是激发数据要素价值、扩大数据生产力乘数效应的重要途径。
国务院近日发布的《关于构建更加完善的要素市场化配置体制机制的意见》把数据与土地、劳动力、资本、技术等传统要素并列，努力推动数据的市场化流动共享和优化配置。
从全球看，以欧盟为代表的发达工业国家和地区，在推动工业数据共享流通方面已经进行了前沿探索，我国工业数据的共享流通主要发生在企业内部和产业链上下游企业间，亟待从局部拓展到全局。
为此，《指导意见》设置了2项重点任务，逐步推动工业数据在更大范围、更加充分和有序地共享流通：支持企业共建安全可信的工业数据空间，引导和规范公共数据资源开放流动；开展数据流动关键技术攻关，构建工业大数据资产价值评估体系，明确交易规则，加强市场监管，培育工业数据市场。
三是深化数据应用。
融合应用是构建数据工业大数据发展路线图出炉记者Ⅰ何珺 为激发工业数据要素潜力，全面提升工业大数据产业发展水平，工信部日前，发布了《关于工业大数据发展的指导意见》（以下简称《指导意见》），对我国工业大数据发展进行了全面部署，提出了6个方面18项重点任务。
一是加快数据汇聚。
把数据资源高质量采集上来、汇聚起来，是工业大数据开发利用的前提和基础。
作为世界第一制造大国，我国工业数据资源极为丰富，但当前，工业数据采集汇聚中还存在不少困难，数据不可见、不可管、不可用等问题突出。
《指导意见》设置了4项重点任务，多种举措推动工业大数据高质量采集汇聚，为扩大和深挖数据要素价值打好坚实基础：支持工业企业实施设备数字化改造，引导工业设备企业开放数据接口；推进工业互联网建设，加快工业设备互联互通；组织开展工业数据资源调查，整合重点领域统计数据和监测数据，在重点行业建设国家级数据库，支持企业建设数据汇聚平台；建设国家工业互联网大数据中心，建立多级联动的国家工业基础大数据库。
22│ 今日制造与升级驱动闭环的根本牵引力，但传统工业企业，特别是中小型工业企业普遍存在对数据应用的认识不足、能力不够等问题，此外，大数据应用的深度和广度还需进一步拓展。
城市标准化行动方案(2023)
城市标准化行动方案提高城市规划、建设、治理水平，打造宜居、韧性、智慧城市，是深入贯彻党的二十大精神，响应人民群众新期待，推动城市高质量发展的重要举措。
为落实《国家标准化发展纲要》，国家标准化管理委员会、工业和信息化部、民政部、生态环境部、住房城乡建设部、应急管理部联合组织开展城市标准化行动，充分发挥标准化对城市发展的支撑引领作用，研究制定本行动方案。
一、总体要求坚持以习近平新时代中国特色社会主义思想为指导，深入贯彻党的二十大精神，立足新发展阶段，贯彻新发展理念，构建新发展格局，全面落实党中央国务院关于标准化发展的重大部署，加快构建推动城市高质量发展的标准体系，为城市科学化、精细化、智能化治理提供有力支撑，助力提升城市韧性和可持续发展水平，加快推进城市治理体系和能力现代化。
到2027年，基本建成具有中国特色的城市高质量发展标准体系,城市治理标准供给显著增加,标准协同和国际化程度显著增强,城市标准化发展基础更加牢固,标准化融入城市社会治理的基础性、战略性、引领性作用更加凸显。
——城市高质量发展标准体系基本建成。
坚持系统思想，强化标准与城市治理深度融合，聚焦人民群众对改善城市公共服务、提升城市治理水平、优化城市品质的新期待，切实增加标准供给，形成层次清晰、动态优化的城市高质量发展标准体系。
在城市可持续发展、新型城镇化建设、智慧城市、公共服务、城市治理、应急管理、绿色低碳、生态环境、文化服务、基础设施等领域制修订国家标准、行业标准150项以上，实现城市标准化全领域覆盖、全流程控制、全手段运用。
——城市全域标准化引领带动作用显著增强。
坚持创新引领，突出城市自然、经济、文化发展特色，探索开展城市标准化创新综合试点，推进标准化全域应用，深入实施标准国际化创新型城市建设，持续加强城市重点领域国际标准化创新与交流。
启动新型城镇化、城市治理和公共服务等领域国家标准的试验验证。
与5个以上省份开展城市标准化省部合作，发布30个以上城市标准化典型案例，着力打造一批城市标准“全域制定”与“全域实施”标杆。
进一步推动战略性XX发展的实施方案
