天津快乐十分走势图200期|天津快乐十分

上海推進大數據研究與發展三年行動計劃(2013-2015年)

2013-07-25 13:07 來源:上海科技
瀏覽量: 收藏:0 分享

   前言

  在國家和上海市“十二五”科技發展規劃及《上海市中長期科學與技術發展規劃綱要》指導下,上海市科學技術委員會通過近一年時間的充分調研和討論,梳理了市場和商業模式創新需求、大數據資源和技術基礎、研發能力和人才現狀等。經過充分醞釀、多次征求意見,編制本規劃:

  維基百科把大數據定義為一個大而復雜的、難以用現有數據庫管理工具處理的數據集。廣義上,大數據有三層內涵:一是數據量巨大、來源多樣和類型多樣的數據集;二是新型的數據處理和分析技術;三是運用數據分析形成價值。大數據對科學研究、經濟建設、社會發展和文化生活等各個領域正在產生革命性的影響。為加快上海大數據研究和產業化布局,培育數據產業,服務智慧城市,促進經濟結構調整和產業轉型,特制定本計劃。

  一、國內外發展現狀

  (一)國外

  發達國家啟動大數據布局。2012年3月,美國政府發布《大數據研究和發展倡議》,投資2億美元發展大數據, 用以強化國土安全、轉變教育學習模式、加速科學和工程領域的創新速度和水平;2012年7月,日本提出以電子政府、電子醫療、防災等為中心制定新ICT(信息通訊技術)戰略,發布“新ICT計劃”,重點關注大數據研究和應用;2013年1月,英國政府宣布將在對地觀測、醫療衛生等大數據和節能計算技術方面投資1.89億英鎊。

  跨國IT企業進入大數據領域。傳統數據分析企業天睿公司(Teradata)、賽仕軟件(SAS)、海波龍(Hyperion)、思愛普(SAP)、Cognos、SPSS等在大數據技術或市場方面各占據一席之地。谷歌、Facebook等大數據資源企業優勢顯現。甲骨文、IBM、微軟、SYBASE、易安信(EMC)、英特爾等企業陸續推出大數據產品和方案搶占市場,如甲骨文公司的Oracle NoSQL數據庫、IBM公司的InfoSphere BigInsights數據分析平臺、微軟公司WindowsAzure上的HDInsight大數據解決方案、EMC公司的Greenplum UAP(Unified Analytics Platform)大數據引擎等。

  大數據技術發展迅猛。數據技術從早期在單機上處理單一類型數據,發展到當前在計算機集群上處理多類型數據,實現時間寬松的數據分析應用。隨著數據量發展到PB、EB級甚至更大,并且要求更快的處理分析時間,大數據專用計算機、異地分布式計算機集群、多類型多來源數據的處理和分析、數據網絡等復雜結構數據的分析、秒級時間分析等通用技術以及各種面向領域的應用技術是大數據技術的發展趨勢。以HDFS、GFS、MapReduce、Hadoop、Storm、HBase、MongoDB為代表的一批大數據通用技術和開源項目迅猛發展。

  數據科學研究不斷壯大。在大數據應用的技術需求牽引下,數據科學研究和人才培養引起各國重視。美國哥倫比亞大學和紐約大學、澳大利亞悉尼科技大學、日本名古屋大學、韓國釜山國立大學等紛紛成立數據科學研究機構;美國加州大學伯克利分校和伊利諾伊大學香檳分校、英國鄧迪大學、中國香港中文大學等一大批高校開設了數據科學課程。Facebook等著名企業開始設立數據科學家崗位。

  (二)國內

  政府和科研機構開始高度關注大數據。2012年12月,國家發改委數據分析軟件開發和服務列入專項指南;2013年科技部將大數據列入973基礎研究計劃;2013年度國家自然基金指南中,管理學部、信息學部和數理學部將大數據列入其中。2012年12月,廣東省啟動了《廣東省實施大數據戰略工作方案》;北京成立“中關村大數據產業聯盟”。此外,中國科學院、復旦大學、北京航空航天大學等相繼成立了近十個從事數據科學研究的專門機構。

  數據價值鏈和產業鏈初顯端倪。百度、阿里巴巴、大智慧等數據資源型和研發應用型企業初步涌現,并引領著數據產業的發展。2010年4月,淘寶推出“數據魔方”應用,開展基于淘寶網交易數據的分析和挖掘。2012年,華為公司推出了大數據解決方案和大數據存儲產品。

