以数赋能,中国系统让数据治理脱虚入实

数据分析实战之数据转换 一、数据变换在数据分析中的角色 1、数据变换可以将不同渠道的数据统一到一个目标数据库里。 在数据变换前,需要先对字段进行筛选,然后对数据进行探索和相关性分析,接着是选择算法模型,然后针对算法模型对数据的需求进行数据变换,从而完成数据挖掘前的准备工作 数据变换是数据准备的重要环节,它通过数据平滑、数据聚集、数据概化和规范化等方式将数据转换成适用于数据挖掘的形式。 2、常见的变换方法: 数据平滑:... 阅读详情

自大数据兴起以来,关于如何实现数据价值的话题一直被人们所热议。

如今看,实现数据价值、释放数据生产力,让数据更好地打通、流动、共享和应用是必经之路,但这已不仅仅是技术层面的讨论,更涉及到数据治理理论、市场交易制度等多方面的探索。因此,大数据交易所在过去几年固然遍地开花,但几年尝试下来,数据安全和数据流通两大关键难题依然悬而未决,数据价值的充分挖掘就更无从谈起。

如何改变这种局面?

近日,在主题为“云可信 数未来”的中国电子云·数聚未来峰会上,中国系统详细介绍了以“数据元件”为核心的数据安全和数据要素一体化治理解决方案,从跨学科的角度出发,在制度理论、技术架构、市场创新等方面取得阶段性研究成果和实践经验,为数据要素市场化和数字经济腾飞打开了新思路。

以数赋能,中国系统让数据治理脱虚入实

数据治理:取得理论突破

有人将数据比喻为21世纪的石油,是所有行业数字化运转的基础。就像石油需要开采、提炼等多道流程之后才能被利用一样,数据也需要经过采集、挖掘、流通、交易才能充分释放价值、成为数字经济的动力。

如今,数据的流动与利用对于社会经济发展已然呈现出关键价值;但作为一种新的生产要素,数据的流通、消费和分配等环节,的确又是一个全新的课题,多方一直在探索中。通常意义上,数据的流通与共享,意味着更多安全挑战;而愈发严格的数据安全措施,则会降低数据的流动性和消费,数据流通共享和数据安全似乎成为一对不可调和的“矛盾”。

在中国系统助理总裁、中国电子数据治理工程指挥部技术部主任国丽看来,数据定价难、确权难、计量难是目前面临的三大挑战,使得数据流通受到阻碍、数据安全形势严峻、数据无法充分释放生产力。目前大数据交易所(中心)通常采用撮合式的交易方式,供需双方进行对接,依然不能解决数据确权、定价等难题。

以数赋能,中国系统让数据治理脱虚入实

“以撮合的方式交易数据资源或服务,交易标的物非常不明确,没有稳定的形态,无法科学合理地计量和定价,另外,交易中谁拥有收益权、谁拥有所有权也不清晰,这些因素让数据流通困难重重。”国丽如是说。“我们认为,生产要素市场化需要有四个要件:交易标的物、确权、定价和交易方式。需要实现原始数据和数据应用的“解耦”,将数据资源加工为可析权、可计量、可定价且风险可控的初级产品,完成数据从资源到要素的形态转换,进而进行要素的市场化配置。”

为此,中国电子与清华大学合作,围绕数据安全和数据要素,从法律、技术、经济、制度、安全和应用等方面开展系统性、跨学科研究,创造性地定义了“数据元件”和“数据金库”的产品内涵和标准,为破解数据安全和数据要素市场化等难题找到破解之道。

清华大学-中国电子信息产业集团有限公司数据治理工程联合研究院于2021年7月7日经清华大学校务会正式批准设立,为学校校级科研机构。研究院聚焦数据治理研究领域,整合校内相关院系研究力量和中国电子产业优势,致力于开展基础理论、制度体系及关键技术的研究,注重理论研究与实践应用相结合,努力为落实数字中国战略、推进国家治理体系和治理能力现代化建设贡献思想与智慧。

何为数据元件和数据金库?

