【www.shanpow.com--世界卫生日】
第一篇大数据项目:5个大数据实践应用项目
大数据由于被人大炒热炒 导致技术的趋势已经将最初的光环给褪去了，而且这种退潮也来得相当快，甚至有一些持有怀疑论者对于大数据的技术也用保守的眼光去看待。然而大数据目前已经被公认改变世界的最新趋势了，对于大数据持有怀疑论者程度远远低于云计算和社交质疑。
这可能是因为大数据已为那些拥抱大数据的企业带来了实际的收益。而且，大数据分析也正在从根本上改变着一些不同的领域，如药物研究、市场营销和产品开发等。
像智慧城市和无人驾驶汽车这样的用例的研究和发展，也是为了满足我们生活中的各种需求而存在。而大数据技术的未来可能也是如此——逐步发展以满足人们的需求，但目前大数据还没有发展到它应该发展的阶段。
Infobright的首席执行官Don DeLoach说：“技术上的可行性和实际执行力存在很大的差别。我们来看看拉动大数据的两种趋势，即物联网和机对机通信，这两种趋势都已经存在了很长时间，而随着传感器越来越复杂、价格逐渐降低，以及各种无线技术的选择越来越多样化，理论上的技术可行性正在逐渐变得更富实践性。”
我们很多雄心勃勃的大数据梦想目前都还没有进入到实际的应用阶段，比如，我们研发无人驾驶汽车的技术已经有了，但却不具备实际的基础设施的支持而真正得到量产、普及。即使这样，无人驾驶汽车仍然引人注目。
DeLoach说：“如果你想探知大数据究竟产生了什么样的影响，那么你看投资到大数据技术上的资金就可以了。因为投资回报率(ROI)最高的领域，也是越吸引人们去投资的领域。”
在医疗、车载通信技术和线上营销等领域大数据投资回报率已日趋清晰，但是这并不意味着我们最终会创造出无人驾驶汽车和超级智慧城市，而是说，目前大数据技术在这些领域的发展还不足以达到实际应用的程度，从而吸引大规模的投资。
本文描述了五个横跨实际应用和技术可行界限的大数据项目，这些项目，或那些与之类似的项目能够真正地给我们的生活带来变化，让生活变得更加美好。
人类基因组计划变革了医疗行业
20世纪90年代初，人类基因组计划开始实行，但那时我们并没有意识到它实际就是一种大数据[注]项目。2003年，一张完整的基因组图绘制完毕，一些大数据运动的先驱者已经开始将大数据的理念在技术领域慢慢传开。
由于人类基因组这一早期的成功实践，因此医疗和制药是最早采用大数据技术和工具的两个领域也就不足为奇了。
人类基因组计划在一定程度上也阐明了大数据的摩尔定律。只要花100美元(或者更少)就可以从一些网站上，如23andMe购买到个人的局部基因组图。而且对于推动降低整个人类基因组图绘制的价格的行动也在进行中，其价格每年都在降低。现在，绘制一个人整个的基因组图的价格在1000美元到5000美元之间，而在2007年，它的价格最少也是100万美元。
一些初创公司如Life Technologies(最近被Thermo Fisher Scientific收购)和InVitae正在这一领域努力，以使每个人都能够担负起基因组图的绘制。同时，这也将引导关于一些疾病，如癌症、风湿性关节炎的个性化治疗。
埃默里大学医院和IBM共同创建未来ICU病房
目前，埃默里大学医院(Emory University Hospital,简称埃默里)使用的是IBM和EME医疗电子产品公司的软件产品以支持一项研究计划，该计划的目标是通过对实时数据流的分析对那些重症病人实行先进的、可预测性的医疗保健。
埃默里正在测试一个新的系统，该系统能够识别出生理学数据中的模型，以便在病人出现危险情况时及时提醒医生。在传统的ICU(重症病房)中，病人床边的显示器上显示一堆不同的医疗数据流，包括心脏机能、呼吸、脑电波和血压。这些实时的生命体征会以波状或数字的形式传输出来，并显示在每个病床边上的电脑屏幕上。而现在，医生和护士可以快速处理并分析这些数据信息以制定合理的治疗方案。
事实上，数据信息的任何一个小偏差都是一个预警信号，而这些小偏差往往会被人忽略。
埃默里目前正在试行该系统，同时采用EME的BedMasterEX，IBM的InfoSphere Streams和埃默里的分析引擎来收集和分析病人的实时数据。这一新的系统可以使医生们更快地获取、分析和关联医疗数据信息，而且速度要比他们几年前梦想的速度还要快。
埃默里紧急护理部门主管Tim Buchman博士说：“是否能够正确评估和分析实时医疗数据往往决定着一个病人的生死。通过这一新的系统我们可以分析成千上万个流数据点，并分析这些数据信息，以制定更好的医疗计划，清楚地知道哪些病人我们需要实时关注，以及怎样治疗。它能够让我们的医生在重症护理过程中更有效地治疗病人。”
宾夕法尼亚州的Salis Lab帮助研究员设计创造合成生物
软件识别的数据模型可以显示一些严重的并发症，如败血症、心力衰竭、肺炎等，识别出这些数据模型，医生可以得出实时的医疗诊断，并立刻采取医疗措施。宾夕法尼亚州的Salis Lab帮助研究员设计创造合成生物
Howard M. Salis是美国宾夕法尼亚州立大学化工学院的一名助理教授，他自学了计算机编程，并创建了一个高性能的计算机门户网站——Salis Lab，该网站旨在帮助那些从事合成生物和代谢工程领域的研究员使用计算方法设计合成生物。
Salis说：“微生物是世界上最好的化学家，如果我们能了解它们，并很好地利用它们的话，相信我们会生产出完整的多样性的产品。而在过去，基因工程的工作更多是修改、实验和错误，相信我们可以改变这些状况。”
换句话说，基因工程更像是生物的自然选择——随机、缓慢，但在基金工程中也分为很多小的主题。
Salis指出：“而另一方面，合成生物更多的是一种工程学科。我们想要量化一切，我们要建立生物物理模型，这样当各种方式的DNA变异发生时，我们可以用这些模型对其产生的结果进行量化预测。”
合成生物需要一种极其复杂的算法，所以这个项目托管在了亚马逊AWS弹性计算云(Elastic Compute Cloud)上，AWS弹性计算云具有良好的伸缩性。一个短的DNA序列，其可能变异的数量要比宇宙中原子的数量多得多。Salis Lab目前发展得很好，其中包含了由2000个生物技术研究员在过去两年中通过该门户网站设计的超过3万个合成DNA序列。