关于加快我省战略性新兴产业发展的实施方案为贯彻落实《“十三五”国家战略性新兴产业发展规划》和《广东省战略性新兴产业发展“十三五”规划》，加快发展战略性新兴产业,制定本实施方案.一、总体要求围绕形成新一代信息技术、生物、高端装备与新材料、绿色低碳、数字创意等多支柱的新兴产业体系这一目标，紧紧把握全球科技革命和产业变革重大机遇，充分发挥市场在资源配置中的决定性作用和更好发挥政府引导作用,坚持创新驱动、改革引领、开放合作、集聚发展，推动关键环节率先突破、重点领域优先发展,促进形成一批技术水平高、创新能力强、具有国际竞争力的新兴产业集群，推动广东建设成为全国乃至全球战略性新兴产业重要集聚区，为加快建设国家科技产业创新中心提供有力支撑.二、重点领域立足我省战略性新兴产业基础和发展需要,按照“重点跨越、引领示范"的，在大力发展五大支柱产业和四大战略性产业的同时,重点推进新一代信息网络、新型显示、智能制造、生物医药、智能交通装备、高端制造材料六大领域发展壮大。
(一）新一代信息网络。
把握第五代移动通讯（5Ｇ)、下一代互联网(IＰv６）发展契机,大力推动基于新一代移动通信和支持I Ｐｖ6规范的芯片、终端、系统设备和软件等关键产品研制和产业化，积极培育相关信息内容服务业,突破以光通信为重点的下一代宽带网络核心技术。
支持新一代无线基站建设，为启动5Ｇ商用提供支撑.围绕智能终端、汽车电子、工业控制、通信设备等重点领域应用，加强高性能通用及专业芯片研发设计，推进集成电路产业做大做强。
积极发展基于新一代移动通信、下一代互联网的新型信息传输服务业，加快发展新型通信增值服务。
努力突破海量数据存储与处理、挖掘清洗、访问应用控制等关键技术，建立大数据可视化平台，支持大数据相关软硬件产品发展。
加快开发具有自主的操作系统、数据库、分布式系统软件等基础软件以及自然语音处理、信息安全、机器翻译等应用软件.推进移动互联网、云计算、大数据、物联网技术向各行业融合渗透,积极培育基于网络化、智慧化的经济新模式。
大数据、云计算系统高级架构师课程学习路线图
大数据、云计算系统高级架构师课程学习路线图大数据之Linux+大数据开发篇项目部分大数据之阿里云企业级认证篇大数据之Java企业级核心技术篇大数据之PB级别网站性能优化篇项目部分大数据之数据挖掘\分析＆机器学习篇项目部分大数据之运维、云计算平台篇项目部分c:\iknow\docshare\data\cur_work\javascript：open53kf()课程体系北风大数据、云计算系统架构师高级课程课程一、大数据运维之Linux基础本部分是基础课程，帮大家进入大数据领域打好Linux基础，以便更好地学习Hadoop，hbase,NoSQL，Spark，Storm,docker,openstack等众多课程。
因为企业中的项目基本上都是使用Linux环境下搭建或部署的。
1）Linux系统概述2)系统安装及相关配置3）Linux网络基础4）OpenSSH实现网络安全连接5）vi文本编辑器6）用户和用户组管理7）磁盘管理8）Linux文件和目录管理9）Linux终端常用命令10）linux系统监测与维护课程二、大数据开发核心技术- Hadoop 2。
x从入门到精通本课程是整套大数据课程的基石：其一，分布式文件系统HDFS用于存储海量数据,无论是Hive、HBase或者Spark数据存储在其上面；其二是分布式资源管理框架YARN,是Hadoop 云操作系统（也称数据系统），管理集群资源和分布式数据处理框架MapReduce、Spark应用的资源调度与监控；分布式并行计算框架MapReduce目前是海量数据并行处理的一个最常用的框架。
Hadoop 2。
x的编译、环境搭建、HDFS Shell使用，YARN 集群资源管理与任务监控,MapReduce编程，分布式集群的部署管理（包括高可用性HA）必须要掌握的。
1）大数据应用发展、前景2）Hadoop 2。
x概述及生态系统3)Hadoop 2。