数据元件是通过对数据脱敏处理后,根据需要由若干相关字段形成的数据集或由数据的关联字段通过建模形成的数据特征;数据金库则是由政府主导建设的数据要素基础设施,归集并存储核心数据和重要数据以及数据元件。可以说,数据元件是数据资源、数据应用的“中间态”,拥有安全属性和价值属性,犹如给数据加上一道防火墙,是解决数据安全和数据流通的关键;数据元件与数据金库共同形成“隔离层”,为数据提供更加安全的保障。

不同于传统数据治理,中国系统正在从理论、制度、技术等多个方面对数据治理进行创新与突破,并且提出“关键数据入库,双向风险隔离,三级安全管控”的数据安全解决思路和“一库双链、三级市场”为核心理念的数据要素市场化工程路径,以一个数据金库建设为支撑,打通数据资产链和数据价值链,催生数据资源、数据元件、数据产品“三级市场”,实现数据“资源化、资产化、资本化”的三次“蝶变”。

事实上,随着我国数字经济占比稳步提升,数字经济已然成为经济发展重要的新引擎,数字政府、现代数字城市建设的不断深入,需求的不断升级也进一步拓展了数据治理的范围和内涵。而中国系统在数据治理和数据安全上取得理论突破,并且形成体系化的解决方案,可谓是恰逢其时,在未来的市场中拥有广阔的空间。

飞瞰2.0:夯实数字底座

一直以来,数字政府、数字城市都是数据最为丰富的领域,但近年来数字化、智能化也给数据治理需求带来了全新升级,数据治理面临着数据量大、数据类型多、数据应用场景新、数据流动与共享需求多等多种挑战。

中国系统数据中台业务部总经理冯进直言:“从数字政府、数字城市的建设趋势看,服务与监管从分散转向集约、从被动转向主动、单一转向协同,业务运行模式由经验向智能化转变,数据由分散的数据主体向一体化的数据资源转变。”

显然,中国系统的数据要素一体化治理解决方案,必须要在技术层面提供强大的支撑,以实现整个数据治理解决方案的落地。为此,中国系统在本次峰会上推出飞瞰数据中台2.0,融合了部委、数字政府与数字城市、央企三类客户的多元数据需求,致力于专业级数据治理工程服务。

以数赋能,中国系统让数据治理脱虚入实

最近两年围绕数据中台争议虽然较多,投入人力、物力大、协同困难,归根于数据中台产品化有待进一步提升,定制化开发偏多,场景迭代难等。但不可否认,数据中台在数据形成资产化之后给业务应用带来的巨大价值,产品能力已经成为数据中台能否取得突破的关键。

在冯进看来,数据中台向下与数据紧密联系,向上则是紧贴应用场景、赋能业务,由于数字政府、数字城市的数字底座,未来将发挥巨大的价值与作用。因此,飞瞰2.0的推出,标志着中国系统在数据中台产品化方面更进一步,有望让数据治理与业务创建加速融合。

据悉,数据中台飞瞰2.0涵盖了数据规划、标准、建模、集成、融合、分析、流通、交换、应用等全栈能力,可以跨云融合多种算力、跨多个计算引擎适应客户已有数据基础,以规范化与标准化的服务来共同治理数据分析数据。“飞瞰2.0拥有80余项安全增强特性,还有包括大数据平台、共享交换、数据沙箱、知识图谱、BI分析、AI分析等9款套件,满足不同客户的数据平台建设需求。”冯进补充道。

面向未来愈发丰富的数据和复杂的应用场景,数据中台飞瞰产品也将朝着四个方面方向:首先会继续聚焦行业,重点围绕数字政府、现代数字城市、大型央企等领域的数据治理深耕,让数据中台特性与这些行业的数据治理需求更匹配;其次,飞瞰是数据中台的整套解决方案,将进一步完善技术与工具,还会形成体系化的服务,将更多数据模型模板、数据标准模板等最佳实践内置到中台;第三,进一步丰富内置安全特性,确保数据安全,同时增加数据中台的融合能力,进一步兼容各种云平台、算力和大数据引擎,盘活数据资源;最后则是飞瞰数据中台将会走向集中和分散融合的方式。

