数据智能应用道路困难重重
时间：2022-04-08 07:00:01 | 来源：行业动态
时间：2022-04-08 07:00:01 来源：行业动态
如果说以前产业数字化转型是快与慢的问题，疫情后产业数字化转型则是生与死的问题，疫情将倒逼产业数字化进程。从内部改造到外部协同、从单点应用到全局优化，持续推动产业数字化、服务化升级。
目前数据智能在社会应用中有两大难道，一个是缺乏完善数据治理体系和一个是数据标准的建立。目前我国现行的管理模式和信息应用模式还多以条块分割碎片化式为主，各个部门在自上而下的高度集权和横向的部门分立的双重因素下，跨部门信息协同面临重重阻力，导致数据治理结构与治理机制不健全，数据治理能力差。
百分点也给出了一些建议，首先，从政府层面，数据要素市场培育的三个重点：
首先推进政府数据开放共享。优化经济治理基础数据库，加快推动各地区各部门间数据共享交换，制定出台新一批数据共享责任清单。
提升社会数据资源价值。培育数字经济新产业、新业态和新模式，支持构建农业、工业、交通、教育、安防、城市管理、公共资源交易等领域规范化数据开发利用的场景。推动人工智能、可穿戴设备、车联网、物联网等领域数据采集标准化。
加强数据资源整合和安全保护。探索建立统一规范的数据管理制度。研究根据数据性质完善产权性质。推动完善适用于大数据环境下的数据分类分级安全保护制度，加强对政务数据、企业商业秘密和个人数据的保护。
其次，作为企业，需要依托政产学研用合作机制，建立统一的数据标准。数据治理、标准先行。数据治理体系是个复杂而庞大的系统工程，分散的数据涉及各个部门，因各个部门出台的行业细分标准不统一，且需要结合业务理解标准，因此跨领域的知识储备非常重要，建立数据治理体系需要共享标准词典，基于政产学研用合作机制，构建多种学科背景的联合实验室，同时需要发挥民营企业的技术力量，以数据标准模型 面向对象的标准工具的合作模式，通过API接口等方式，推广数据交换共享的普通话。
最后，建设可共享的知识图谱。数据治理体系是整体关联、动态平衡的系统工程，犹如一个智能生命体，需要政府、社会及企业分别构建云数据管理子中心，以点带面，实现全面的肢体连接。建成基于人、地、事、物、组织的知识图谱，最终让数据连成一张网，形成数据分析、共享、协同的数据价值流动，按需提供数据同步、数据整合、数据分发等应用场景，为各部门提供统一高效的数据服务。
在线咨询