  數據產業園區建設逐步展開。上海智慧島數據產業園、秦皇島開發區數據產業基地、北京國家地理信息科技產業園、中國國際電子商務中心重慶數據產業園等一批數據產業園區,在有關各方的大力支持下正展開基礎建設和招商工作。

  二、上海基礎分析

  (一)優勢

  數據資源豐富。隨著上海“四個中心”建設的全面推進,公眾信息需求的不斷提升,信息公共服務設施的不斷完善,各行業信息化建設的深入推進,上海已經積累并將繼續產生龐大的數據資源,在眾多領域的重要作用越來越凸顯。例如,上海擁有世界最大的醫聯數據共享系統,有4800萬張交通卡、每天30GB交通流量信息數據,亞洲第二的證券交易額,世界第一的貨物和集裝箱吞吐量等。

  研究實力雄厚。在基礎理論研究方面,上海的高校和科研院所有較強的研究實力。在產業技術研究和推進方面,有一批面向產業的研究機構和企業研發中心,具備良好的基礎積累。

  產業輪廓初現。近年來,上海在數據資源整合、數據技術開發、數據應用服務等數據產業環節涌現出一批機構和企業,已經成為或正在成為推動上海數據產業發展的中堅力量,數據產業初顯輪廓。

  (二)不足

  數據共享不足。數據資源的利用不充分,大量信息系統中的歷史數據長期閑置,即使不涉及秘密,許多數據資源擁有單位公開和共享動力不足,這給跨行業數據匯聚整合造成困難,影響了大數據資源的形成。

  關鍵技術儲備不足。大數據技術儲備不夠,鮮有在國內外有影響的產品,缺少系統級、架構級的大數據產品。已有技術和產品的原創性、通用性不足,有待理論和關鍵技術突破。

  產業鏈尚未形成。數據產業的盈利模式和服務方式等尚不明晰,缺少具有較大規模、能夠帶動數據產業發展的行業龍頭企業,產業鏈各環節尚未形成明顯的上下游協作發展模式。

  三、指導思想與發展目標

  (一)指導思想

  圍繞上海“創新驅動、轉型發展”主線,搶占科技戰略制高點,強化前沿理論研究,突破大數據關鍵技術,建立以企業為主體、產學研聯合的發展機制,形成需求牽引、創新應用的發展模式,發展數據產業,服務智慧城市。

  (二)推進原則

  1、頂層規劃、協同推進

  通過強化頂層設計形成主體架構,建立協同共享機制,加強統籌規劃,充分溝通、協調、調動各方資源,延伸大數據技術鏈、服務鏈、價值鏈。

  2、需求牽引、創新應用

  以市場需求為導向,加強基礎研究,突破大數據關鍵技術瓶頸,不斷探索創新商業模式,培育和挖掘滿足國內市場特性的新業態、新模式,支撐和促進經濟社會發展。

  3、營造環境、開放融合

  營造和完善大數據技術和產業發展所需的政策環境、融資環境、創業環境以及公共服務體系,推動大數據技術與城市經濟社會各領域相關應用的深度融合。

  (三)發展目標

  凝聚上海大數據領域優勢力量,研究大數據基礎理論,攻克關鍵技術,研制大數據核心裝備,形成大數據領域的核心競爭力,加速大數據資源的開發利用,推進行業應用,培育數據技術鏈、產業鏈、價值鏈,支撐智慧城市建設。具體目標如下:

  1、研究數據科學基礎理論,突破大數據共性關鍵技術,研制具有自主知識產權的若干大數據硬件裝備,達到國際領先水平;

  2、遵循市場需求牽引、應用導向的業務發展模式,開發一批具有產業核心競爭力的大數據軟件產品;

  3、突出企業創新主體地位,建設6個以上行業大數據公共服務平臺,支持6類以上大數據商業應用系統的研制,培育一批帶動本地數據產業發展的行業龍頭企業;

  4、匯聚產業和行業創新活力,制定有利于大數據產業發展的標準、規范和政策,培養和引進千名高端數據人才。

  四、重點任務

  (一)技術攻關和產品研制

  1、基礎理論研究

  針對前瞻布局、技術引領的需求,整合上海研究力量,加強國內外學術和技術交流,研究、探討并掌握數據科學的基礎理論和基本方法,為數據技術開發、數據人才培養和數據產業發展提供指導和支撐。