“飞瞰数据中台已陆续服务重庆、天津、武汉、徐州等50多个城市客户,还包括人社部委、星网及华电等央企客户。已成为现代数字城市等领域坚实和强大的数字底座。”冯进补充道。

城市数据创新中心:数字经济发展新引擎

有人曾言:数据治理和运营水平决定数字城市建设的天花板。深以为然。

一方面,随着现代数字城市的不断深入,海量数据、丰富应用场景不断产生,带来了数据治理和数据创新的强大需求,根据IDC《2020中国政务数据治理解决方案市场》报告,2020年的政务数据治理市场总量达到34.54亿元人民币,同比增速为10.3%,未来五年还将保持高速增长。

另一方面,各级地方政府在数据治理和运营水平上参差不齐,在数据基础设施、数据资产运营、应用场景创新、产业融合等方面遇到了各种挑战,数据经济与实体经济无法充分融合。

此时此刻,各级地方政府亟需一个载体和引擎,来建立起牢固和安全的数据基础设施,将数据资产真正高效运营起来,并且通过构建数据产业,来加速应用场景的创新,从而推动城市数字经济的长远发展。

为此,中国系统宣布将与地方城市共同打造城市数据创新中心,将中国系统的数据安全和数据要素一体化解决方案进行落地,构建起城市数字经济发展的新引擎。

目前,中国系统与武汉市、德阳市、大理白族自治州等多个城市正在进行数据治理方面的探索,为今后的城市数据创新中心积累丰富的实践经验和基础。事实上,中国系统与地方城市构建的城市数据创新中心对于未来现代数字城市建设拥有三个长远价值:

首先,在理论取得突破、技术与方案做落地支撑的基础上,城市数据创新中心帮助各个城市加速从数据资源化利用的阶段向数据要素市场化配置阶段演进,有望为数字经济发展提供长远支撑;

其次,构筑地方城市的数据安全体系,整合数据资源,规范数据流通交易,解决数据安全乱象频生,通过资源市场、元件市场、产品市场真正让地方城市实现数据“资源化、资产化、资本化”;

最后,利用数字化技术对传统产业进行全方位、全链条的改造,加速融合数字经济与实体经济,让地方政府的经济效率倍增、安全倍增、财富倍增;

总体来看,随着我国数字经济步入发展的快车道,数据已经成为重要的战略资源。围绕数据的流通、消费和交易等环节又是一个全新的课题;此时,中国系统作为国家队选手,能够与时俱进在理论、技术和市场机制上进行大胆创新,为我国各级地方的数据治理打开了局面。面向未来,随着中国系统的产品、技术、解决方案不断创新,以及在各级城市数据治理领域的不断实践,有望为中国的数字经济注入更多数字活力。

数据预处理:从原始数据到可用数据 本文介绍了数据预处理的核心概念和实现方法,并给出了案例代码和说明,读者可以根据自己的数据特点和建模算法的要求,选择合适的数据预处理方法来提高数据分析的效果和准确性。数据预处理是指在进行数据挖掘或机器学习算法之前,对原始数据进行清洗、转换和集成等操作,以便使数据符合建模的要求。在数据清洗过程中,需要使用一些函数和工具来发现和处理数据中的异常值、缺失值、重复值和噪声等问题。数据集成是指将多个数据源的数据进行整合和合并,以获得更全面的数据信息。数据集成:将多个数据源的数据进行整合和合并,以获得更全面的数据信息。 阅读详情