这一工作采用的应用种类就像研究员的想法一样多种多样，目标就是找出实现微生物工程的一种方式，这种方式需要采用的燃料要比采用化石燃料更加经济。
更神奇的是研究员们所挖掘的那种预测能力，Salis说：“利用我们的模型，我们可以实际地预测演变，我们可以模仿DNA变异的影响来预测最有可能出现的演变。”
最终，研究员可以开发那些抗演变的微生物，由此产生的一些可能的用例的影响将是非常惊人的。世界上存在着数十亿的微生物，而且每一个微生物中都有其各自的基因组，我们可以利用这些基因组创造价值。但是，给这些基因组排序将是一个非常巨大的大数据[注]挑战，首先要量化，然后分类，最后预测是否能够以一种有效的方式组合它们。而这一挑战也是Salis这样的研究员迫切希望解决的。
乔治城大学的Global Insight Initiative帮助解决“大问题”
乔治城大学(Georgetown University)的Global Insight Initiative从世界各地获取数据，并从这些数据中洞悉设备趋势。Global Insight Initiative首先从各地获得相关数据，然后组织整理，并对这些数据进行分析，最后从中找到解决复杂问题的答案。
乔治城大学Global Insight Initiative主管J.C. Smart说：“这个世界就是一个复杂的系统，有70亿的人在致力于获取或争夺资源。同时，世界上有4万个城市、1200万英里的道路，以及8亿辆汽车等等。弄清楚这一切如何互相交互、互相影响，并了解他们彼此之间是如何依靠和发展的，将是一个非常复杂的事情，会产生一个非常复杂的系统，而且这一系统还只是众多系统中的一个。这就是大数据[注]，不过更重要的是，这个世界就是一个大的知识库。”
Global Insight Initiative需要数据整合工具以管理数据量，从而丰富他们的知识库。Smart说：“这个知识库可以给出一个关于我们正在讨论的事物的估计值，这些事物包含了上万亿个事物和上千亿种关系。”
Kapow 软件公司和乔治城大学的Global Insight Initiative共同合作，以实现大批量数据整合的自动化来扩展Global Insight Initiative的知识库。这个知识库包含了来自全球162个国家覆盖42种不同语言的2万多个web源码。实现数据整合的自动化之前(+微信关注网络世界)，还需要大量的人力资源去寻找、获取，并整理文档和其他web构件。
接下来面临的问题是：如何寻找一个合适的时间或资源来分析这些收集来的数据信息?
Global Insight Initiative使用Kapow公司的软件创建了自动化数据集成流，这个集成流你可以想象成一个信息收集机器人，被称为infobot。部署之后，这些infobot可以让每一个单一用户(这些用户不需要有编程技能)在任何时间运行和管理成千上万的自动数据整合应用，以便对不同的数据有一个完整的考量。
目前，Global Insight Initiative将致力于为那些非常困难的“大问题”寻找答案，如我们如何更好的利用水资源?我们怎样缩小疾病传播的范围?我们如何管理电力分配?如何合理地安排医院或诊所的位置，以尽可能地方便更多的人?以及当灾难来临时，我们如何能够尽快的找到医疗资源?
LA ExpressPark泊车系统帮助减少交通拥堵和环境污染
美国洛杉矶的市中心经过十年的快速发展，从最初的贫民窟变成了娱乐和商业中心。不过在快速发展的同时，这个地区也出现了一些问题，比如道路交通混乱、拥堵严重。如果司机想要寻找一个泊车位，他们得在这个街区至少要转悠30分钟才能找到，有时甚至更久。
更糟糕的是，街道上的泊车费似乎与需求并不匹配。在特定区域内，街道泊车的价格一般都是统一的，有时候和几个街区之外的车库泊车位是一样的，或者更便宜一些。所以，人们肯定不愿意开过几个街区将车停在车库里，尤其是他们开了很长时间的车又很累的时候，况且停在街上还比停在车库里的费用要便宜。美国加州大学洛杉矶分校的教授Donald Shoup曾做过一项调查研究，他发现市中心74%的交通拥堵都是由于司机在街上找泊车位造成的。
为了平衡供求关系，并减少道路交通拥堵，洛杉矶市请施乐公司为其开发LA ExpressPark泊车系统。施乐升级了泊车位上用来检测空间大小的传感器，然后为了更好地平衡供需，施乐开发了一个基于算法的动态价格机制来提高泊车率较高街区的泊车价格(目的是鼓励司机减少这一街区的泊车时间)，同时降低泊车较低街区的泊车价格(鼓励司机多在这些街区泊车)。
笔者是后来搬到洛杉矶的，作为一个外来人员，我非常奇怪为什么洛杉矶人为了找停车位宁愿在这个街区多绕两圈，也不愿意把车停在两个街区以外，不愿意多走五分钟的路。我想如果人们知道两个街区之外停车更方便、更便宜，相信他们也会愿意把车停在那里，而我自己从来没有泊车问题的困扰。
为了引导司机们到空的停车区域，施乐又部署了一些新的、多样化的信息提示，这些信息提示会随着停车环境的变化自动更新。同时，这些信息可以在智能手机App，如Parker、Park Me和洛杉矶城市网站上共享。很快，施乐将数据放到汽车导航系统中，可以自动引导司机到距离其目的地最近的空车位停车，甚至还可以自动支付停车费。
这一系列的措施实施之后，成果还是不错的。那些不是很繁忙的街区被利用起来，即使整体的使用率并不高，但是比以前已经提高了2%，而洛杉矶市也开始体会到其中的好处。
而且，交通拥堵的问题也有所缓解，导致了更多的司机来了解和使用LA ExpressPark系统。施乐公司资深副总裁兼管理总监David Cummins说：“停车管理员现在可以很直观，并完整地看到街道上发生的一切，并通过数据分析为所有的事情制定决策。这一系统运用了多个供应商的技术，包括违反票处理、系统维护、数据收集等等这些技术都服务于泊车管理。以这种方式更好地利用这些数据来提高效率，并创造出额外的利益。”
Cummins指出，这个项目产生的早期成果证明了数据决策能够帮助改善司机的行为，同时也能够减少交通拥堵和环境污染。(王旋编译)
第二篇大数据项目:2017年最新最全PPP项目大数据分析报告
