研究大数据不一定非要用自己的数据，我国政务大数据共享发展任重道远

会员服务 ·

研究大数据不一定非要用自己的数据，我国政务大数据共享发展任重道远 | 大咖周语录

2017 年 8 月 6 日 数据猿 张宏

国务院《促进大数据发展行动纲要》提到，推动政府信息系统和公共数据的互联共享，避免重复建设和数据打架，增强政府的公信力，促进社会信用体系建设。政府开放数据需要技术框架支持，包括开放数据管理、开放数据技术和开放数据门户。

编辑 | 张宏

官网 | www.datayuan.cn

微信公众号ID | datayuancn

中国工程院院士邬贺铨：现阶段我国大数据共享面临的问题与挑战依旧很多

数据的价值在于融合与挖掘，政府数据对公众的最大利益在于共享与开放。邬贺铨认为，现阶段我国大数据共享面临的问题有很多，并指出数据共享和开放现在面临三大挑战：

第一，不愿意共享开放，政府部门各自为政、把数据开放当成自己的权利。

第二，法律法规制度不够具体，不清楚哪些数据可以跨部门共享和向公众开放。

第三，缺乏公共平台，共享渠道不畅。

此外，大数据交易的关键是对数据质量的要求，包括数据的准确性、真实性、完整性、一致性等。关于交易数据合法性、及时性、可用性、安全性等问题，都是现阶段我国数据交易所面临的问题。

谈及大数据的利用和保护，他说到，目前，欧盟制定了严格的数据保护法案，中国虽然有宏观上的数据保护要求，但是没有全面的数据保护法规。

最后，他指出，数据的价值在于融合与挖掘，政府数据对公众的最大利益在于共享与开放。数据流通与交易有利于促进数据的融合挖掘。数据的使用必须面对保护的责任与义务，尤其是对个人隐私数据的保护。

原文链接：http://www.datayuan.cn/article/12829.htm

中国信通院高级工程师韩涵：政务大数据的技术发展与标准化任重道远

2017年7月26日下午，“2017政务数据治理与创新高端研讨会”在北京梅地亚中心多功能厅隆重召开。韩涵出席会议并发表了《政务大数据--技术发展与标准化》的主题演讲，阐释了“政府战略转型→业务转变→数据应用变革→云化大数据服务”的政务大数据驱动路线以及“数据采集→数据开放→数据共享→统筹汇聚”的政务大数据建设流程，针对数据开放共享存在的问题，她建议建立数据分级/分类机制和数据共享负责人制度。

关于我国大数据发展基本状况，她指出：

第一，领导层高度重视大数据发展，国家密集出台政务数据开放共享相关政策。

第二，政府数据共享开放标准化进程不断加快。

第三，大数据上升为国家战略，全国多片区布局综合试验区。

第四，全国各地陆续制订大数据发展政策规划，开展大数据建设项目。同时，政府大数据的应用问题也非常显著。

此外，对于政务大数据建设步骤，她认为主要有以下几个方面：

首先是数据采集；

第二是数据开放；

第三是数据共享；

第四是统筹汇聚。

原文链接：http://www.datayuan.cn/article/12870.htm

京东万象杜宇甫：研究大数据，不一定非要用自己的数据!

对于大数据与AI的关系，杜总给我们形象地解答了这个问题：如果把AI比作一个人的话，那么大数据就相当于一个学校。AI要想变得更聪明，必须通过大数据来学习和训练，才能实现真正的智能化。归根结底，对于人工智能来说，最重要的其实就是数据。

并非所有的数据都叫“大数据”

虽然数据是研究人工智能的重要因素，但这并不意味着任何数据都有价值。因此如果企业想要利用好大数据，让数据产生价值，则必须具备能够从海量的数据中筛选出有效数据、摒弃无用数据的能力。

那么，企业该如何在海量数据中甄别出有效数据呢？对此，杜总告诉我们，由于企业业务模式和所处行业环境的不同，目前没有标准化可复制的方法来有效鉴别数据。对一个企业有用的数据，对另一个企业不一定有用，大家只能不断地去尝试;同时，可以从同行的成功或失败案例中总结经验、教训。

大数据时代，数据量不够大该怎么办？杜总表示，研究大数据，不一定要用内部数据，可以通过外部的数据来辅助自身业务。杜总认为，目前大数据领域的最大瓶颈是“数据共享与流通”。各个企业还是各自留存和使用内部数据，不愿意与其他行业和企业进行数据的交换共享，这其实并不利于大数据研究。

原文链接：http://www.datayuan.cn/article/12846.htm

中国工程院院士李德毅：大数据时代 AI+汽车的未来之路吐火如荼

7月22 - 23日，2017 中国人工智能大会(CCAI 2017)在杭州国际会议中心盛大召开。中国工程院院士、中国人工智能学会理事长李德毅为所有参会者带来了主题为《L3 的挑战与量产》的报告。从“L3 难在哪里 ”、“如何突破 L2 的天花板 ”、“量产 L3 的策略”三个方面出发，重点讨论了当前 L3 自动驾驶汽车所面临的挑战以及量产问题。

他指出，自动化行业提出一个“自动驾驶+智能网联”的解决方案，即：

结构化道路
确定性窗口
网络协同
软件定义的机器

从 L2 到 L3 的过渡，是掌控权由人到机器的转移过程。这里面有三个疑问：

自动驾驶等级转换点如何度量
掌控权交接点如何变度量
掌控权交接过程中的事故如何度量

在J3016标准中，明确了驾驶掌控权由人转移到车，跳升的界定很明确。

大数据开车

未来汽车会成为大数据的源泉，移动社会的传感器，驾驶脑有学习和自学习能力，技巧和经验可以在线提升，驾驶脑智能的进化速度超过自然人，尤其是群体智能发挥驾驶超脑的作用，这样汽车制造商逐步地成为汽车运营商。随着L3、L4级别车辆的出现，L5级别的自动驾驶车迟早也会实现。当人们对L3、L4、L5的差异不再介意时，这个世界就变了。

原文链接：http://www.datayuan.cn/article/12716.htm