相关推荐

更新3ds时和用读卡器读取传输文件操作不当导致的tf卡损坏无法读取需要格式化时出现的问题以及不想丢失文件并且修复的详细解决方法

前言: 不小心按了同意更新而且tf/sd卡损坏导致了3ds打开后都是出现 Anerror has occurred:(红色的) Failed to apply 1 FIRM patch(es). Press any button to shotdown 这样的画面,按了任意键后就关机,我找了很多资料和大佬的回答解决了这些问题,现在记录一下。 一.不小心按了更新导致上述的画面 原因:是因为系统升级了,但是里面的Luma3DS还没有更新,属于是更新了但没有完全更新的状态。 **修复方法** 1.首先请按

give_me_fish的博客 1万+

数据挖掘之数据准备——原始数据的转换

接下来介绍的几个数据转换常见类型与问题无关,并可能改善数据挖掘的结果。在特定应用中选择和使用技术,取决于数据的类型,数据量和数据挖掘任务的一般特征。 1. 标准化 一些数据挖掘方法,一般是那些基于n维空间中的点间距离计算的方法,可能需要对数据进行标准化,以获得最佳结果。测量值可按比例对应到一个特定的范围。如【-1,1】或者【0,1】。如果没有标准化...

weixin_34101784的博客 1682

zynq+LWIP 裸机双网口实现(MIO+EMIO)+程序下载

芯片型号: ZYNQ: XC7Z010clg400开发软件:Vivado2022 + Xilinx Vitis 2022网卡芯片:RTL8211FDI(需要根据网口芯片型号修改对应的硬件配置代码。

thinking in 小宇宙 3405

中国系统:坚持新发展理念 做好数据要素工程

10月23日下午,“数据治理-数据要素”分论坛在武汉成功举办。作为中国电子云·数聚未来峰会的分论坛之一,本次论坛由武汉市人民政府与中国电子主办,武汉经济技术开发区管委会与中国电子云协办。来自国家机关、地方政府、知名企业、行业专家及各界代表等三百人参加会议。与会嘉宾围绕数据治理领域的探索与实践,数据要素市场化痛点与解决思路,政企在发挥数据要素倍增器作用中的分工与合作,数据中台作为数据治理工程新动能的作用,以及携手生态伙伴使能要素化市场配置创新发展等发表了各自观点。 思维碰撞 -- 数据治理工程的理论探索

cover_se的博客

kemeas算法继续优化——elkan kmeas算法

题记:又是凌晨3点的夜 elkan kmeans算法 在我的上一篇博客《kmeans算法性能改进_kmeans++算法+kmeans++优化算法+距离计算优化》中,在一般kmeans算法的基础上,添加了对于初始条件和距离计算更上的一些优化技巧。这篇博客聊一聊elkan算法,其实也是对于kmeans运行速度的优化算法。主要作用与kmeans的距离计算过程。 原理 假如我们已经知道任意两个样本之间的距离,再假设我们已经知道了样本1与聚类中心1之间的距离,根据三角性两边之和大于第三边,c+d>a,所以如果

铁血军的小博客 7065

声发射传感器的工作原理是什么?

介绍声发射传感器的工作原理。

qq_39948394的博客 9246

模数共振深度解读:为什么说数据治理迎来模型驱动新范式

数据流动,但风险可控。行业AI的训练数据,往往分散在十几个甚至几十个系统里——ERP、MES、质检系统、IoT传感器,结构化、半结构化、非结构化并存,格式各异,互不相通。很多企业的模型开发团队,花在“找数据、搬数据、清数据”上的时间,远超过训练模型本身。睿治数据治理平台能自动采集全域元数据、解析全链路血缘关系,构建直观的企业数据地图——模型开发者可以像用搜索引擎一样找到所需数据,知道它从哪来、经历了什么处理、可不可以用。结果是数据部门说“数据都有”,模型团队说“找不到能用的”,两边各说各话,项目原地踏步。