导读：PPP是指政府与私人组织合作开发公共服务项目的伙伴关系。公共服务项目一般包括交通、电信、水利等经济基础设施和科技、环保、教育等社会基础设施。一方面大规模的公共项目资金投入对财政形成了一定的压力，一方面非市场化运营的公共项目存在管理乏力、运营效率低下等诟病。引入社会资本带来的市场化运营可解决上述限制。政府和社会资本合作模式主要包括特许经营和政府购买服务两类。新建项目优先采用建设-运营-移交(BOT)、建设-拥有-运营-移交(BOOT)、设计-建设-融资-运营-移交(DBFOT)、建设-拥有-运营(BOO)等方式。存量项目优先采用改建-运营-移交(ROT)方式。PPP项目的参与方通常包括政府、社会资本方、融资方、承包商和分包商、原料供应商、专业运营商、保险公司以及专业机构等。
中商产业研究院发布的《2017-2022年中国PPP项目库经济效益与投资潜力研究报告》指出，PPP 改革助力贯彻落实新发展理念，推动经济结构绿色低碳化，城市间交通基础设施发展和经济提质增效，公共服务共建共享，提高供给效率和质量。PPP模式是未来政府大力推广的融资模式，PPP项目涵盖了较为重要的基础设施和公共服务领域，其中市政工程、交通运输类所占项目数量和投资额均较多，中商产业研究院认为，同时具备较强的资金实力、品牌效应，形成具有较强竞争力的综合开发模式及运营能力，已积累丰富经验的公司将在PPP模式盛宴中分得较大蛋糕。
一、中国PPP入库项目分析
1、中国PPP入库项目数量及金额
全国入库项目和落地项目均呈逐月持续稳步上升态势。截至 2016 年 12 月末，中国PPP入库项目共计 11260 个，投资额 13.5 万亿元。其中，已签约落地 1,351 个，投资额 2.2 万亿元，落地率 31.6%。截至2016年 12 月末，全国入库项目中绿色低碳项目占 58.7%，其中签约落地项目 792 个，投资额 8,296 亿元;交通运输领域签约落地项目 186 个，投资额 7,429 亿元;三四线城市教育医疗养老三个领域签约落地项目 115 个，投资额 806 亿元。
2016-2017年中国PPP入库项目及投资规模
数据来源：中商产业研究院数据库
2、PPP入库项目地区分布情况
按PPP入库项目数排序，贵州、山东(含青岛)、新疆、四川、内蒙古位居前五名，分别为1,788 个、1,087 个、852 个、848 个、 828 个，合计占入库项目总数的 48.0%。按入库项目投资额排序，贵州、山东(含青岛)、云南、河南、四川位居前五名，分别为 16,034 亿元、12,229 亿元、10,302 亿元、9,538 亿元、9,180 亿元，合计占入库项目总投资的42.4%。
2016年中国各地区PPP入库项目数量统计
数据来源：中商产业研究院数据库
2016年中国各地区PPP入库项目投资金额统计
数据来源：中商产业研究院数据库
3、PPP入库项目行业分布情况
截至 2016 年12月，中国各行业 PPP 入库项目投资额达到13.5万亿元。按项目投资金额来看，交通运输、市政工程、城镇综合开发、保障性安居工程及旅游位居行业前五。其中，交通运输和市政工程入库项目投资金额达到3.96万亿和3.78万亿元，分别占入库项目投资额的29.3%和28%。
2016年中国各行业PPP 入库项目投资额统计
数据来源：中商产业研究院数据库
截至 2017 年1月31日，中国各行业 PPP 入库项目数达到11576个。其中，市政工程PPP入库项目数超过4000个，占项目总数的35.3%，交通运输PPP 入库项目数超过1400个，占项目总数的12.1%，城镇综合开发行业项目数712个，占项目总数的6.2%。
截止2017年1月中国各行业PPP 入库项目数量分布
数据来源：中商产业研究院数据库
二、中国PPP落地项目分析
全国PPP落地项目均呈逐月持续稳步上升态势。2016年第四季度，全国落地项目数月均超过1000个,2016年12月末，全国PPP落地项目数量超过1351个，创历史新高。
2016年各月份中国PPP落地项目数量情况
数据来源：中商产业研究院数据库
2016年各月份中国PPP项目落地率变化趋势图
数据来源：中商产业研究院数据库
2、PPP落地项目地区分布情况
从落地项目地域分布来看，山东(含青岛)222 个，占落地项目总数的 16.4%;新疆 146个，占 10.8%，位居第二;随后依次是浙江 88 个、四川 81 个、河南 77 个。从落地项目投资额地域分布来看，贵州、河北、山东(含青岛)、北京、云南居前五名，分别为 2656 亿元、2114 亿元、1927 亿元、1743 亿元、1488 亿元，合计占落地项目总投资额的44.4%。
2016年各地区中国PPP落地项目数量及投资规模
数据来源：中商产业研究院数据库
三、PPP项目各类资本投资构成
从所有社会资本合作方类型角度分析。截至2016年 12 月末，277 个落地示范项目的签约社会资本信息已入库，包括 175 个单家社会资本项目和 102 个联合体项目，签约社会资本共 419家，包括民营独资 104 家，民营控股 59 家，港澳台 16 家，外商 6 家，国有独资 119 家，国有控股 113 家，另外还有类型不易辨别的基金公司和上市公司共 2 家。民营企业(含民营独资和民营控股)163 家，占比 39%，比 6 月末按照 82 个示范项目统计的结果高 3 个百分点。
PPP落地示范项目的签约各类资本构成
数据来源：中商产业研究院数据库
从按不同社会资本分类的示范项目角度分析。社会资本合作方为民营、含民营及外资的联合体、外资、国有资本、不含民营及外资的联合体等五类项目分别有 77、62、13、85、40 个。民营、含民营及外资的联合体两类项目数合计 139 个，占比 50%。民营资本、含民营及外资的联合体等两类项目的投资额合计占比也达 45%。
PPP落地示范项目按不同社会资本分类项目数量占比
数据来源：中商产业研究院数据库
第三篇大数据项目:《大数据产业发展规划（2016-2020年）》正式印发（附全文）