  數據科學的基礎理論研究。研究數據相似理論、數據測度論和計算理論,建立數據分類學基本方法,研究數據實驗的基本方法,研究數據科學的學科體系,奠定數據科學的理論基礎。

  大數據的復雜性研究。研究數據集復雜性的建模理論、處理過程復雜性的約簡方法、知識體系復雜性的表示理論等,建立大數據處理、分析的過程模型。

  科學研究的數據方法探索。探索數據密集型科學研究的共性問題,開展學科知識交叉與融合研究,建立科學研究的數據方法,并在基礎較好的學科中開展實踐。

  2、關鍵技術突破

  根據大數據的特征,突破或改進原有的大數據組織和存儲技術、大數據分析技術,為大數據獲取、管理和分析提供技術保障。

  大數據獲取技術。突破分布式高速高可靠數據爬取或采集、高速數據全映像等大數據收集技術;突破高速數據解析、轉換與裝載等大數據整合技術;設計質量評估模型,開發數據質量技術。

  大數據管理技術。突破可靠的分布式文件系統(DFS)、能效優化的存儲、計算融入存儲等大數據存儲技術;突破分布式非關系型大數據管理與處理技術,研究大數據建模技術;突破大數據索引技術;突破大數據移動、備份、復制等技術;開發大數據可視化技術。

  大數據分析技術。改進已有數據挖掘和機器學習技術;開發數據網絡挖掘、特異群組挖掘、圖挖掘等新型數據挖掘技術;突破基于對象的數據連接、相似性連接等大數據融合技術;突破用戶興趣分析、網絡行為分析、情感語義分析等面向領域的大數據挖掘技術。

  大數據安全技術。改進數據銷毀、透明加解密、分布式訪問控制、數據審計等技術;突破隱私保護和推理控制、數據真偽識別和取證、數據持有完整性驗證等技術。

  3、產品裝備研制

  在突破關鍵技術的基礎上,研制適合大數據應用的硬件裝備和軟件產品,包括:大數據一體機、新型架構計算機、大數據獲取工具、大數據管理產品、大數據分析軟件等。

  大數據一體機。研制集計算、存儲、傳輸于一體的大數據硬件裝備,實現大數據統一存儲和索引管理、集群規模可動態擴展,實現PB級的數據存儲、百億級的記錄管理、秒級的查詢響應。

  新型架構計算機。研制基于高效能大數據處理器(Data Processing Unit,DPU)和可重構互連、可變存儲結構的新型架構計算機等具有自主知識產權的硬件裝備。在這些硬件之上開發與之配套的系統軟件,形成先進的大數據平臺。

  大數據獲取工具。開發數據采集軟件,實現每秒百萬次的精準數據收集、準實時動態整合和數據清洗;研發高速數據全映像軟件,實現變化數據的秒級響應、解析和復制。

  大數據管理產品。開發面向領域優化的大數據管理系統,支持分布式數據存儲;研發大數據環境下的低延遲的云備份軟件、雙活數據實時復制軟件、數據隱私保護和泄露檢測軟件、可視化軟件。

  大數據分析軟件。開發基于新型計算架構技術的通用分布式分析平臺,支持PB級數據的分析;開發基于分布式分析平臺的通用大數據智慧引擎、適用于分布式計算環境和新計算架構的大數據挖掘算法庫。

  (二)應用推進和模式創新

  1、公共平臺建設

  重點選取醫療衛生、食品安全、終身教育、智慧交通、公共安全、科技服務等具有大數據基礎的領域,探索交互共享、一體化的服務模式,建設大數據公共服務平臺,促進大數據技術成果惠及民眾。

  醫療衛生。針對臨床質量分析、醫療資源分配、醫療輔助決策、科研數據服務、個性化健康引導的需求,建設全民醫療健康公共服務平臺。在健康信息網已有數據的基礎上,匯聚整合醫療、藥品、氣象和社交網絡等大數據資源,形成智能臨床診治模式、自助就醫模式等服務模式創新,為市民、醫生、政府提供醫療資源配置、流行病跟蹤與分析、臨床診療精細決策、疫情監測及處置、疾病就醫導航、健康自我檢查等服務。建設完善涵蓋3500萬患者的電子診療檔案庫,形成PB級的醫療健康大數據資源,實現支撐2000名醫生同時在線診療的輔助能力。

  食品安全。針對食品安全和管理的需求,建設食品安全大數據服務平臺。匯聚政府各部門的食品安全監管數據、食品檢驗監測數據、食品生產經營企業索證索票數據、食品安全投訴舉報數據,建成食品安全大數據資源庫,進行食品安全預警,發現潛在的食品安全問題,促進政府部門間聯合監管,為企業、第三方機構、公眾提供食品安全大數據服務。