esensoft123的博客 255

华为od 面试八股文_前端_03_含答案

华为od 面试八股文_前端_03_含答案

MISAYAONE的博客 2130

数造科技:赋能数字政府与智慧城市,推动数据资产入表

近日,数造科技研发总监鲍立飞先生受邀出席“智云筑基·以数赋政”2024广州电信数字政府行业合作交流会,并发表题为“基于大模型的数据开发与治理创新实践”的主题演讲,分享了数造科技如何以数据为驱动,打造数字政府与企业新生态的宝贵经验。

shuzaokeji的博客 1137

实战神器指标解析 篇四:主力吸筹指标及其分析和使用说明

主力可能会进行多次吸筹,因此需要根据黄色趋势线来判断是否有转强的变化。一旦出现转强的迹象,这通常意味着吸筹已经接近尾声,即将进入拉升前期。此时可以介入进行建仓。该股票指标通过分析价格变动的方式,能够精确跟踪并标识主力的吸筹行为。当底部出现多根洋红色柱子时,这通常表示出现了主力吸筹的指示。这段代码主要用于分析股票的底部吸筹情况、趋势和涨跌情况。

生活在别处 6216

【CANdelaStudio编辑CDD】-21.2-创建OBD诊断$03,$07,$0A和$04服务以及OBD DTC

案例背景(共11页精讲):创建OBD诊断$03,$07,$0A和$04服务;以及OBD DTC。 在《【ISO15031_OBD诊断】-3.1-$03服务Request emission-related diagnostic trouble codes理论部分https://blog.youkuaiyun.com/qfmzhu/article/details/122157513》, 《【ISO15031_OBD诊断】-7.1-$07服务Request emission-related diagnostic trou

「汽车电子助手」的博客 1697

江苏与上海数据中台公司全景盘点:长三角数据治理生态图谱、厂商对比与选型指南 2025

区域序号厂商定位核心标签一句话总结江苏1龙石数据(苏州)治理运营型数据中台理采存管用/DCMM+DAMA/产品+培训+陪跑数据治理落地首选江苏2帆软(无锡)数据应用层头部BIFineReport/FineBI/数据门户数据中台的最终展示层标配江苏3江苏鸿程大数据研究院政务数字化路线数据中台+AI中台/城市数字化研究院+产品模式,政务理解力强上海1星环科技国产数据底座分布式数据库/湖仓一体/向量数据库国产化大数据基础设施标杆上海2观远数据。

2601_96462991的博客 253

【32】软考软件设计师——算法题(一):分治法与动态规划深度精讲|下午第4题常考满分攻略

本文是《软件设计师·50讲通关|从零基础到工程师职称》专栏第32篇,正式开启**模块四:应用技术(下午题)算法大题专项**,聚焦下午第4道高频必考大题核心两大算法:分治法与动态规划。全文超4000字深度拆解两大经典算法的底层核心思想、算法策略识别技巧、递归边界设计、状态转移方程推导,全覆盖代码填空高频考点、时间复杂度分析、经典题型解题套路;配套可直接默写的递归代码模板、DP状态设计范式、真题完整填空案例,彻底解决考生分不清分治与DP、递归边界写错、状态转移推不出、复杂度算不对四大核心痛点。

专注于人工智能、软件开发、工控自动化、工厂数字化及智能化等领域,希望和大家共同进步! 636

生态携手 共探智造|软信天成亮相2026 AMD EPYC制造业生态峰会

在“人工智能+工业制造”加速融合的当下,算力作为串联数字技术与实体生产的关键载体,已成为制造业转型升级的核心新质生产力,支撑着数字孪生、机器视觉、生产仿真等各类核心工业场景运转,推动硬件能力与业务场景深度结合,实现数字技术赋能实体经济。在智能制造场景中,方案可贯穿研发、生产、仓储、供应链全环节,统一全域数据标准、追溯数据流转链路、实时把控数据质量,帮助企业全面摸清数据家底、守住数据安全防线,把零散的生产数据、经营数据转化为可管控、可运营、高价值的数据资产,全面支撑智能制造、智慧供应链等核心业务落地。

