《2023大数据应用产业分类规范》由会员分享，可在线阅读，更多相关《2023大数据应用产业分类规范（10页珍藏版）》请在金锄头文库上搜索。
1、大数据应用产业分类规范目次前言II引言III1 范围12 规范性引用文件13 术语和定义14 产业模型1 模型1 特征维2 数据源35 分类原则46 分类主题4 模型4 产业应用4 产业服务5 产业支撑57 产业类型6 要求6 产业应用6 产业服务7 产业支撑8参考文献9I大数据应用产业分类规范1 范围本文件提出了大数据资源应用产业模型，规定了分类原则、分类主题、类型的基本规则。 本文件适用于大数据资源应用产业分类的相关应用。2 规范性引用文件本文件没有规范性引用文件。3 术语和定义下列术语和定义适用于本文件。大数据 massive datasets海量、复杂的结构化、非结构化、半结构化、类型
2、繁杂的数据集合。大数据资源应用 massive datasets Resource Application基于一定的应用目的，生产、采集、管理、存储、处理、分析各类大数据形态聚合资源和相关数据 服务。大数据资源应用产业 massive datasets resource application industry基于一定的应用目的，以生产、采集、管理、存储、处理、分析数据资源和相关服务为主的相关经 济活动。大数据资源应用产业包括数据资源建设、数据相关的软硬件产品的开发、销售和租赁活动，及数据 相关的信息服务提供。大数据生产 massive datasets production数据源产生的各类数
3、据，包括结构化、非结构化、半结构化数据等。4 产业模型 模型大数据资源应用产业模型，参见图1。1数据政务组织公共组织商务组织经济组织网络管理个人信息主体产业应用数据源产业支撑数据安全系统集成软硬件产品销售、租赁软硬件产品制造、开发图 1大数据资源应用产业模型 特征维大数据可依据资源应用的产业特征划分为产业应用、产业服务、产业支撑3维，包括：a) 产业应用：大数据资源应用所涉及的政治、经济、社会、生活等各个领域、行业，体现目的特征，如：1) 智慧政务：大数据应用于智慧政务的资源能力建设，提升政府管理、服务、决策的智能化、智慧化水平；2) 智能交通：大数据应用于交通管理、交通运输、公众出行等交通领
4、域及交通建设管理， 以充分保障交通安全、提升交通系统运行效率和管理水平；3) 智能农业：大数据应用于农业生产控制，精准感知、决策管理；4) 智能社区：大数据应用于社区管理，智能过滤处理社会、生活管理；5) 智能制造：大数据应用于智能制造全生命周期，为客户提供定制化、按需使用、主动、透明、可信的智能制造服务等；6) 智能识别：大数据资源应用于语音识别、指纹识别、人脸识别、虹膜识别，以及射频识别、智能卡、条形码识别等；7) 智能控制：大数据资源应用于自主驱动智能设备应用，如智能工厂、智能家居等；8) 人工智能：大数据资源应用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统；9) 大数据资源应
5、用也应包括科学计算、网络应用（如电子商务、网络金融等）等。b) 产业服务：为政治、经济、社会、生活等各个领域、行业提供大数据资源应用服务，体现服务特征，如：21) 数据采集、处理服务：应包括数据采集、数据挖掘与分析、数据出售与租赁、数据交换、 数据传输、数据流通交易、数据相关管理及运营等、数据应用服务，数据增值服务等；2) 数据存储服务：各种类数据的存储服务；3) 数据管理：各类数据的组织、控制、计划、协调等；4) 数据咨询服务：基于数据的信息服务，应包括数据相关的建议、意见；数据相关的解决方案、数据相关业务的交流等；5) 数据教育和培训：数据相关的技术、业务、管理培训等；注： 大数据资源应用
6、服务可基于云模式提供。c) 产业支撑：支撑大数据资源应用的基础设施、相关产业等，体现资源能力特征，如：1) 软硬件产品制造、开发：应包括网络设备、服务器、存储设备及计算设备制造、光纤光缆、智能终端、集成电路、电子材料和元器件、通信设备制造、电子信息产业，及相关的系统软件（包括系统平台、数据库系统、中间件等）、应用软件（包括定制、嵌入式、 工具软件等）的制造、开发、应用；2) 软硬件产品销售、租赁：电子信息产业产品、软件产品的销售、租赁；3) 系统集成：为数据搭建可信、可靠、健壮的基础平台；4) 数据安全：研究数据的安全性、可信性，数据安全相关的安全产品、数据安全的解决方案等；5) 数据中心：数
7、据环境，应包括数据中心的管理、运维等。 数据源4.3.1 原生数据源数据源，是城市管理、运行中生产的海量、复杂的各类数据，或社会成员在社会活动中生产的数据。 主要包括但不限于：a) 政府在运行、管理过程中，特别是随着电子政务应用的不断发展，生产、累积、沉淀了与政府运行、管理相关的数据。这些数据是政府在履行国家机关的职责时获取的公共产品；b) 公共服务组织在提供各种公共服务的过程中，同样生产、积累、沉淀的与组织相关的资源数据，这些组织包括城市管理、银行、医院、学校等；c) 各类商业组织在各种商业、商务活动中，积累的商业组织运营的相关数据；d) 各类企业、经济组织累积的生产、经营中产生的数据；e)