  終身教育。針對全民學習、終身教育的需求,建設教育大數據服務平臺。積累數字教育資源,收集教育服務平臺學習者行為數據和學習愛好數據,為千萬級學習者提供個性化的終身在線學習服務,提高教育資源的共享和利用率,實現因材施教,優化教學過程,提高教學質量,為教育政策調整提供決策支持。建立基于大數據支撐的優質教育資源開發、積累、融合、共享的服務機制,為全體學習者提供個性化選擇與推送相結合的終身學習在線服務模式。

  智慧交通。針對交通規劃、綜合交通決策、跨部門協同管理、個性化的公眾信息服務等需求,建設全方位交通大數據服務平臺。整合全市道路交通、公共交通、對外交通的大數據資源,匯聚氣象、環境、人口、土地等行業數據,逐步建設交通大數據庫,提供道路交通狀況判別及預測,輔助交通決策管理,支撐智慧出行服務,加快交通大數據服務模式創新。針對航班正常、安全、有效運行的需求,建設航空流量管理及機場協同決策平臺。匯聚整合塔臺數據、雷達數據、航空公司數據、機場數據,提供流量預測、特情處置等功能,實現飛行流量管理和機場航班運行協同決策,為民航航班指揮提供一站式數據服務。達到覆蓋華東地區近40個機場的規模,并逐步推廣到全國7大地區局。針對智能化航運業務的需求,建設航運大數據平臺。匯聚整合全球港口、貨物、船舶等數據,融合多源物聯網、北斗導航等數據,實現航運數據共享服務,建立基于大數據的現代航運物流服務體系。

  公共安全。針對公共安全領域治安防控、反恐維穩、情報研判、案情偵破等實戰需求,建設基于大數據的公共安全管理和應用平臺。匯聚融合涉及公共安全的人口、警情、網吧、賓館、火車、民航、視頻、人臉、指紋等海量業務數據,建設公共安全領域的大數據資源庫,全面提升公共安全突發事件監測預警、快速響應和高效打擊犯罪等能力。探索“以租代建”模式,依托第三方專業數據中心,實現數據內容托管、數據服務租用的現代運營模式創新。

  科技服務。針對科技服務數據整合、交互式服務、發展趨勢預測、戰略決策支持等需求,探索科技服務鏈整合、眾包分包、供需對接的交互式平臺型服務模式,建立科技服務業資源共享體系,建設跨領域科技服務與工程創新平臺。匯聚科技成果、項目、人才、服務、互聯網創新創意等大數據資源,支撐研發設計、技術轉移轉化、創新創業、科技咨詢、科技金融等方面的科技服務。打造“科聯工程”,形成跨領域的大數據服務模式。

  2、行業應用推進

  重點選取金融證券、互聯網、數字生活、公共設施、制造和電力等具有迫切需求的行業,開展大數據行業應用研發,探索“數據、平臺、應用、終端”四位一體的新型商業模式,促進產業發展。

  金融證券。針對金融證券領域高頻算法交易、數據綜合分析、違規操作監管、金融研究報告交易、金融數據服務等方面的需求,建設金融大數據分析與智能決策支持系統。匯聚融合國內外證券及相關衍生品市場的高通量交易數據,整合行業媒體實時資訊與輿情,為相關機構提供金融監管和風險管控等智能決策支持,為投資者提供金融市場數據和經濟數據、投資方向等個性化的金融數據服務。

  互聯網。針對互聯網領域精準營銷、銷售趨勢預測、廣告精細管理和市場決策支持等方面的需求,建設面向互聯網的大數據分析和服務系統。匯聚融合門戶、論壇、微博、社交網絡、搜索、購物、閱讀、點評等互聯網數據,提供用戶細分、個性化推薦、行業報告、競爭分析、商業洞察、定價策略等互聯網營銷服務,實現以效果計費的創新營銷商業模式。系統服務覆蓋100家以上電子商務企業,促進企業從傳統營銷向互聯網營銷轉型。

  數字生活。針對日益增長的現代化生活需求,建設數字生活大數據服務系統。收集整合流行時尚、行業發展指數、用戶消費習慣、收視記錄、社交媒體、地理位置等大數據,充分挖掘用戶的消費習慣和興趣偏好,提升企業輔助決策能力,形成有市場競爭力的創新商業模式,面向300萬以上消費者提供個性化衣食住行等生活互動信息。

