探索上海科技创新资源数据共享中心建设

为了解决大数据带来的系列挑战，需要从基础理论与关键技术两个层面展开具体研究。在基础理论层面，需要对大数据的复杂性进行研究，并提出适合大数据的新型计算模型；在关键技术层面，则需要研究多源异构大数据感知、融合与表示，大数据内容建模与语义理解，以及感知、存储与计算融合的大数据计算系统架构体系。

（一）大数据时代平台服务的新方向

1.重视企业用户数据与信息

大数据时代，平台的核心竞争力是多类数据的拥有、融合、挖掘与利用水平。加强对多类信息资源的采集与拥有将成为大数据时代平台资源建设的一大内容。同时，大数据时代平台服务所需的数据量也是巨大的，其中包括了结构化数据与非结构化数据，平台服务只有对大量的数据进行挖掘、分析才能更好地支持自己的决策。

2.建立基于数据整合的一站式资源服务

对平台来说，在大数据时代要想在激烈的市场竞争中争得一席之地，避免边缘化，建立基于数据整合的一站式资源服务必不可少。大数据时代下，数据资源是海量的，平台收集的企业数据来源于不同的企业，平台可以充分利用机构优势有组织地通过对各类数据源的定位和连接，实现数据的采集、传输和汇聚一体化。由于数据资源具有数量巨大、类型多样、变化快、无序等特点，因此很有必要建立数据的统一标准，迎合对于飞速增长的异构系统进行有效整合的需求。提供资源之间的无缝链接，提供各种数据管理服务，包括存储备份、元数据加工、数据发布，数据共享等。在数据的洪流中，异构、分布和海量的各种数据资源得以汇聚及融合，形成中心知识库，通过预索引的方式，为用户提供快速、简单、易用的资源发现及获取服务，建立一站式数据资源服务平台。

3.利用大量的复杂数据分析技术与工具

挖掘大数据的价值与隐藏在其背后的世界，简单的定性、定量分析都不能发挥作用，技术工具的作用将得到进一步放大。因此，平台对技术工具的应用需求也更为迫切，这也对平台的技术应用水平提出了新的要求。《大数据：创新、竞争和生产力的下一个前沿领域》报告中不但首次提出了“大数据”的概念，还对大数据的分析技术与工具进行了列举，如目前已为广大研究者所熟知的聚类分析、数据挖掘、网络分析、可视化分析、数据融合与数据集成等，特别是聚类分析、可视化分析与数据挖掘技术。

4.提高平台服务的智能化程度

大数据背景下的平台服务，对技术提出更高的要求，服务的智能化程度也将达到一个新的水准。一方面，从平台主体本身来看，平台应用智能化技术进行自动的高级、复杂的数据收集及处理工作，既能在一定程度上节省大量的人力物力，也能解决人工可能无法实现的工作需求，如对海量信息数据的智能抓取等，使得节省下来的大量人力去研究平台建设的策略与更进一步的智能化投入。另一方面，从平台的服务对象——企业来看，服务内容、手段的智能化程度提高与智能化技术、工具、平台的服务实践，以及所需的表格、文本等信息将能轻易获取，这些数据也都能为平台的智能化决策提供分析参考。

（二）大数据时代平台管理上的新方向

1.管理层次上

成立数据管理部门与机构，制定数据管理政策、统一的标准及共享平台。大数据建设是一项有序的、动态的、可持续发展的系统工程，必须建立良好的运行机制，以促进建设过程中各个环节的正规有序，实现统合，搞好顶层设计。为此，应成立新的数据管理部门，负责数据管理，建立统一的数据获取、使用、管理、分享的政策，加强平台内、外各部门的数据协调工作。

2.技术层次上

构建平台大数据架构，解决大数据采集、存储，处理及分析相关技术问题。大数据技术是指从各种各样类型的巨量数据中，快速获得有价值信息的技术。解决大数据问题的核心是大数据技术。迎战大数据，进行技术前倾是关键。要把大数据作为一个系统工程来考虑，从数据采集，数据存储到数据处理、数据分析及数据应用等方面考虑，构成平台大数据架构。

3.队伍建设上

培养一支高素质的数据管理队伍。大数据环境下，传统的管理模式、工作内容、工作方式发生了本质的变化。而目前不断增长的数据共享和数据管理需求为平台服务开辟了新的领域，需要抓住这个机遇，尽快开展数据管理服务，拓展支持研究的服务内容和能力，使数据管理人员成为数据管理服务的提供者。