8、 各类网络行为，如电子商务、网络金融、在线公共服务、搜索引擎等的行为体产生的数据；f) 个人信息主体的自然人特征和在社会活动、社会生活中形成的个人信息等。4.3.2 新生数据源原生数据源经采集、积累、沉淀后，可形成的新的数据源。主要包括但不限于：a) 政府在提供服务过程中，特别是随着电子政务应用的不断发展，累积、沉淀的与社会公众生产生活息息相关数据的应用；b) 公共服务组织在提供各种公共服务的过程中，同样积累、沉淀的数据资源的应用，这些组织包括城市管理、银行、医院、学校等；c) 各类商业组织在各种商业、商务活动中，积累的数据；d) 各类网络行为，如电子商务、网络金融、在线公共服务、搜索引擎等的
9、提供者积累、沉淀数据的应用；3e) 各类企业、经济组织在生产、经营中，积累的数据的应用；f) 自然人在社会活动中收集、积累的数据等。5 分类原则大数据资源应用产业分类原则，主要包括：a) 系统性：应科学、系统、完整分析、评估大数据资源应用全产业链的特征、结构，识别大数据资源应用产业的类别属性；b) 整体性：大数据资源应用是技术密集型产业，应分析、评估全产业链技术、智力特征，识别大数据资源应用产业相关技术的延续性、知识的传承性；c) 普适性：大数据资源应用的产业分类，应具有严谨的科学性、广泛的适应性和符合实际的适用性；d) 权威性：大数据资源应用的产业分类，应具有可信性、可行性、合理性等。6 分
10、类主题 模型依据大数据资源应用趋势、大数据资源应用产业发展和演化及科学、技术和社会的发展，并前瞻未来可能的发展，大数据资源应用产业的分类主题模型可考虑产业应用、产业服务和产业支撑，参见图2。产业支撑IT 及相关产品产业链软件产业产业服务数据安全数据中心数数数安交全运咨据据据据服务易服务维服务询服务据处理服务产业服务图 2大数据资源应用产业分类主题模型 产业应用6.2.1 描述按产业应用定义的大数据资源应用产业分类主题，是数据融合应用于不同的行业、领域形成的产业 业态。46.2.2 技术领域可从数据中获取有价值信息的大数据技术所形成的大数据技术领域，可确定大数据资源应用产业类 别，如数据采集、数
11、据挖掘与分析、数据存储技术、智能应用等。6.2.3 应用领域可依据数据应用的领域确定大数据资源应用产业类别，如农业大数据、交通大数据、政务大数据等。6.2.4 科学领域在大数据应用、发展中发现、验证大数据内涵规律，并运用于自然、生态、社会、科学的关联关系 研究所形成的科学领域，可确定大数据资源应用产业类别。6.2.5 工程领域大数据相关的可研、规划、建设、运营、管理的系统工程所形成的大数据工程领域，可确定大数据 资源应用产业类别。 产业服务6.3.1 描述按产业服务定义的大数据资源应用产业分类主题，是数据融合服务于不同的行业、领域形成的产业 业态。6.3.2 数据处理服务提供数据采集、存储、处
12、理、加工服务所形成的大数据服务领域，包括数据采集服务、数据分析服务、数据挖掘服务、数据存储服务、数据加工服务、数据知识服务等，可确定大数据资源应用产业类别。6.3.3 数据咨询服务提供大数据业务分析，规划大数据战略和架构，提供大数据个性化精准服务，提供大数据解决方案 等的大数据咨询服务形成的大数据服务领域，可确定大数据资源应用产业类别。6.3.4 数据运维服务提供大数据相关环境、基础和数据内容等的大数据运维形成的大数据服务领域，包括数据调度、故 障处理、质量调优、数据评估等，可确定大数据资源产业类别。6.3.5 数据交易服务提供数据确权和价值评估、合法的数据交易及资源协调和交流服务形成的大数据
13、服务领域，可确定 大数据资源应用产业类别。6.3.6 数据安全服务提供大数据相关环境、基础和数据内容等的风险管理和安全解决方案服务形成的大数据服务领域， 可确定大数据资源应用产业类别。 产业支撑56.4.1 描述按产业支撑定义的大数据资源应用产业分类主题，是支撑数据采集、存储、管理、处理、应用等的 产业业态。6.4.2 数据中心支撑大数据及其相关系统运行的环境、基础和配套设施等。6.4.3 IT 及相关产品产业链支撑数据采集、存储、管理、处理、应用等系统的底层基础设施的电子信息产业链及相关产业。6.4.4 软件产业支撑数据采集、存储、管理、处理、应用等系统的相关软件研发。6.4.5 数据安全支撑数据安全的软硬件产品等。7 产业类型 要求应依据分类主题划分大数据资源应用产业类型。 产业应用7.2.1 技术领域技术领域产业应用类型，主要应包括：a) 数据采集技术：适用多种数据采集技术采集结构化、半结构化、非结构化和实时数据的领域；b) 数据存储与管理技术：适用全数据类型、快速查询读取各种数据源的各类的存储和管理技术的领域；c) 数据集成与处理技术：适用多样化、多类型数据的集成和加工、处理技术的领域；d) 数据挖掘与分析技术：适用多样化、多类型数据的知识发现、深度处理技术的领域；e) 数据可视化技术：适用多样化、多类型数据的视觉表现形式技术的领域；f)