weixin_39537971的博客 244

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

中国信通院启动“模数共振”行动:构建“高质量数据—高效能模型—高价值应用”良性循环,赋能新型工业化

模数共振”行动重点面向制造业领域20个重点行业,精准发力。它不再满足于AI仅具有“读报告、写诗篇”的通识能力,而是通过精心梳理的行业数据和评测机制,让AI拥有“识机床、懂图纸、排订单”的工业硬核素养,真正推动AI从消费端走向生产端。2026年是“数据要素价值释放年”,中国AI产业的比拼正在从“拼算力参数”走向“拼数据厚度、拼应用深度、拼协同效率”。

xixixi7777的博客 1341

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册,内含HL7和ASTM)

从“矿石”到“钻石” 浪潮数据运营创造新价值

  人类进化的脚步从未停止,智慧时代正扑面而来!如今,新一代信息技术与应用加速更迭、数据成为孕育新经济、新业态的土壤,正迸发出无穷智慧,加快驱动生产力跃升及生产关系变革,推动我们生活、工作方式发生深刻变化。   越...

couxuan4263的博客 167

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能:商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传,基本资料下载,开钱箱、小票打印、收款结算,支持多币种付款方式(现金、储值卡、礼券、微信等),支持多种促销。运行环境:.net 4.0登陆信息用户名:1001 密码:123456内置商品信息,商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

从“连接器”到“智能中枢”:中间件在“人工智能+制造”时代的价值升维

摘要:工信部等八部门联合发布《"人工智能+制造"专项行动实施意见》,将中间件定位为支撑AI与制造业融合的关键基础设施。文件要求基于国产协议研发智能通信中间件,实现软件与大模型协同及多源数据分析。中间件角色正从"连接器"向"神经中枢"演进,需具备数据治理、模型协同和算力调度三大核心能力,成为制造业智能化转型的数字底座。这一变革既是基础软件产业的机遇,更是实现制造业由大变强的重要支撑。

fuquxiaoguang的博客 453

驭数乘风 笃行未来 | 华讯网存与Informatica达成战略合作,携手赋能客户重塑数据管理新体验

客户的数据需求在哪,我们的数据服务就在哪。企业在面对业务敏捷发展需求的日益增长、混合多云环境的挑战,网络环境的安全威胁,以及如何利用数据所带来的机遇的时候,需要尝试并切实解决与之对应的,诸如如何挖掘数据潜能,并真正发挥数据价值的棘手问题。,“通过这次战略合作,我们希望为更多的企业级客户提供更贴近业务需求的数据服务,核心始终是满足行业客户对数据的“渴求”,提供包括制造行业主数据管理、医药行业数据治理、金融行业大数据管理等在内的一系列面向实际业务场景的数字化转型解决方案,真正让数据可见、可信、可用起来。

xhwuli的专栏 1

政府数据运营哪家强?浪潮!

“政府数据运营找浪潮!” 这是在Inspur World 2018上,令人印象最深的一句话。 这句话出自浪潮集团董事长兼CEO孙丕恕在此次大会上以《云+数 赋能智慧未来》为主题的演讲之中。而之所以孙丕恕将此句话说的如此有底气,当然是与浪潮在政府数据运营中的强大实力是分不开的。 从“保姆”到“管家” 据了解,目前,浪潮正在帮助22个省级政府,120多个地市建立政务云,并通过搭建政府数据开放共...

科技峰行者的博客 5864

数据标注优秀案例集之七 | 数据标注赋能电商产业效能提升

针对电商行业商品识别效率低、仓储分拣自动化不足、个性化推荐精准度差等痛点,京东云计算有限公司自研了众智标注平台与言犀、ViTAE大模型,并构建“标-训-推”一体化数据处理模式,覆盖商品内容生成、智能仓储、数据治理等核心场景。实现了电商全链路降本增效,累计节省内容审核成本超千万元,带动近百亿GMV(商品交易总额)增长。同步建成宿迁数据标注基地,形成百亿级数据产业集群,为行业提供“技术+产业+人才”三位一体的智能化转型方案。

m0_59163425的博客 1424

诺云集团企策通|“模数共振”是什么?对企业意味着什么?

