四、重点任务和重大工程
（一）强化大数据技术产品研发
以应用为导向，突破大数据关键技术，推动产品和解决方案研发及产业化，创新技术服务模式，形成技术先进、生态完备的技术产品体系。
个人理解：应用导向，技术产品体系
加快大数据关键技术研发。围绕数据科学理论体系、大数据计算系统与分析、大数据应用模型等领域进行前瞻布局，加强大数据基础研究。发挥企业创新主体作用，整合产学研用资源优势联合攻关，研发大数据采集、传输、存储、管理、处理、分析、应用、可视化和安全等关键技术。突破大规模异构数据融合、集群资源调度、分布式文件系统等大数据基础技术，面向多任务的通用计算框架技术，以及流计算、图计算等计算引擎技术。支持深度学习、类脑计算、认知计算、区块链、虚拟现实等前沿技术创新，提升数据分析处理和知识发现能力。结合行业应用，研发大数据分析、理解、预测及决策支持与知识服务等智能数据应用技术。突破面向大数据的新型计算、存储、传感、通信等芯片及融合架构、内存计算、亿级并发、EB级存储、绿色计算等技术，推动软硬件协同发展。
个人理解：这部分的内容，是必须了解的内容，不需要精通，但是要知道整体关系。领域布局（科学理论体系、大数据计算系统与分析、大数据应用模型）、技术攻关与技术应用
培育安全可控的大数据产品体系。以应用为牵引，自主研发和引进吸收并重，加快形成安全可控的大数据产品体系。重点突破面向大数据应用基础设施的核心信息技术设备、信息安全产品以及面向事务的新型关系数据库、列式数据库、NoSQL数据库、大规模图数据库和新一代分布式计算平台等基础产品。加快研发新一代商业智能、数据挖掘、数据可视化、语义搜索等软件产品。结合数据生命周期管理需求，培育大数据采集与集成、大数据分析与挖掘、大数据交互感知、基于语义理解的数据资源管理等平台产品。面向重点行业应用需求，研发具有行业特征的大数据检索、分析、展示等技术产品，形成垂直领域成熟的大数据解决方案及服务。
个人理解：大数据产品体系（这些产品有必要了解），垂直领域大数据解决方案与服务
创新大数据技术服务模式。加快大数据服务模式创新，培育数据即服务新模式和新业态，提升大数据服务能力，降低大数据应用门槛和成本。围绕数据全生命周期各阶段需求，发展数据采集、清洗、分析、交易、安全防护等技术服务。推进大数据与云计算服务模式融合，促进海量数据、大规模分布式计算和智能数据分析等公共云计算服务发展，提升第三方大数据技术服务能力。推动大数据技术服务与行业深度结合，培育面向垂直领域的大数据服务模式。
个人理解：服务模式，新业态
（二）深化工业大数据创新应用
加强工业大数据基础设施建设规划与布局，推动大数据在产品全生命周期和全产业链的应用，推进工业大数据与自动控制和感知硬件、工业核心软件、工业互联网、工业云和智能服务平台融合发展，形成数据驱动的工业发展新模式，支撑中国制造2025战略，探索建立工业大数据中心。
个人理解：工业大数据，规划布局，产品生命周期和全产业链，工业发展新模式，中国制造2025战略，工业大数据中心
加快工业大数据基础设施建设。加快建设面向智能制造单元、智能工厂及物联网应用的低延时、高可靠、广覆盖的工业互联网，提升工业网络基础设施服务能力。加快工业传感器、射频识别（RFID）、光通信器件等数据采集设备的部署和应用，促进工业物联网标准体系建设，推动工业控制系统的升级改造，汇聚传感、控制、管理、运营等多源数据，提升产品、装备、企业的网络化、数字化和智能化水平。
个人理解：这些内容，有助于了解工业大数据体系；低延时，工业互联网
推进工业大数据全流程应用。支持建设工业大数据平台，推动大数据在重点工业领域各环节应用，提升信息化和工业化深度融合发展水平，助推工业转型升级。加强研发设计大数据应用能力，利用大数据精准感知用户需求，促进基于数据和知识的创新设计，提升研发效率。加快生产制造大数据应用，通过大数据监控优化流水线作业，强化故障预测与健康管理，优化产品质量，降低能源消耗。提升经营管理大数据应用水平，提高人力、财务、生产制造、采购等关键经营环节业务集成水平，提升管理效率和决策水平，实现经营活动的智能化。推动客户服务大数据深度应用，促进大数据在售前、售中、售后服务中的创新应用。促进数据资源整合，打通各个环节数据链条，形成全流程的数据闭环。
