国家加快培育数据要素市场的重要意义是什么

加快培育数据要素市场

中国大数据发展趋势如何?据工业和信息化部官网9月29日消息,9月28日,2021全国大数据标准化工作会议在山东省济南市召开。工信部信发司副司长王建伟参加会议并致辞。当前,数据已成为重要的生产要素,是加快经济发展质量变革、效率变革、动力变革的重要引擎。信发司认真贯彻党中央、国务院战略部署,积极推进大数据产业发展,不断完善顶层规划,推动制造业与大数据深度融合,加快培育数据要素市场产业创新应用,强化大数据标准引领,各项工作取得了积极成效。

国家加快培育数据要素市场的重要意义是什么

数据要素市场要把握好当前大数据发展的重大战略机遇期,加快培育数据要素市场,推进产业基础高级化,大力推广DCMM国家标准,提升企业数据治理水平,意义是推进产业链现代化,构建完善产业生态,筑牢数据安全保障,不断推动大数据产业和大数据标准化工作迈上新台阶。

当前中国数字经济在政策搭建、发展规模、融合应用和技术创新等方面都已取得一定成果,但还存在流动性差、"数据割据"和"信息孤岛"现象并存等问题,数据经济红利与数据创新活力亟待释放。

国家加快培育数据要素市场的重要意义是提升社会数据资源价值,数据开放共享是基础。

搭建开放数据平台,研究制定公共数据开放条例和探索非公共数据多维度开放机制,有效整合政府公共数据、企业以及个人等数据资源,让数据发挥更大价值。

国家大数据产业增长迅速

2021年,我国大数据产业围绕关键核心技术的研发投入将持续加大,工业企业将更加注重数据资源管理能力提升,多元主体差异化竞争格局将进一步明晰,大数据与区域经济协同发展持续深入,大数据资产有效运营和价值转化将成为各类主体发展的重要命题。同时,产业发展也面临数据量激增等带来的技术产品供给能力不足,数据中心区域布局有待统筹和优化调整,大数据融合应用不充分等问题。

据国家外汇管理局副局长郑薇介绍,今年上半年我国数字服务贸易规模同比增长了23%,未来随着数字经济在社会经济中的加速渗透,数字贸易有望成为全球服务贸易复苏和发展大数据的重要动力。

近年来,随着我国创新能力的不断提升和营商环境的持续优化,我国服务贸易高速发展。2020年我国服务贸易的规模是6157亿美元,利差同比收窄了44%。其中,电信、计算机和信息服务、知识产权使用费和金融服务等作为新兴服务业的重要组成部分发展迅猛。

中国大数据消费市场规模量级巨大,增长迅速。在网络能力的提升、居民消费升级和四化加快融合发展的背景下,新技术、新产品、新内容、新服务、新业态不断激发新的消费需求,而作为提升信息消费体验的重要手段,大数据将在行业领域获得广泛应用。

随着对数字服务的需求猛增,全球三大公共云供应商已经有效地占领了超规模大数据中心市场。截止2020年底,全球20家主要云和互联网服务公司运营的超大规模数据中心总数已增至597个,是2015年的两倍。国家区域分布方面,美国占比高达40%高居榜首,中国以10%排在第二名,日本、德国、英国和澳大利亚共计占19%。

免责声明:本公众号所发布的文章为本公众号原创,或者是在网络搜索到的优秀文章进行的编辑整理,文章版权归原作者所有,仅供读者朋友们学习、参考。对于分享的非原创文章,有些因为无法找到真正来源,如果标错来源或者对于文章中所使用的图片、链接等所包含但不限于软件、资料等,如有侵权,请直接联系后台,说明具体的文章,后台会尽快删除。给您带来的不便,深表歉意。

相关推荐
火星数据-Tina5 小时前
AI数据分析在体育中的应用:技术与实践
人工智能·数据挖掘·数据分析
Theodore_10228 小时前
大数据(1) 大数据概述
大数据·hadoop·数据分析·spark·hbase
生信学术纵览8 小时前
中科院1区顶刊|IF14+:多组学MR联合单细胞时空分析,锁定心血管代谢疾病的免疫治疗新靶点
数据挖掘·数据分析
workflower10 小时前
以光量子为例,详解量子获取方式
数据仓库·人工智能·软件工程·需求分析·量子计算·软件需求
壹氿10 小时前
Supersonic 新一代AI数据分析平台
人工智能·数据挖掘·数据分析
weixin_4723394611 小时前
Doris查询Hive数据:实现高效跨数据源分析的实践指南
数据仓库·hive·hadoop
SelectDB技术团队12 小时前
Apache Doris + MCP:Agent 时代的实时数据分析底座
人工智能·数据挖掘·数据分析·apache·mcp
企销客CRM15 小时前
CRM管理软件的数据可视化功能使用技巧:让数据驱动决策
信息可视化·数据挖掘·数据分析·用户运营
人大博士的交易之路1 天前
今日行情明日机会——20250606
大数据·数学建模·数据挖掘·数据分析·涨停回马枪
产品何同学1 天前
数据分析后台设计指南:实战案例解析与5大设计要点总结
数据挖掘·数据分析·产品经理·墨刀·原型设计·后台管理系统·数据分析后台