重磅丨十三五丨大数据丨规划导·读数据观讯 1月17日获悉，为加快实施国家大数据战略，推动大数据产业健康快速发展，工信部编制并正式印发了《大数据产业发展规划（2016-2020年）》（以下简称“《规划》”）。大数据成为塑造竞争力的战略制高点之一，竞争日趋激烈，在此大背景下，全面提升我国大数据的资源掌控能力、技术支撑能力和价值挖掘能力迫在眉睫。《规划》提出了发展目标，将酝酿开启万亿级别市场规模，到2020年，大数据相关产品和服务业务收入突破1万亿元，年均复合增长率保持30%左右；将建设10-15个大数据综合试验区，创建一批大数据产业集聚区，形成若干大数据新型工业化产业示范基地。《规划》部署了7项重点任务，明确了8大重点工程，制定了5个方面保障措施，全面部署“十三五”时期大数据产业发展工作，为“十三五”时期我国大数据产业崛起，实现从数据大国向数据强国转变指明了方向。↓以下附全文↓工业和信息化部关于印发大数据产业发展规划（2016-2020年）的通知
工信部规〔2016〕412号
各省、自治区、直辖市及计划单列市、新疆生产建设兵团工业和信息化主管部门，各省、自治区、直辖市通信管理局，有关中央企业，部直属单位：
为贯彻落实《中华人民共和国国民经济和社会发展第十三个五年规划纲要》和《促进大数据发展行动纲要》，加快实施国家大数据战略，推动大数据产业健康快速发展，我部编制了《大数据产业发展规划（2016-2020年）》。现印发你们，请结合实际贯彻落实。
工业和信息化部
2016年12月18日
附件：大数据产业发展规划（2016-2020年）
大数据产业发展规划（2016-2020年）
数据是国家基础性战略资源，是21世纪的“钻石矿”。党中央、国务院高度重视大数据在经济社会发展中的作用，党的十八届五中全会提出“实施国家大数据战略”，国务院印发《促进大数据发展行动纲要》，全面推进大数据发展，加快建设数据强国。“十三五”时期是我国全面建成小康社会的决胜阶段，是新旧动能接续转换的关键时期，全球新一代信息产业处于加速变革期，大数据技术和应用处于创新突破期，国内市场需求处于爆发期，我国大数据产业面临重要的发展机遇。抢抓机遇，推动大数据产业发展，对提升政府治理能力、优化民生公共服务、促进经济转型和创新发展有重大意义。为推动我国大数据产业持续健康发展，深入贯彻十八届五中全会精神，实施国家大数据战略，落实国务院《促进大数据发展行动纲要》，按照《国民经济和社会发展第十三个五年规划纲要》的总体部署，编制本规划。
一、我国发展大数据产业的基础
大数据产业指以数据生产、采集、存储、加工、分析、服务为主的相关经济活动，包括数据资源建设、大数据软硬件产品的开发、销售和租赁活动，以及相关信息技术服务。
“十二五”期间，我国信息产业迅速壮大，信息技术快速发展，互联网经济日益繁荣，积累了丰富的数据资源，技术创新取得了明显突破，应用势头良好，为“十三五”时期我国大数据产业加快发展奠定了坚实基础。
信息化积累了丰富的数据资源。我国信息化发展水平日益提高，对数据资源的采集、挖掘和应用水平不断深化。政务信息化水平不断提升，全国面向公众的政府网站达8.4万个。智慧城市建设全面展开，“十二五”期间近300个城市进行了智慧城市试点。两化融合发展进程不断深入，正进入向纵深发展的新阶段。信息消费蓬勃发展，网民数量超过7亿，移动电话用户规模已经突破13亿，均居世界第一。月度户均移动互联网接入流量达835M。政府部门、互联网企业、大型集团企业积累沉淀了大量的数据资源。我国已成为产生和积累数据量最大、数据类型最丰富的国家之一。
大数据技术创新取得明显突破。在软硬件方面，国内骨干软硬件企业陆续推出自主研发的大数据基础平台产品，一批信息服务企业面向特定领域研发数据分析工具，提供创新型数据服务。在平台建设方面，互联网龙头企业服务器单集群规模达到上万台，具备建设和运维超大规模大数据平台的技术实力。在智能分析方面，部分企业积极布局深度学习等人工智能前沿技术，在语音识别、图像理解、文本挖掘等方面抢占技术制高点。在开源技术方面，我国对国际大数据开源软件社区的贡献不断增大。
大数据应用推进势头良好。大数据在互联网服务中得到广泛应用，大幅度提升网络社交、电商、广告、搜索等服务的个性化和智能化水平，催生共享经济等数据驱动的新兴业态。大数据加速向传统产业渗透，驱动生产方式和管理模式变革，推动制造业向网络化、数字化和智能化方向发展。电信、金融、交通等行业利用已积累的丰富数据资源，积极探索客户细分、风险防控、信用评价等应用，加快服务优化、业务创新和产业升级步伐。
大数据产业体系初具雏形。2015年，我国信息产业收入达到17.1万亿元，比2010年进入“十二五”前翻了一番。其中软件和信息技术服务业实现软件业务收入4.3万亿元，同比增长15.7%。大型数据中心向绿色化、集约化发展，跨地区经营互联网数据中心（IDC）业务的企业达到 295家。云计算服务逐渐成熟，主要云计算平台的数据处理规模已跻身世界前列，为大数据提供强大的计算存储能力并促进数据集聚。在大数据资源建设、大数据技术、大数据应用领域涌现出一批新模式和新业态。龙头企业引领，上下游企业互动的产业格局初步形成。基于大数据的创新创业日趋活跃，大数据技术、产业与服务成为社会资本投入的热点。
大数据产业支撑能力日益增强。形成了大数据标准化工作机制，大数据标准体系初步形成，开展了大数据技术、交易、开放共享、工业大数据等国家标准的研制工作，部分标准在北京、上海、贵阳开展了试点示范。一批大数据技术研发实验室、工程中心、企业技术中心、产业创新平台、产业联盟、投资基金等形式的产业支撑平台相继建成。大数据安全保障体系和法律法规不断完善。
二、“十三五”时期面临的形势
大数据成为塑造国家竞争力的战略制高点之一，国家竞争日趋激烈。一个国家掌握和运用大数据的能力成为国家竞争力的重要体现，各国纷纷将大数据作为国家发展战略，将产业发展作为大数据发展的核心。美国高度重视大数据研发和应用，2012年3月推出“大数据研究与发展倡议”，将大数据作为国家重要的战略资源进行管理和应用，2016年5月进一步发布“联邦大数据研究与开发计划”，不断加强在大数据研发和应用方面的布局。欧盟2014年推出了“数据驱动的经济”战略，倡导欧洲各国抢抓大数据发展机遇。此外，英国、日本、澳大利亚等国也出台了类似政策，推动大数据应用，拉动产业发展。
大数据驱动信息产业格局加速变革，创新发展面临难得机遇。当今世界，新一轮科技革命和产业变革正在孕育兴起，信息产业格局面临巨大变革。大数据推动下，信息技术正处于新旧轨道切换的过程中，分布式系统架构、多元异构数据管理技术等新技术、新模式快速发展，产业格局正处在创新变革的关键时期，我国面临加快发展重大机遇。