个人理解：工业大数据平台，全流程应用，信息化工业化融合，工业转型升级，大数据应用能力，精准感知，大数据创新设计与提升研发效率
培育数据驱动的制造业新模式。深化制造业与互联网融合发展，坚持创新驱动，加快工业大数据与物联网、云计算、信息物理系统等新兴技术在制造业领域的深度集成与应用，构建制造业企业大数据“双创”平台，培育新技术、新业态和新模式。利用大数据，推动“专精特新”中小企业参与产业链，与中国制造2025、军民融合项目对接，促进协同设计和协同制造。大力发展基于大数据的个性化定制，推动发展顾客对工厂（C2M）等制造模式，提升制造过程智能化和柔性化程度。利用大数据加快发展制造即服务模式，促进生产型制造向服务型制造转变。
个人理解：制造业新模式，服务型制造，上述描述了制造业新模式的愿景
（三）促进行业大数据应用发展
加强大数据在重点行业领域的深入应用，促进跨行业大数据融合创新，在政府治理和民生服务中提升大数据运用能力，推动大数据与各行业领域的融合发展。
个人理解：大数据与传统行业融合，大数据应用
推动重点行业大数据应用。推动电信、能源、金融、商贸、农业、食品、文化创意、公共安全等行业领域大数据应用，推进行业数据资源的采集、整合、共享和利用，充分释放大数据在产业发展中的变革作用，加速传统行业经营管理方式变革、服务模式和商业模式创新及产业价值链体系重构。
个人理解：那些行业要关注，看看实施情况。经营管理方式变革、服务模式和商业模式创新及创新产业链重构
促进跨行业大数据融合创新。打破体制机制障碍，打通数据孤岛，创新合作模式，培育交叉融合的大数据应用新业态。支持电信、互联网、工业、金融、健康、交通等信息化基础好的领域率先开展跨领域、跨行业的大数据应用，培育大数据应用新模式。支持大数据相关企业与传统行业加强技术和资源对接，共同探索多元化合作运营模式，推动大数据融合应用。
个人理解：合作模式，打破数据孤岛。如何交叉融合大数据应用新业态（如何实现，很值得研究），技术和资源对接。多元合作运营模式（这个值得研究）
强化社会治理和公共服务大数据应用。以民生需求为导向，以电子政务和智慧城市建设为抓手，以数据集中和共享为途径，推动全国一体化的国家大数据中心建设，推进技术融合、业务融合、数据融合，实现跨层级、跨地域、跨系统、跨部门、跨业务的协同管理和服务。促进大数据在政务、交通、教育、健康、社保、就业等民生领域的应用，探索大众参与的数据治理模式，提升社会治理和城市管理能力，为群众提供智能、精准、高效、便捷的公共服务。促进大数据在市场主体监管与服务领域应用，建设基于大数据的重点行业运行分析服务平台，加强重点行业、骨干企业经济运行情况监测，提高行业运行监管和服务的时效性、精准性和前瞻性。促进政府数据和企业数据融合，为企业创新发展和社会治理提供有力支撑。
个人理解：这是大数据的一个重要应用场合——社会经济中应用
（四）加快大数据产业主体培育
引导区域大数据发展布局，促进基于大数据的创新创业，培育一批大数据龙头企业和创新型中小企业，形成多层次、梯队化的创新主体和合理的产业布局，繁荣大数据生态。
个人理解：大数据生态
利用大数据助推创新创业。鼓励资源丰富、技术先进的大数据领先企业建设大数据平台，开放平台数据、计算能力、开发环境等基础资源，降低创新创业成本。鼓励大型企业依托互联网“双创”平台，提供基于大数据的创新创业服务。组织开展算法大赛、应用创新大赛、众包众筹等活动，激发创新创业活力。支持大数据企业与科研机构深度合作，打通科技创新和产业化之间的通道，形成数据驱动的科研创新模式。
个人理解：科技创新和产业化之间通道如何打通
构建企业协同发展格局。支持龙头企业整合利用国内外技术、人才和专利等资源，加快大数据技术研发和产品创新，提高产品和服务的国际市场占有率和品牌影响力，形成一批具有国际竞争力的综合型和专业型龙头企业。支持中小企业深耕细分市场，加快服务模式创新和商业模式创新，提高中小企业的创新能力。鼓励生态链各环节企业加强合作，构建多方协作、互利共赢的产业生态，形成大中小企业协同发展的良好局面。
个人理解：产业生态，如何协同发展
