500658894_banner (1)

2007 年到 2016 年,中国大陆各省土地增值税收入从 403 亿元人民币增长至 4212 亿元人民币,土地成为推动地方财政收入增长的主要因素。现阶段,在国家宏观管控收紧、土地红利衰减的背景下,地方财政要往哪个方向寻求增长?针对这一问题,政府数据运营商九次方大数据提出了“数据财政”概念。

依照其来源,数据可大致被划分为六个种类:政府数据、电商数据、社交生活数据、搜索数据、广播电信数据及各垂直行业内的数据。而在国内,随着电子政务的建设与发展,各级政府积累了大量与公众生产生活相关的数据, 数据量占全社会信息资源的 80% 。除数量庞大以外,政府数据还具有 地域广、种类多、关联性强、统计规格统一 等特点。

九次方大数据创始人王叁寿表示,长期以来,政府数据就像是蕴藏丰富但相互隔绝、深藏不露的“地下水”。但在政策与市场的推动下,“地下水”将被逐渐引出。在这一时间点上,九次方布局了 “打井(数据挖掘)”“铺管道(辖区内各部门数据联通)”“建水库(成立城市数据交易中心)”“生产自来水(区分界定、脱敏脱密、建模算法,提取数据价值)”“生产可乐(应用场景变现)”的完整链条 ,将政府数据积累转化为产能。

由于服务对象定位为政府, 九次方大数据的数据应用场景包括政与经两类 。在政府治理上,数据能够在基础设施建设、交通网络、扶贫救助、基层治理、政府内部管理等领域提供决策参考,在医疗、教育、金融信用、民生服务等领域提高服务效率。在区域经济上,数据能够增强当地政府对地方产业的宏观调控,提高产品品质,树立特色品牌,在产业链内挖掘更多利润空间。另外,数据也能为地方招商引资提供指导与风险评估。

数据的落地场景如此丰富,单家企业不可能在各个垂直应用领域内面面俱到。因此,九次方大数据借助资本平台及全国范围内的广泛布局, 孵化、投资、并购了四十多家垂直领域内的大数据应用公司 ,并为这些公司提供数据源支持,以生态联盟的形式建立政府数据服务产业链。

在服务政府的具体实施策略上,九次方大数据选择与当地政府合资成立城市大数据应用及数据资产运营管理公司,由九次方总部提供核心技术研发、路径设计与咨询服务,由地方政府控股的公司实现本地化实施落地。王叁寿表示,这样的设计对于当地政府的吸引点在于 数据、结算、资金都将留在本地 ,避免了数据及税收外流,满足了地方数据独立及财政收入的需要。

截至目前,九次方大数据已与超过 80 个地方政府落地合作,其中省级与市级直辖市公司 17 个。融资已跑至 D 轮,总计融资额超过 20 亿人民币,在政府服务这一对企业资历要求极高的行业内,已将先发优势转化为较高的壁垒。2018 年上半年,公司收入同比增长 70%。

接下来,九次方大数据将发展规划重点分为三个维度: 与更多地区政府合作,拓展地域分布;将更多垂直应用数据公司纳入联盟,增加应用场景;重点发展大数据与民生、金融及行业应用的链接,加深数据的影响力。

相关阅读:

陇南市大数据云计算中心建成运营

青岛高新区“智慧交通”项目实现交通监、管、控一体化

关注中国IDC圈官方微信:idc-quan 我们将定期推送IDC产业最新资讯

查看心情排行你看到此篇文章的感受是:


  • 支持

  • 高兴

  • 震惊

  • 愤怒

  • 无聊

  • 无奈

  • 谎言

  • 枪稿

  • 不解

  • 标题党
2018-11-05 08:51:43
大数据资讯 国家大数据(河南)综合试验区 从智能云到智慧岛
在全面推进经济高质量发展的今天,如何利用大数据让实体经济转型升级?如何为实体经济增添发展新动能?这是事关河南在“互联网+”领域腾云驾数,实现“弯道超车”的重要问 <详情>
2018-11-05 08:36:19
大数据资讯 陇南市大数据云计算中心建成运营
日前,陇南市大数据云计算中心建成运营。据悉,这是全省首家建成投运的大数据云计算中心,标志着陇南市信息化从各自发展走向集约化建设,也标志着陇南市数据共享迈上了新台 <详情>
2018-11-05 07:47:05
大数据技术 NLPIR大数据语义系统KGB技术引领新方向
随着网络时代的到来和普及,现在大量的信息扎堆,在给人们代理快捷方便的同时也给我们带来一个难题,就是大量的数据如何消化以及真假的辨别,其次是这些信息的安全性如何保 <详情>
2018-11-05 07:41:31
大数据技术 中国制造业转型究竟缺的是什么?
中国制造2025计划提出之后,越来越多的人开始关注制造业的情况,一层层神秘的面纱被揭开,大家逐渐对制造业的生存现状有了一些认知,更积极的信号是,各领域的专家纷纷会诊 <详情>
2018-11-05 07:35:22
大数据技术 什么是流式大数据,处理技术、平台及应用都
大数据技术的广泛应用使其成为引领众多行业技术进步、促进效益增长的关键支撑技术。根据数据处理的时效性,大数据处理系统可分为批式(batch)大数据和流式(streaming)大数据 <详情>