我国经济社会发展对信息化提出了更高要求，发展大数据具有强大的内生动力。推动大数据应用，加快传统产业数字化、智能化，做大做强数字经济，能够为我国经济转型发展提供新动力，为重塑国家竞争优势创造新机遇，为提升政府治理能力开辟新途径，是支撑国家战略的重要抓手。当前我国正在推进供给侧结构性改革和服务型政府建设，加快实施“互联网+”行动计划和中国制造2025战略，建设公平普惠、便捷高效的民生服务体系，为大数据产业创造了广阔的市场空间，是我国大数据产业发展的强大内生动力。
我国大数据产业具备了良好基础，面临难得的发展机遇，但仍然存在一些困难和问题。一是数据资源开放共享程度低。数据质量不高，数据资源流通不畅，管理能力弱，数据价值难以被有效挖掘利用。二是技术创新与支撑能力不强。我国在新型计算平台、分布式计算架构、大数据处理、分析和呈现方面与国外仍存在较大差距，对开源技术和相关生态系统影响力弱。三是大数据应用水平不高。我国发展大数据具有强劲的应用市场优势，但是目前还存在应用领域不广泛、应用程度不深、认识不到位等问题。四是大数据产业支撑体系尚不完善。数据所有权、隐私权等相关法律法规和信息安全、开放共享等标准规范不健全，尚未建立起兼顾安全与发展的数据开放、管理和信息安全保障体系。五是人才队伍建设亟需加强。大数据基础研究、产品研发和业务应用等各类人才短缺，难以满足发展需要。
“十三五”时期是我国全面建成小康社会决胜阶段，是实施国家大数据战略的起步期，是大数据产业崛起的重要窗口期，必须抓住机遇加快发展，实现从数据大国向数据强国转变。
三、指导思想和发展目标
（一）指导思想
全面贯彻党的十八大和十八届三中、四中、五中、六中全会精神，坚持创新、协调、绿色、开放、共享的发展理念，围绕实施国家大数据战略，以强化大数据产业创新发展能力为核心，以推动数据开放与共享、加强技术产品研发、深化应用创新为重点，以完善发展环境和提升安全保障能力为支撑，打造数据、技术、应用与安全协同发展的自主产业生态体系，全面提升我国大数据的资源掌控能力、技术支撑能力和价值挖掘能力，加快建设数据强国，有力支撑制造强国和网络强国建设。
（二）发展原则
创新驱动。瞄准大数据技术发展前沿领域，强化创新能力，提高创新层次，以企业为主体集中攻克大数据关键技术，加快产品研发，发展壮大新兴大数据服务业态，加强大数据技术、应用和商业模式的协同创新，培育市场化、网络化的创新生态。
应用引领。发挥我国市场规模大、应用需求旺的优势，以国家战略、人民需要、市场需求为牵引，加快大数据技术产品研发和在各行业、各领域的应用，促进跨行业、跨领域、跨地域大数据应用，形成良性互动的产业发展格局。
开放共享。汇聚全球大数据技术、人才和资金等要素资源，坚持自主创新和开放合作相结合，走开放式的大数据产业发展道路。树立数据开放共享理念，完善相关制度，推动数据资源开放共享与信息流通。
统筹协调。发挥企业在大数据产业创新中的主体作用，加大政府政策支持和引导力度，营造良好的政策法规环境，形成政产学研用统筹推进的机制。加强中央、部门、地方大数据发展政策衔接，优化产业布局，形成协同发展合力。
安全规范。安全是发展的前提，发展是安全的保障，坚持发展与安全并重，增强信息安全技术保障能力，建立健全安全防护体系，保障信息安全和个人隐私。加强行业自律，完善行业监管，促进数据资源有序流动与规范利用。
（三）发展目标
到2020年，技术先进、应用繁荣、保障有力的大数据产业体系基本形成。大数据相关产品和服务业务收入突破1万亿元[ 基于现有电子信息产业统计数据及行业抽样估计，2015年我国大数据产业业务收入2800亿元左右]，年均复合增长率保持30%左右，加快建设数据强国，为实现制造强国和网络强国提供强大的产业支撑。
——技术产品先进可控。在大数据基础软硬件方面形成安全可控技术产品，在大数据获取、存储管理和处理平台技术领域达到国际先进水平，在数据挖掘、分析与应用等算法和工具方面处于领先地位，形成一批自主创新、技术先进，满足重大应用需求的产品、解决方案和服务。
——应用能力显著增强。工业大数据应用全面支撑智能制造和工业转型升级，大数据在创新创业、政府管理和民生服务等方面广泛深入应用，技术融合、业务融合和数据融合能力显著提升，实现跨层级、跨地域、跨系统、跨部门、跨业务的协同管理和服务，形成数据驱动创新发展的新模式。
——生态体系繁荣发展。形成若干创新能力突出的大数据骨干企业，培育一批专业化数据服务创新型中小企业，培育10家国际领先的大数据核心龙头企业和500家大数据应用及服务企业。形成比较完善的大数据产业链，大数据产业体系初步形成。建设10-15个大数据综合试验区，创建一批大数据产业集聚区，形成若干大数据新型工业化产业示范基地。
——支撑能力不断增强。建立健全覆盖技术、产品和管理等方面的大数据标准体系。建立一批区域性、行业性大数据产业和应用联盟及行业组织。培育一批大数据咨询研究、测试评估、技术和知识产权、投融资等专业化服务机构。建设1-2个运营规范、具有一定国际影响力的开源社区。
——数据安全保障有力。数据安全技术达到国际先进水平。国家数据安全保护体系基本建成。数据安全技术保障能力和保障体系基本满足国家战略和市场应用需求。数据安全和个人隐私保护的法规制度较为完善。
四、重点任务和重大工程
（一）强化大数据技术产品研发
以应用为导向，突破大数据关键技术，推动产品和解决方案研发及产业化，创新技术服务模式，形成技术先进、生态完备的技术产品体系。
加快大数据关键技术研发。围绕数据科学理论体系、大数据计算系统与分析、大数据应用模型等领域进行前瞻布局，加强大数据基础研究。发挥企业创新主体作用，整合产学研用资源优势联合攻关，研发大数据采集、传输、存储、管理、处理、分析、应用、可视化和安全等关键技术。突破大规模异构数据融合、集群资源调度、分布式文件系统等大数据基础技术，面向多任务的通用计算框架技术，以及流计算、图计算等计算引擎技术。支持深度学习、类脑计算、认知计算、区块链、虚拟现实等前沿技术创新，提升数据分析处理和知识发现能力。结合行业应用，研发大数据分析、理解、预测及决策支持与知识服务等智能数据应用技术。突破面向大数据的新型计算、存储、传感、通信等芯片及融合架构、内存计算、亿级并发、EB级存储、绿色计算等技术，推动软硬件协同发展。