  公共設施。針對公共設施養護、管理的需求,建設公共設施大數據服務系統。采集、整合上海各類道路、橋梁、隧道和商業樓宇的結構性能、運行狀態等數據,為公共設施養護、運營決策以及安全管理提供依據,實現對公共設施的實時監測和預警,在全市的路橋隧道和商業樓宇等開展規模應用,形成公共設施運營與養護新模式。

  制造業。針對科學評價生產系統規劃、降低產品缺陷率等需求,建立制造業大數據系統。整合已有的物理工廠、質量體系、工序數據、成本核算等建模數據,建立仿真工廠,對已有的生產實績數據進行生產仿真,模擬工廠運行,為工廠實際建設提供決策依據。收集產品生產過程各環節的實時質量數據,實現敏捷的一體化質量監測和管控,并支持產品質量追溯,形成基于大數據的一貫過程質量控制及分析系統,并向第三方提供服務。

  電力。針對堅強智能電網建設、維護和管理的需求,收集發電廠實時運行數據,建立發電廠數字仿真模型,為提高生產安全性、提高發電效率(降低單位電能煤耗、廠用電指標)提供決策依據。實時收集電網電力資產狀態數據,實現電力資產在線狀態檢測、電網運行在線監控、主動安全預警及調度維保,保障電網可靠高效運行;快速收集用電數據,為需求響應、負荷預測、調度優化、投資決策提供支持。

  五、保障措施

  (一)創新體系建設

  成立“上海大數據產業技術創新戰略聯盟”,建設“上海市數據科學重點實驗室”、數據工程技術研究中心等,以大數據技術創新及產業應用為目標、以聯盟為紐帶促進形成若干引領大數據產業技術創新的企業聯合實體;以合同契約為保障有效整合產、學、研、用等各方資源,以技術創新為驅動力、市場剛性需求為推動力,發展擁有自主知識產權且符合國內外產業發展需求的共性應用技術、產業標準和產品規范。

  (二)專業人才培養

  開展數據專業領域人才的培養,培訓一批資深數據工程師,培育跨界復合型人才,與國內外數據專家形成持續穩定的協作關系。鼓勵高等院校和企業合作,開展數據科學和大數據專業學歷教育,依托社會化教育資源,提高大數據產業人員的業務水平,發揮大數據高層次引進人才的重要作用,開展大數據專業培訓,形成人才梯隊。

  (三)制度法規完善

  研究大數據產業相關的政策法規,提出數據資源權益、隱私保護等方面的法規細則建議,制定大數據相關標準,并提出技術解決手段,在保護數據資源的同時,促進數據資源合理有序地開發利用。在人才、財稅、科技金融等方面設計有利于數據人才和數據產業發展的政策,逐步建立有利于上海大數據研究與發展的制度法規體系。

  (四)合作協同推進

  推動數據資源、數據技術、數據應用等方面企業開展深入合作,形成數據共享、數據流通、數據分析的機制和模式,提升數據開發、使用的效率和效能。圍繞大數據技術鏈、產業創新鏈,運用市場機制集聚創新資源,實現企業、大學和研究院所等機構在戰略層面的有效結合,通過資源共享、協同開發和集成創新,形成上海大數據的核心競爭力。

  六、推進機制

  1、總體規劃,分步實施

  把握總體方向,制定具體實施方案,以項目的形式分解任務,將大數據列入專項計劃,依據項目成熟度,按年度分批推進。

  2、簽訂協議,規范共享

  以簽訂合作協議的方式和項目承擔單位明確責任,設定數據共享標準及保密等級,在平等互信的基礎上實現數據的共享和利用。

  3、階段檢查,綜合評估

  成立專家委員會,分解責任,在項目實施的過程中實行專家責任制,進行階段檢查和總結,按期評估項目執行情況和追責。

  4、明確主體,營造氛圍

  依托上海大數據產業技術創新戰略聯盟秘書處,設立推進辦公室,推進行動計劃的實施,組織沙龍、講座、競賽等活動,在全社會營造數據研究和開發的氛圍。


標簽:

責任編輯:admin
在線客服
天津快乐十分走势图200期 浙江十一选五 上海晓游棋牌大厅3d 电竞比分网csgo 即时指数足球比分 体球比分直播网 十一运夺金 电子体育比分屏 十一运夺金 皇冠即时赔率网 浙江快乐12