上海市国资大数据课题启动仪式暨数据资产技术及金融行业应用沙龙隆重开幕

简介:

Gartner在最新研究报告中指出,大数据技术正从概念炒作回归到理性认知阶段。在大数据即将成为国家基础性战略资源的今天,国资系统沉淀的大数据将在我国国民经济和社会发展中发挥举足轻重的作用。那么,如何评估这些国资数据的价值?如何挖掘和应用这些大数据?

8月29日,上海国资大数据课题启动仪式暨数据资产技术及金融行业应用沙龙在华东理工大学隆重召开。本次沙龙在上海市国有资产监督管理委员会、上海市经济和信息化委员会、上海市科学技术委员会的指导下,由上海市国有资产信息中心、华东理工大学金融大数据研究中心、上海计算机软件技术开发中心联合主办,畅享网作为媒体支持,有逾200位专家、学者、企业代表等汇聚一堂,共同探讨大数据的应用发展。

2017-08-30-088094e037-d728-40c9-9d5f-76a

图片说明:上海国资大数据课题启动仪式暨数据资产技术及金融行业应用沙龙现场

上海市经济和信息化委员会副主任邵志清、上海市国有资产监督管理委员会党委副书记肖文高、华东理工大学副校长轩福贞出席了本次沙龙并致辞。课题启动仪式上现场颁发专家顾问、课题组成员聘书,随后的主题沙龙中太平洋保险数字化能力建设中心副总经理沙新、网易金融云首席架构师李鲁、国泰君安证券股份有限公司信息技术部总经理俞枫、美国康普技术总监兴嘎、拍拍贷首席数据官顾鸣、上海数据资产运营管理有限公司执行总裁甘似禹发表主题演讲。此外,市经信委大数据发展处处长张英、市国资委信息化管理处处长李小山、金融企业评价处处长张福军市科委高新技术处副处长肖菁、华东理工大学信息学院院长杜文莉等领导也出席了本次活动。

2017-08-30-271775ba6d-ec28-4654-8d3c-6d5


2017-08-30-30e194a3a4-e91d-4660-a72b-7a9


2017-08-30-30245a2790-8324-4d51-825b-44a


2017-08-30-31a4302071-a277-41c6-9c21-0dd


上海市国资大数据课题组由上海市国资委信息中心、华东理工大学金融大数据研究中心、上海计算机软件技术开发中心联合成立,本次研究旨在加强各行业领域大数据的应用融合,促进国资系统内数据应用的规范化、高效化。课题组集结了19位专家顾问(名单后附),35位课题组成员,将围绕“聚焦大数据应用和治理、促进产业融合和生态建设”战略愿景,落实上海国资委大数据应用和治理相关要求,以“风险可控、运营合规、价值实现”为目标,在产业发展和行业监管的综合化趋势下,构建逐层深化的大数据应用和数据治理生态体系,对内服务精益运营,对外增强价值变现,培育数字化时代的发展动能,帮助其盘活数据资产并发掘其价值,最终实现管理创新、服务创新和价值创造。

在前期国资监管数据三年行动工作的基础上,专家组和课题组成员将以大数据研究为契机更多依靠创新驱动,通过顶层设计逐步推进大数据应用和数据治理的生态体系建设,实现在推动发展的内深动力和活力上根本性的转变,将完成三个目标:一是出版《上海国资大数据探索与实践》案例集;二是完成国资大数据应用和治理现状评估、治理体系及国资大数据应用框架和模式三份国资大数据研究报告;三是提出国资大数据综合应用平台可研报告。

数据资产技术及金融行业应用沙龙只是上海市国资大数据课题的开始,接下来,课题组还将通过走访调研、组织专题研讨、专业活动等形式,加强各个行业领域大数据的应用融合,促进高校、科研机构、企业之间的产学研用联动,全面推动大数据在上海国资体系中的成果转化和深度融合发展。

附专家顾问组名单:

朱宗尧(申能集团)

张英(市经信委大数据发展处)

杨海军(市网信办)

胡德斌(上海银行

周衡昌(上海农村商业银行)

俞枫(国泰君安)