培育安全可控的大数据产品体系。以应用为牵引，自主研发和引进吸收并重，加快形成安全可控的大数据产品体系。重点突破面向大数据应用基础设施的核心信息技术设备、信息安全产品以及面向事务的新型关系数据库、列式数据库、NoSQL数据库、大规模图数据库和新一代分布式计算平台等基础产品。加快研发新一代商业智能、数据挖掘、数据可视化、语义搜索等软件产品。结合数据生命周期管理需求，培育大数据采集与集成、大数据分析与挖掘、大数据交互感知、基于语义理解的数据资源管理等平台产品。面向重点行业应用需求，研发具有行业特征的大数据检索、分析、展示等技术产品，形成垂直领域成熟的大数据解决方案及服务。
创新大数据技术服务模式。加快大数据服务模式创新，培育数据即服务新模式和新业态，提升大数据服务能力，降低大数据应用门槛和成本。围绕数据全生命周期各阶段需求，发展数据采集、清洗、分析、交易、安全防护等技术服务。推进大数据与云计算服务模式融合，促进海量数据、大规模分布式计算和智能数据分析等公共云计算服务发展，提升第三方大数据技术服务能力。推动大数据技术服务与行业深度结合，培育面向垂直领域的大数据服务模式。
专栏1：大数据关键技术及产品研发与产业化工程
突破技术。支持大数据共性关键技术研究，实施云计算和大数据重点专项等重大项目。着力突破服务器新型架构和绿色节能技术、海量多源异构数据的存储和管理技术、可信数据分析技术、面向大数据处理的多种计算模型及其编程框架等关键技术。
打造产品。以应用为导向，支持大数据产品研发，建立完善的大数据工具型、平台型和系统型产品体系，形成面向各行业的成熟大数据解决方案，推动大数据产品和解决方案研发及产业化。
树立品牌。支持我国大数据企业建设自主品牌，提升市场竞争力。引导企业加强产品质量管控，提高创新能力，鼓励企业加强战略合作。加强知识产权保护，推动自主知识产权标准产业化和国际化应用。培育一批国际知名的大数据产品和服务公司。
专栏2：大数据服务能力提升工程
培育数据即服务模式。发展数据资源服务、在线数据服务、大数据平台服务等模式，支持企业充分整合、挖掘、利用自有数据或公共数据资源，面向具体需求和行业领域，开展数据分析、数据咨询等服务，形成按需提供数据服务的新模式。
支持第三方大数据服务。鼓励企业探索数据采集、数据清洗、数据交换等新商业模式，培育一批开展数据服务的新业态。支持弹性分布式计算、数据存储等基础数据处理云服务发展。加快发展面向大数据分析的在线机器学习、自然语言处理、图像理解、语音识别、空间分析、基因分析和大数据可视化等数据分析服务。开展第三方数据交易平台建设试点示范。
（二）深化工业大数据创新应用
加强工业大数据基础设施建设规划与布局，推动大数据在产品全生命周期和全产业链的应用，推进工业大数据与自动控制和感知硬件、工业核心软件、工业互联网、工业云和智能服务平台融合发展，形成数据驱动的工业发展新模式，支撑中国制造2025战略，探索建立工业大数据中心。
加快工业大数据基础设施建设。加快建设面向智能制造单元、智能工厂及物联网应用的低延时、高可靠、广覆盖的工业互联网，提升工业网络基础设施服务能力。加快工业传感器、射频识别（RFID）、光通信器件等数据采集设备的部署和应用，促进工业物联网标准体系建设，推动工业控制系统的升级改造，汇聚传感、控制、管理、运营等多源数据，提升产品、装备、企业的网络化、数字化和智能化水平。
推进工业大数据全流程应用。支持建设工业大数据平台，推动大数据在重点工业领域各环节应用，提升信息化和工业化深度融合发展水平，助推工业转型升级。加强研发设计大数据应用能力，利用大数据精准感知用户需求，促进基于数据和知识的创新设计，提升研发效率。加快生产制造大数据应用，通过大数据监控优化流水线作业，强化故障预测与健康管理，优化产品质量，降低能源消耗。提升经营管理大数据应用水平，提高人力、财务、生产制造、采购等关键经营环节业务集成水平，提升管理效率和决策水平，实现经营活动的智能化。推动客户服务大数据深度应用，促进大数据在售前、售中、售后服务中的创新应用。促进数据资源整合，打通各个环节数据链条，形成全流程的数据闭环。
培育数据驱动的制造业新模式。深化制造业与互联网融合发展，坚持创新驱动，加快工业大数据与物联网、云计算、信息物理系统等新兴技术在制造业领域的深度集成与应用，构建制造业企业大数据“双创”平台，培育新技术、新业态和新模式。利用大数据，推动“专精特新”中小企业参与产业链，与中国制造2025、军民融合项目对接，促进协同设计和协同制造。大力发展基于大数据的个性化定制，推动发展顾客对工厂（C2M）等制造模式，提升制造过程智能化和柔性化程度。利用大数据加快发展制造即服务模式，促进生产型制造向服务型制造转变。
专栏3：工业大数据创新发展工程
加强工业大数据关键技术研发及应用。加快大数据获取、存储、分析、挖掘、应用等关键技术在工业领域的应用，重点研究可编程逻辑控制器、高通量计算引擎、数据采集与监控等工控系统，开发新型工业大数据分析建模工具，开展工业大数据优秀产品、服务及应用案例的征集与宣传推广。
建设工业大数据公共服务平台，提升中小企业大数据运用能力。支持面向典型行业中小企业的工业大数据服务平台建设，实现行业数据资源的共享交换以及对产品、市场和经济运行的动态监控、预测预警，提升对中小企业的服务能力。
重点领域大数据平台建设及应用示范。支持面向航空航天装备、海洋工程装备及高技术船舶、先进轨道交通装备、节能与新能源汽车等离散制造企业，以及石油、化工、电力等流程制造企业集团的工业大数据平台开发和应用示范，整合集团数据资源，提升集团企业协同研发能力和集中管控水平。
探索工业大数据创新模式。支持建设一批工业大数据创新中心，推进企业、高校和科研院所共同探索工业大数据创新的新模式和新机制，推进工业大数据核心技术突破、产业标准建立、应用示范推广和专业人才培养引进，促进研究成果转化。
（三）促进行业大数据应用发展
加强大数据在重点行业领域的深入应用，促进跨行业大数据融合创新，在政府治理和民生服务中提升大数据运用能力，推动大数据与各行业领域的融合发展。
推动重点行业大数据应用。推动电信、能源、金融、商贸、农业、食品、文化创意、公共安全等行业领域大数据应用，推进行业数据资源的采集、整合、共享和利用，充分释放大数据在产业发展中的变革作用，加速传统行业经营管理方式变革、服务模式和商业模式创新及产业价值链体系重构。