优化大数据产业区域布局。引导地方结合自身条件，突出区域特色优势，明确重点发展方向，深化大数据应用，合理定位，科学谋划，形成科学有序的产业分工和区域布局。在全国建设若干国家大数据综合试验区，在大数据制度创新、公共数据开放共享、大数据创新应用、大数据产业集聚、数据要素流通、数据中心整合、大数据国际交流合作等方面开展系统性探索试验，为全国大数据发展和应用积累经验。在大数据产业特色优势明显的地区建设一批大数据产业集聚区，创建大数据新型工业化产业示范基地，发挥产业集聚和协同作用，以点带面，引领全国大数据发展。统筹规划大数据跨区域布局，利用大数据推动信息共享、信息消费、资源对接、优势互补，促进区域经济社会协调发展。
个人理解：产业分工是什么，产业区域布局（值得了解），区域特色优势如何了解，他和重点发展方向关联性，国家大数据综合试验区有哪些，
（五）推进大数据标准体系建设
加强大数据标准化顶层设计，逐步完善标准体系，发挥标准化对产业发展的重要支撑作用。
加快大数据重点标准研制与推广。结合大数据产业发展需求，建立并不断完善涵盖基础、数据、技术、平台/工具、管理、安全和应用的大数据标准体系。加快基础通用国家标准和重点应用领域行业标准的研制。选择重点行业、领域、地区开展标准试验验证和试点示范，加强宣贯和实施。建立标准符合性评估体系，强化标准对市场培育、服务能力提升和行业管理的支撑作用。加强国家标准、行业标准和团体标准等各类标准之间的衔接配套。
个人理解：标准体系
积极参与大数据国际标准化工作。加强我国大数据标准化组织与相关国际组织的交流合作。组织我国产学研用资源，加快国际标准提案的推进工作。支持相关单位参与国际标准化工作并承担相关职务，承办国际标准化活动，扩大国际影响。
（六）完善大数据产业支撑体系
统筹布局大数据基础设施，建设大数据产业发展创新服务平台，建立大数据统计及发展评估体系，创造良好的产业发展环境。
个人理解：支撑体系——基础设施，服务平台，评估体系
合理布局大数据基础设施建设。引导地方政府和有关企业统筹布局数据中心建设，充分利用政府和社会现有数据中心资源，整合改造规模小、效率低、能耗高的分散数据中心，避免资源和空间的浪费。鼓励在大数据基础设施建设中广泛推广可再生能源、废弃设备回收等低碳环保方式，引导大数据基础设施体系向绿色集约、布局合理、规模适度、高速互联方向发展。加快网络基础设施建设升级，优化网络结构，提升互联互通质量。
个人理解：数据中心，由硬件和软件两个层面的意思，可简单理解为机房，或者数据库，云数据中心
构建大数据产业发展公共服务平台。充分利用和整合现有创新资源，形成一批大数据测试认证及公共服务平台。支持建立大数据相关开源社区等公共技术创新平台，鼓励开发者、企业、研究机构积极参与大数据开源项目，增强在开源社区的影响力，提升创新能力。
建立大数据发展评估体系。研究建立大数据产业发展评估体系，对我国及各地大数据资源建设状况、开放共享程度、产业发展能力、应用水平等进行监测、分析和评估，编制发布大数据产业发展指数，引导和评估全国大数据发展。
个人理解：这个值得了解
（七）提升大数据安全保障能力
针对网络信息安全新形势，加强大数据安全技术产品研发，利用大数据完善安全管理机制，构建强有力的大数据安全保障体系。
加强大数据安全技术产品研发。重点研究大数据环境下的统一账号、认证、授权和审计体系及大数据加密和密级管理体系，突破差分隐私技术、多方安全计算、数据流动监控与追溯等关键技术。推广防泄露、防窃取、匿名化等大数据保护技术，研发大数据安全保护产品和解决方案。加强云平台虚拟机安全技术、虚拟化网络安全技术、云安全审计技术、云平台安全统一管理技术等大数据安全支撑技术研发及产业化，加强云计算、大数据基础软件系统漏洞挖掘和加固。
提升大数据对网络信息安全的支撑能力。综合运用多源数据，加强大数据挖掘分析，增强网络信息安全风险感知、预警和处置能力。加强基于大数据的新型信息安全产品研发，推动大数据技术在关键信息基础设施安全防护中的应用，保障金融、能源、电力、通信、交通等重要信息系统安全。建设网络信息安全态势感知大数据平台和国家工业控制系统安全监测与预警平台，促进网络信息安全威胁数据采集与共享，建立统一高效、协同联动的网络安全风险报告、情报共享和研判处置体系。