王洪涛(海通证券)

舒宏(东方证券)

沙新(太平洋保险)

历平(百联集团)

丁嵩冰(上港集团)

丁林润(中国银联金融民生事业部)

何育浩(浦软集团)

丁炯(上海数据资产运营管理有限公司)

刘国华(东华大学信息学院)

陈琦(前经信委软件处长)

王云(前民生银行上海分行副行长)

孟凡强(畅享网)

陈正伟(仪电集团)





本文出处:畅享网
本文来自云栖社区合作伙伴畅享网,了解相关信息可以关注vsharing.com网站。
相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
14天前
|
存储 消息中间件 监控
【Flume】Flume在大数据分析领域的应用
【4月更文挑战第4天】【Flume】Flume在大数据分析领域的应用
|
27天前
|
Cloud Native 数据处理 云计算
探索云原生技术在大数据分析中的应用
随着云计算技术的不断发展,云原生架构作为一种全新的软件开发和部署模式,正逐渐引起企业的广泛关注。本文将探讨云原生技术在大数据分析领域的应用,介绍其优势与挑战,并探讨如何利用云原生技术提升大数据分析的效率和可靠性。
|
7天前
|
分布式计算 Hadoop 大数据
大数据技术与Python:结合Spark和Hadoop进行分布式计算
【4月更文挑战第12天】本文介绍了大数据技术及其4V特性,阐述了Hadoop和Spark在大数据处理中的作用。Hadoop提供分布式文件系统和MapReduce,Spark则为内存计算提供快速处理能力。通过Python结合Spark和Hadoop,可在分布式环境中进行数据处理和分析。文章详细讲解了如何配置Python环境、安装Spark和Hadoop,以及使用Python编写和提交代码到集群进行计算。掌握这些技能有助于应对大数据挑战。
|
24天前
|
数据采集 分布式计算 大数据
Java语言在大数据处理中的应用
传统的大数据处理往往依赖于庞大的数据中心和高性能的服务器,然而随着大数据时代的到来,Java作为一种强大的编程语言正在被广泛应用于大数据处理领域。本文将探讨Java语言在大数据处理中的优势和应用,以及其在分布式计算、数据处理和系统集成等方面的重要作用。
|
4天前
|
数据采集 搜索推荐 大数据
大数据中的人为数据
【4月更文挑战第11天】人为数据,源于人类活动,如在线行为和社交互动,是大数据的关键部分,用于理解人类行为、预测趋势和策略制定。数据具多样性、实时性和动态性,广泛应用于市场营销和社交媒体分析。然而,数据真实性、用户隐私和处理复杂性构成挑战。解决策略包括数据质量控制、采用先进技术、强化数据安全和培养专业人才,以充分发挥其潜力。
11 3
|
7天前
|
运维 供应链 大数据
数据之势丨从“看数”到“用数”,百年制造企业用大数据实现“降本增效”
目前,松下中国旗下的64家法人公司已经有21家加入了新的IT架构中,为松下集团在中国及东北亚地区节约了超过30%的总成本,减少了近50%的交付时间,同时,大幅降低了系统的故障率。
|
16天前
|
NoSQL 大数据 数据挖掘
现代数据库技术与大数据应用
随着信息时代的到来,数据量呈指数级增长,对数据库技术提出了前所未有的挑战。本文将介绍现代数据库技术在处理大数据应用中的重要性,并探讨了一些流行的数据库解决方案及其在实际应用中的优势。
|
21天前
|
机器学习/深度学习 人工智能 数据可视化
基于Python的数据可视化技术在大数据分析中的应用
传统的大数据分析往往注重数据处理和计算,然而数据可视化作为一种重要的技术手段,在大数据分析中扮演着至关重要的角色。本文将介绍如何利用Python语言中丰富的数据可视化工具,结合大数据分析,实现更直观、高效的数据展示与分析。
|
2月前
|
分布式计算 DataWorks IDE
MaxCompute数据问题之忽略脏数据如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
47 0
|
2月前
|
SQL 存储 分布式计算
MaxCompute问题之下载数据如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
38 0