促进跨行业大数据融合创新。打破体制机制障碍，打通数据孤岛，创新合作模式，培育交叉融合的大数据应用新业态。支持电信、互联网、工业、金融、健康、交通等信息化基础好的领域率先开展跨领域、跨行业的大数据应用，培育大数据应用新模式。支持大数据相关企业与传统行业加强技术和资源对接，共同探索多元化合作运营模式，推动大数据融合应用。
强化社会治理和公共服务大数据应用。以民生需求为导向，以电子政务和智慧城市建设为抓手，以数据集中和共享为途径，推动全国一体化的国家大数据中心建设，推进技术融合、业务融合、数据融合，实现跨层级、跨地域、跨系统、跨部门、跨业务的协同管理和服务。促进大数据在政务、交通、教育、健康、社保、就业等民生领域的应用，探索大众参与的数据治理模式，提升社会治理和城市管理能力，为群众提供智能、精准、高效、便捷的公共服务。促进大数据在市场主体监管与服务领域应用，建设基于大数据的重点行业运行分析服务平台，加强重点行业、骨干企业经济运行情况监测，提高行业运行监管和服务的时效性、精准性和前瞻性。促进政府数据和企业数据融合，为企业创新发展和社会治理提供有力支撑。
专栏4：跨行业大数据应用推进工程
开展跨行业大数据试点示范。选择电信、互联网、工业、金融、交通、健康等数据资源丰富、信息化基础较好、应用需求迫切的重点行业领域，建设跨行业跨领域大数据平台。基于平台探索跨行业数据整合共享机制、数据共享范围、数据整合对接标准，研发数据及信息系统互操作技术，推动跨行业的数据资源整合集聚，开展跨行业大数据应用，选择应用范围广、应用效果良好的领域开展试点示范。
成立跨行业大数据推进组织。支持成立跨部门、跨行业、跨地域的大数据应用推进组织，联合开展政策、法律法规、技术和标准研究，加强跨行业大数据合作交流。
建设大数据融合应用试验床。建设跨行业大数据融合应用试验床，汇聚测试数据、分析软件和建模工具，为研发机构、大数据企业开展跨界联合研发提供环境。
（四）加快大数据产业主体培育
引导区域大数据发展布局，促进基于大数据的创新创业，培育一批大数据龙头企业和创新型中小企业，形成多层次、梯队化的创新主体和合理的产业布局，繁荣大数据生态。
利用大数据助推创新创业。鼓励资源丰富、技术先进的大数据领先企业建设大数据平台，开放平台数据、计算能力、开发环境等基础资源，降低创新创业成本。鼓励大型企业依托互联网“双创”平台，提供基于大数据的创新创业服务。组织开展算法大赛、应用创新大赛、众包众筹等活动，激发创新创业活力。支持大数据企业与科研机构深度合作，打通科技创新和产业化之间的通道，形成数据驱动的科研创新模式。
构建企业协同发展格局。支持龙头企业整合利用国内外技术、人才和专利等资源，加快大数据技术研发和产品创新，提高产品和服务的国际市场占有率和品牌影响力，形成一批具有国际竞争力的综合型和专业型龙头企业。支持中小企业深耕细分市场，加快服务模式创新和商业模式创新，提高中小企业的创新能力。鼓励生态链各环节企业加强合作，构建多方协作、互利共赢的产业生态，形成大中小企业协同发展的良好局面。
优化大数据产业区域布局。引导地方结合自身条件，突出区域特色优势，明确重点发展方向，深化大数据应用，合理定位，科学谋划，形成科学有序的产业分工和区域布局。在全国建设若干国家大数据综合试验区，在大数据制度创新、公共数据开放共享、大数据创新应用、大数据产业集聚、数据要素流通、数据中心整合、大数据国际交流合作等方面开展系统性探索试验，为全国大数据发展和应用积累经验。在大数据产业特色优势明显的地区建设一批大数据产业集聚区，创建大数据新型工业化产业示范基地，发挥产业集聚和协同作用，以点带面，引领全国大数据发展。统筹规划大数据跨区域布局，利用大数据推动信息共享、信息消费、资源对接、优势互补，促进区域经济社会协调发展。
专栏5：大数据产业集聚区创建工程
建设一批大数据产业集聚区。支持地方根据自身特点和产业基础，突出优势，合理定位，创建一批大数据产业集聚区，形成若干大数据新型工业化产业示范基地。加强基础设施统筹整合，助推大数据创新创业，培育大数据骨干企业和中小企业，强化服务与应用，完善配套措施，构建良好产业生态。在大数据技术研发、行业应用、教育培训、政策保障等方面积极创新，培育壮大大数据产业，带动区域经济社会转型发展，形成科学有序的产业分工和区域布局。建立集聚区评价指标体系，开展定期评估。
（五）推进大数据标准体系建设
加强大数据标准化顶层设计，逐步完善标准体系，发挥标准化对产业发展的重要支撑作用。
加快大数据重点标准研制与推广。结合大数据产业发展需求，建立并不断完善涵盖基础、数据、技术、平台/工具、管理、安全和应用的大数据标准体系。加快基础通用国家标准和重点应用领域行业标准的研制。选择重点行业、领域、地区开展标准试验验证和试点示范，加强宣贯和实施。建立标准符合性评估体系，强化标准对市场培育、服务能力提升和行业管理的支撑作用。加强国家标准、行业标准和团体标准等各类标准之间的衔接配套。
积极参与大数据国际标准化工作。加强我国大数据标准化组织与相关国际组织的交流合作。组织我国产学研用资源，加快国际标准提案的推进工作。支持相关单位参与国际标准化工作并承担相关职务，承办国际标准化活动，扩大国际影响。
专栏6：大数据重点标准研制及应用示范工程
加快研制重点国家标准。围绕大数据标准化的重大需求，开展数据资源分类、开放共享、交易、标识、统计、产品评价、数据能力、数据安全等基础通用标准以及工业大数据等重点应用领域相关国家标准的研制。
建立验证检测平台。建立标准试验验证和符合性检测平台，重点开展数据开放共享、产品评价、数据能力成熟度、数据质量、数据安全等关键标准的试验验证和符合性检测。
开展标准应用示范。优先支持大数据综合试验区和大数据产业集聚区建立标准示范基地，开展重点标准的应用示范工作。
（六）完善大数据产业支撑体系
统筹布局大数据基础设施，建设大数据产业发展创新服务平台，建立大数据统计及发展评估体系，创造良好的产业发展环境。
合理布局大数据基础设施建设。引导地方政府和有关企业统筹布局数据中心建设，充分利用政府和社会现有数据中心资源，整合改造规模小、效率低、能耗高的分散数据中心，避免资源和空间的浪费。鼓励在大数据基础设施建设中广泛推广可再生能源、废弃设备回收等低碳环保方式，引导大数据基础设施体系向绿色集约、布局合理、规模适度、高速互联方向发展。加快网络基础设施建设升级，优化网络结构，提升互联互通质量。