x环境搭建与测试1)HDFS文件系统的架构、功能、设计2）HDFS Java API使用3）YARN 架构、集群管理、应用监控4）MapReduce编程模型、Shuffle过程、编程调优1)分布式部署Hadoop2.x2)分布式协作服务框架Zookeeper3）HDFS HA架构、配置、测试4)HDFS 2.x中高级特性5）YARN HA架构、配置6）Hadoop 主要发行版本（CDH、HDP、Apache）1)以【北风网用户浏览日志】数据进行实际的分析 2)原数据采集 3）数据的预处理(ETL） 4)数据的分析处理（MapReduce）课程三、大数据开发核心技术—大数据仓库Hive精讲hive是基于Hadoop的一个数据仓库工具,可以将结构化的数据文件映射为一张数据库表，并提供简单的sql查询功能，可以将sql语句转换为MapReduce任务进行运行。
- 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)。
广东省大数据标准体系规划与路线图（）（征求意见稿）
指导单位：广东省经济和信息化委员会
编制单位：广东省大数据标准化技术委员会工作组
二〇一八年五月
一、广东省大数据标准体系
（一）编制原则
以《广东省促进大数据发展行动计划》及《珠江三角洲国家大数据综合实验区建设实施方案》为基础，以继承、发展、创新、提高为出发点，全面梳理国际标准、国家标准、行业标准及地方标准，结合大数据技术及产业发展现状与趋势分析，建立适应广东省大数据产业发展需求的标准体系。
标准体系建设遵循以下原则：
急用先行、成熟先上。
对大数据领域急需的开放共享、交易流通等标准重点投入，先行研制；对国内外已有的数据分析、处理、数据质量、数据安全等相关国际标准及研究成果，优先支持等同转化。
面向需求、注重实效。
从产业信息化和产业数字化发展的要求出发，面向我省电子政务、电子商务及重点行业的数字化服务需求，把规范服务行为、提升服务质量、培育新型服务模式为抓手，调动行业各参与方推进标准化工作的积极性，提升标准的科学性、合理性和有效性。
资源整合、统筹规划。
以培育并形成完善的大数据服务市场为总体目标，明确标准化工作思路、内容及具体的推进措施，整合数据资源，统筹产业规划，破除数据孤岛，强化应用服务，保障大数据标准服务体系目标清晰、技术可行、结果可见。
3 / 20
（二） 标准体系框架图
大数据标准体系
技 术
基 础
工 具 安 全 通用要求 隐私保护
. . . . .
管 理
应 用 . . . . .
数据运维 数据治理
数据交易 数据开放 检测与评估
处理与分析关键技术
数据质量
. . . . .
数据应用 数据共享 数据访问 语义
分
析 参考架构 术语
元素集 元数据 总则 应用类工具
系统类工具 . . . . . .
风险检测
. . . . .
. . . . . . . .
平台基础设施
预处理工具
分布式计算工具
数据库
平台管理类工具
存储类工具
应用分析智能工具
可视化展示工具
. . . . . . . .
数据开放总则 数据开放目录 数据开放平台
. . . . .
模型评估
. . . . . . . . .
电子政务大数据
科学大数据
工业大数据
电子商务大数据
大数据标准体系框架图
. . . . .
. . . . .
通用数据
主数据
事务数据
产品数据
数据收集
数据预处理
数据分析
数据可视化
. . . . .
区块链 . . . . .
分类分级
（三）标准体系说明
. 标准体系设计依据
按照国家《信息化发展战略纲要》、《关于促进大数据发展行动纲要》、《大数据产业发展规划（－年）》、《关于运用大数据加强对市场主体服务和监管的若干意见》及广东省《广东省促进大数据发展行动计划（年）》、《珠江三角洲国家大数据综合试验区建设实施方案》等政策文件对标准化工作的要求，制定广东省大数据标准体系。
标准体系共划分为“基础—技术—安全—工具—应用—管理”等个子体系。
. 标准体系框架明细
标准体系采用树形结构，分层级展开，层与层之间是包含与被包含关系，平行层之间是平行并列关系。
第一层是大数据通用标准体系。
包括基础类标准（）、技术类标准（）、安全类标准（）、工具类标准（）、应用类标准（）、管理类标准（）。
第二层的分类情况及原则如下所述：
（）基础标准为整个标准体系提供包括总则、术语、参考架构、元数据、元素集、语义分析、分类分级等通用的基础性标准。
（）技术类标准主要是对大数据相关的技术进行标准化规范。
包括：数据质量标准、数据处理与分析关键技术标准、数据评估技术标准等。
