李少波教授 现代制造技术教育部重点实验室常务副主任、贵州省制造业信息化专家组组长、物联网产业研究发展中心主任，贵州省省管专家，贵州大学学术学科带头人，中科院成都计算机应用研究所计算机软件与理论博士生导师、贵州大学机械工程一级学科博士生导师。
贵州商报：大数据产业现在风生水起，作为制造信息系统、制造物联、制造大数据、计算智能等方面的专家，从您的角度来看什么才是大数据?
李少波：目前来说，学术界、科研界、我国IT学术界、企业对大数据都有自己不同的解读与看法。
但是我更偏向这个观点：大数据代表着数据从量到质的变化过程;代表着数据作为一种资源在经济与社会实践中扮演越来越重要的角色，相关的技术、产业、应用、政策等环境会与之互相影响、互为促进。从技术角度来看，这种数据规模质变后带来新的问题，即数据从静态变为动态，从简单的多维度变成巨量维度，而且其种类日益丰富，超出当前技术与工具控制管理的范畴。这些数据的采集、分析、处理、存储、展现都涉及复杂的多模态高维计算过程，涉及异构媒体的统一语义描述、数据模型、大容量存储建设，涉及多维度数据的特征关联与模拟展现。然而，大数据发展的最终目标还是挖掘其应用价值，没有价值或者没有发现其价值的大数据从某种意义上讲是一种冗余和负担。
2.大数据改变生活 在五大方面已现端倪
贵州商报：在此前的数博会上商界大佬纷纷来到贵阳，您也在数博会上发表了大数据前沿及发展建议的讲话，那么在您看来，大数据应用发展的热点在哪些方面呢?
李少波：随着大数据应用越来越广泛，大数据已经跟人们息息相关，对于大数据应用来说，其实可以归纳为几个方面：
首先，大数据让联合国人道救援更快捷有效。前不久尼泊尔大地震期间，联合国与Frog设计咨询公司合作搭建了一个平台，分享数据及数百万尼泊尔应急人员信息，搭建了几个大型数据库。利用大数据技术，实现了救援资源的优化配置，提高了救援效率。
其次，大数据深度参与政府治理。政府既是大数据发展的推动者，也是大数据应用的受益者。政府应用大数据更好地响应社会和经济指标变化，解决城市管理、安全管控、行政监管中的实际问题，预测判断事态走势等。
再次，大数据变革公共服务方式。大数据在公共服务领域的应用，可有效推动相关工作开展，提高相关部门的决策水平、服务效率和社会管理水平，产生巨大社会价值。如在深圳综合交通运行指挥中心囊括了全市交通信息化系统和海量的交通基础数据，路况图被即时发送到各个路口，让司机自行选择最优行车方案，使得交通资源得到充分合理的分配。
然后，大数据推动企业产品创新。基于大数据的产品创新设计具有典型应用，如特斯拉基于Linux深度定制的车载系统，实现了实时远程车辆诊断和自动软件更新，实时监测车辆驾驶状态和周边环境，路线优化及应急处理。
最后，大数据实现人体健康预测。中医可以通过望闻问切手段发现一些人体内隐藏的慢性病，甚至看体质便可知晓一个人将来可能会出现什么症状。人体体征变化有一定规律，而慢性病发生前人体已经会有一些持续性异常。智能硬件结合大数据技术，使得慢性病的大数据预测变为可能。
3.六条建议 为贵州大数据产业发展出谋划策
贵州商报：贵州是第一个把大数据作为省级战略来发展的省，您觉得未来贵州应该如何来更好的发展大数据产业呢?
李少波：大数据无疑是巨大金矿，但说到贵州发展大数据产业，我在这里谈一点我个人的建议：
一是抓紧制定大数据相关政策法规。制定大数据发展战略、政府数据开放政策及数据安全及网络用户隐私保护标准和制度。政府应该采取相关措施，推动数据开放，实现数据资源共享。
二是组建产业联盟，构建以企业为主体、产学研联合发展机制。借鉴北京、上海等地区的经验，整合上下游企业、研发机构等产业链资源，联合省内大数据技术应用领域的制造者、使用者与研究机构，成立大数据产业联盟。
三是加快大数据基地建设及大数据企业培育。加快建成中国电信、中国移动、中国联通贵安数据中心项目，支持金融机构和企业在贵州省建设数据中心，引进一批国内外知名云计算、大数据龙头企业，汇聚一批大数据采集、存储、分析、加工、应用等中小企业，形成一批创新型研发平台，培育一批基于大数据的信息消费、文化创意、先进制造等领域新兴业态。通过引进行业领先企业与培育本地企业相结合的模式，着力拓展大数据产业链。
四是快速推进大数据基础研究及科技创新。引导高等院校、科研机构和大数据产业联盟、行业协会等相关组织及成员企业参与贵州省大数据产业发展，进一步健全创新体系，提升创新能力，加快大数据产业共性、关键或前瞻性技术的研发，促进大数据领域产学研用结合。
五是建立大数据产业投融资体系。建立贵州省大数据产业发展基金、投资基金，与风险投资基金、私募股权投资基金、产业投资基金等共同构建多层次投资体系，满足大数据产业不同类别企业及其在不同阶段的发展需求。加强土地政策支持、出台财政税收优惠政策、鼓励企业科技创新、积极引导民间资本流入大数据产业链。
六是加强人才队伍建设。鼓励贵州省高等院校开设大数据相关的本科生、研究生课程，设立博士生、硕士生大数据研究方向，培养新一代数据研究人员和工程师等高端人才。积极引进高端人才，重点引进一批活跃在大数据技术发展前沿、国际领先水平的高端专业人才和团队。围绕大数据产业所需的专业人才，建设大数据专业人才培养基地。