构建大数据产业发展公共服务平台。充分利用和整合现有创新资源，形成一批大数据测试认证及公共服务平台。支持建立大数据相关开源社区等公共技术创新平台，鼓励开发者、企业、研究机构积极参与大数据开源项目，增强在开源社区的影响力，提升创新能力。
建立大数据发展评估体系。研究建立大数据产业发展评估体系，对我国及各地大数据资源建设状况、开放共享程度、产业发展能力、应用水平等进行监测、分析和评估，编制发布大数据产业发展指数，引导和评估全国大数据发展。
专栏7：大数据公共服务体系建设工程
建立大数据产业公共服务平台。提供政策咨询、共性技术支持、知识产权、投融资对接、品牌推广、人才培训、创业孵化等服务，推动大数据企业快速成长。
支持第三方机构建立测试认证平台。开展大数据可用性、可靠性、安全性和规模质量等方面的测试测评、认证评估等服务。
建立大数据开源社区。以自主创新技术为核心，孵化培育本土大数据开源社区和开源项目，构建大数据产业生态。
（七）提升大数据安全保障能力
针对网络信息安全新形势，加强大数据安全技术产品研发，利用大数据完善安全管理机制，构建强有力的大数据安全保障体系。
加强大数据安全技术产品研发。重点研究大数据环境下的统一账号、认证、授权和审计体系及大数据加密和密级管理体系，突破差分隐私技术、多方安全计算、数据流动监控与追溯等关键技术。推广防泄露、防窃取、匿名化等大数据保护技术，研发大数据安全保护产品和解决方案。加强云平台虚拟机安全技术、虚拟化网络安全技术、云安全审计技术、云平台安全统一管理技术等大数据安全支撑技术研发及产业化，加强云计算、大数据基础软件系统漏洞挖掘和加固。
提升大数据对网络信息安全的支撑能力。综合运用多源数据，加强大数据挖掘分析，增强网络信息安全风险感知、预警和处置能力。加强基于大数据的新型信息安全产品研发，推动大数据技术在关键信息基础设施安全防护中的应用，保障金融、能源、电力、通信、交通等重要信息系统安全。建设网络信息安全态势感知大数据平台和国家工业控制系统安全监测与预警平台，促进网络信息安全威胁数据采集与共享，建立统一高效、协同联动的网络安全风险报告、情报共享和研判处置体系。
专栏8：大数据安全保障工程
开展大数据安全产品研发与应用示范。支持相关企业、科研院所开展大数据全生命周期安全研究，研发数据来源可信、多源融合安全数据分析等新型安全技术，推动数据安全态势感知、安全事件预警预测等新型安全产品研发和应用。
支持建设一批大数据安全攻防仿真实验室。研究建立软硬一体化的模拟环境，支持工业、能源、金融、电信、互联网等重点行业开展数据入侵、反入侵和网络攻防演练，提升数据安全防护水平和应急处置能力。
五、保障措施
（一）推进体制机制创新
在促进大数据发展部际联席会议制度下,建立完善中央和地方联动的大数据发展协调机制，形成以应用带动产业、以产业支撑应用的良性格局，协同推进大数据产业和应用的发展。加强资源共享和沟通协作，协调制定政策措施和行动计划，解决大数据产业发展过程中的重大问题。建立大数据发展部省协调机制，加强地方与中央大数据产业相关政策、措施、规划等政策的衔接，通过联合开展产业规划等措施促进区域间大数据政策协调。组织开展大数据发展评估检查工作，确保重点工作有序推进。充分发挥地方政府大数据发展统筹机构或协调机制的作用，将大数据产业发展纳入本地区经济社会发展规划，加强大数据产业发展的组织保障。
（二）健全相关政策法规制度
推动制定公共信息资源保护和开放的制度性文件，以及政府信息资源管理办法，逐步扩大开放数据的范围，提高开放数据质量。加强数据统筹管理及行业自律，强化大数据知识产权保护，鼓励企业设立专门的数据保护职位。研究制定数据流通交易规则，推进流通环节的风险评估，探索建立信息披露制度，支持第三方机构进行数据合规应用的监督和审计，保障相关主体合法权益。推动完善个人信息保护立法，建立个人信息泄露报告制度，健全网络数据和用户信息的防泄露、防篡改和数据备份等安全防护措施及相关的管理机制，加强对数据滥用、侵犯个人隐私等行为的管理和惩戒力度。强化关键信息基础设施安全保护，推动建立数据跨境流动的法律体系和管理机制，加强重要敏感数据跨境流动的管理。推动大数据相关立法进程，支持地方先行先试，研究制定地方性大数据相关法规。
（三）加大政策扶持力度
结合《促进大数据发展行动纲要》、中国制造2025、“互联网+”行动计划、培育发展战略性新兴产业的决定等战略文件，制定面向大数据产业发展的金融、政府采购等政策措施，落实相关税收政策。充分发挥国家科技计划（专项、基金等）资金扶持政策的作用，鼓励有条件的地方设立大数据发展专项基金，支持大数据基础技术、重点产品、服务和应用的发展。鼓励产业投资机构和担保机构加大对大数据企业的支持力度，引导金融机构对技术先进、带动力强、惠及面广的大数据项目优先予以信贷支持，鼓励大数据企业进入资本市场融资，为企业重组并购创造更加宽松的市场环境。支持符合条件的大数据企业享受相应优惠政策。
（四）建设多层次人才队伍
建立适应大数据发展需求的人才培养和评价机制。加强大数据人才培养，整合高校、企业、社会资源，推动建立创新人才培养模式，建立健全多层次、多类型的大数据人才培养体系。鼓励高校探索建立培养大数据领域专业型人才和跨界复合型人才机制。支持高校与企业联合建立实习培训机制，加强大数据人才职业实践技能培养。鼓励企业开展在职人员大数据技能培训，积极培育大数据技术和应用创新型人才。依托社会化教育资源，开展大数据知识普及和教育培训，提高社会整体认知和应用水平。鼓励行业组织探索建立大数据人才能力评价体系。完善配套措施，培养大数据领域创新型领军人才，吸引海外大数据高层次人才来华就业、创业。
（五）推动国际化发展
按照网络强国建设的总体要求，结合“一带一路”等国家重大战略，加快开拓国际市场，输出优势技术和服务,形成一批具有国际竞争力的大数据企业和产品。充分利用国际合作交流机制和平台，加强在大数据关键技术研究、产品研发、数据开放共享、标准规范、人才培养等方面的交流与合作。坚持网络主权原则，积极参与数据安全、数据跨境流动等国际规则体系建设，促进开放合作，构建良好秩序。