从产业层面看,“模数共振”行动是2026年工信部与国家数据局联合推出的国家级战略部署,面向钢铁、石化化工、有色金属、工业母机、汽车、电子元器件、消费电子等20个重点行业,推动人工智能模型与数据资源协同互促。简单来说,“模”是行业专用大模型/工业智能体(懂工艺、能决策),“数”是工业高质量数据集(通识+专识,结构化、标准化),“共振”是数据→模型→场景→新数据→模型升级,形成自增强飞轮。“模数共振”强调“场景牵引数据”。但在“模数共振”的逻辑下,数据的价值不在于“存了多少”,而在于“能不能喂给模型”。

Nuoyunjituan的博客 96

看看能干点啥 - 《“人工智能+制造”专项行动实施意见》

摘要:八部门联合印发《“人工智能+制造”专项行动实施意见》,提出到2027年实现AI深度赋能制造业的战略目标,包括培育3-5个通用大模型、1000个工业智能体和500个典型应用场景等量化指标。文件构建了"九大支柱"行动框架,涵盖技术创新、场景应用、产品突破、企业培育等全产业链环节,特别强调工业智能体、人形机器人等前沿方向。通过配套行业转型指引和企业应用指南,为AI与制造业融合提供系统性实施方案,旨在打造新质生产力,推动中国制造业智能化升级。(149字)

程序员超级伴侣-ApiHug 677

四问+一图,读懂《关于联合实施2026年“模数共振”行动的通知》

模数共振,紧跟政策趋向。

持之以恒 467

云数赋能:开启企业数字化转型的高速通道

云数赋能已成为企业在数字化时代实现可持续发展的核心驱动力。云计算与大数据技术的融合,为企业提供了前所未有的机遇,能够帮助企业优化运营管理、提升客户体验、推动创新与业务拓展,从而在激烈的市场竞争中立于不败之地。尽管企业在实施云数赋能的过程中会面临诸多挑战,但只要采取正确的应对策略,这些挑战都将成为企业成长和进步的契机。在未来,云数赋能将持续深入发展,为企业创造更多的价值。企业应积极拥抱云数赋能,将其纳入企业的战略规划中,加大在技术研发、人才培养和组织变革等方面的投入,加快数字化转型的步伐。

sdgfafg_25的博客 1176

Flink 学习日志 03:自定义一个SourceFunction,完成对Redis中数据的读取

本文介绍了在Flink中自定义SourceFunction读取Redis数据的完整流程:通过Jedis客户端连接WSL2中的Redis服务,编写RedisSource实现循环读取所有Key-value并逐条输出,结合Thread.sleep()实现每秒一条的流式效果。关键步骤包括环境准备、添加Jedis依赖、配置IDEA运行时加载provided依赖,并注意生产环境中应避免使用阻塞的keys *,改用scan命令。最终实现动态读取、实时打印,验证了Flink与Redis的数据集成能力。

木木的学习笔记 410

Elasticsearch ingest pipeline 被禁用之后:性能代价、安全治理与数据入库时间的四种替代方案

生产环境为什么禁用 Elasticsearch ingest pipeline?写入路径同步执行的开销、Painless 脚本的安全治理是根因;而 _ingest.timestamp 出不了 pipeline,ES 8/9 也没有原生入库时间字段。本文给出四种替代方案:采集端注入时间戳、bulk 响应后回写、refresh=wait_for 近似、最小 set pipeline 白名单,附选型对比与踩坑清单。

Sayai的专栏 341
上一篇: 中台渐入佳境,云徙科技的有所为与有所不为
下一篇: 存储产学研:如何走好“第一公里”和打通“最后一公里”
大数据在线
博客等级 码龄8年 823粉丝 553原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值