其中数据质量标准主要参考数据质量系列标准，该系列标准主要是对数据质量的把控，并根据当
前我省大数据产业发展需求，等同或修改后采用国际标准；数据处理与分析关键技术标准主要是针对数据从收集到使用过程中的关键技术进行规范；检测与评估技术主要是针对数据挖掘过程中的方法和工具及数据本身进行的包括模型、风险、等保等方面的评估。
（）安全类标准主要是针对通用的安全和大数据环境下隐私数据的保护，其中通用要求基于信息安全技术的系列标准；隐私数据则重点针对智能移动设备存储数据及与信息主体利益密切相关的数据。
（）工具类标准主要是从数据使用过程中的过程性工具和终端应用类工具进行规范，主要包括系统类工具和应用类工具；系统类工具标准细分为平台基础设施、预处理工具、存储类工具、分布式计算工具、数据库、平台管理类工具等；应用类工具包括应用分析工具、可视化工具等。
（）应用类标准从发挥数据价值的角度出发，将应用分为数据访问、开放、共享、交易及行业应用等环节。
行业应用类标准主要针对电子政务、工业、电子商务、医疗、科研等领域共性或专用的大数据应用标准进行研制。
（）管理类标准是大数据标准的重要支撑，贯穿于数据生命周期的各个阶段。
该部分主要是包括数据运维和数据治理，其中数据运维包括数据库维护、运行维护、运行安全及大数据系统及相关工具等方面的运维及服务等方面的标准；数据治理包括数据资产管理、大数据解决方案设计、数据管理能力成熟度评价等。
二、广东省大数据标准制修订建议表
根据广东省大数据标准体系框架，通过广泛征集广东省大数据相关高校、科研院所及企业的标准制定修订意见、标准制修订需求、参与研制大数据标准的意愿以及国际标准、国外先进标准、国家标准的实施情况、制修订规划和研究重点，并结合当前广东省大数据产业发展的现状及重点范畴、技术研发趋势、产业市场需求，提出广东省大数据产业标准制修订工作的标准建议项目表。
同时经对制修订建议标准的重要性和紧急性进行技术比对、市场调研、专家研讨等工作，收集项大数据相关的标准（其中国标已发布项，已立项项，拟研制项），并综合分析整理出了标准制修订优先级，优先级用★表示，★越多表明重要性越高，推荐级别越高。
优先级的确定依据安全性、可靠性、适用性的通用标准级别高于产品标准；重点产品、共性技术标准级别高于普通产品；成熟技术或产品标准高于在研技术或产品；国际标准采标以我省当前大数据产业发展现状综合评级等原则进行星级评估。
序号一级分类二级分类标准名称优先级备注
基础标准
总则
大数据标准化指南↓↓↓↓国标拟研制
大数据总体规划指南↓↓↓
术语
信息技术大数据概念术语已发布
非结构化数据管理术语↓↓↓
参考架构
信息技术大数据技术参考架构已发布
信息技术大数据参考架构第部分架构与应用指南↓↓
信息技术大数据参考架构第部分用例和需求↓↓
信息技术大数据参考架构第部分参考架构↓↓
信息技术大数据参考架构第部分安全与隐私↓↓
信息技术大数据参考架构第部分标准路线图↓↓
信息技术大数据基于参考架构下的接口框架↓↓国标在研元数据
信息技术数据元素值格式记法已发布
信息技术数据元素值表示格式记法↓↓国标在研
信息技术元数据属性↓↓国标在研元素集
大数据最小数据集规范↓↓↓
教育数据元素集↓↓↓↓↓
金融数据元素集↓↓↓↓↓
交通数据元素集↓↓↓↓↓
食药监数据元素集↓↓↓↓↓
通用要求大数据通用数据资源规范↓↓↓
7 / 20
序号一级分类二级分类标准名称优先级备注
信息技术大数据分类指南↓↓国标在研
非结构化数据查询语言↓↓
技术数据质量
信息技术数据质量评价指标↓↓国标在研
数据质量检测技术要求↓↓↓
数据能力成熟度评价模型↓↓国标在研
大数据解决方案基本评估规范↓↓国标拟研制
信息技术科学数据引用↓↓国标在研
数据溯源描述模型↓↓↓↓国标在研
技术
数据质量
信息技术数据溯源描述模型已发布
主数据的语法和定义↓↓↓↓
主数据源↓↓↓↓
主数据准确性↓↓↓↓
主数据完整性↓↓↓↓
多媒体数据语义描述要求已发布
处理与分析关键技
术
通用数据导入接口规范↓↓国标在研
大数据通用数据采集要求↓↓↓↓
大数据存储格式通用要求规范↓↓↓
大数据分布式存储参考模型第部分：概述↓↓
大数据分布式存储参考模型第部分：基本概念↓↓
8 / 20。