全球数据传输（精选12篇）
全球数据传输 篇1
就全球范围来看, 美洲地区和欧洲地区处于数据开放第一梯队, 亚太地区处于第二梯队, 中东、中亚和非洲地区处于第三梯队。
在后信息时代, 数据成为一种新兴资产。政府掌握着大量的核心数据, 让原始的政府数据对社会开放已经成为各国的民主运动的新内容, 数据开放作为提升政府提升透明度、提高国家创新竞争力、提升社会民主程度的重要措施, 在各国受到越来越多的关注和重视。
2011年在美国政府的倡议下, 全球正逐渐形成“数据开放联盟”, 40多个国家和地区纷纷加入该联盟。2013年10月31日, 《开放政府联盟 (Open GovernmentPartnership) 2013峰会》在伦敦举行, 会上互联网之父蒂姆·伯纳斯·李发布了由“开放数据晴雨表项目组”、互联网基金会、开放数据研究会共同编制的《开放数据晴雨 表:2013年开放数据全球报告》 (以下简称《报告》) 。
该《报告》旨在揭示全球不同开放数据计划的渗透性和影响力, 分析全球开放数据发展趋势, 并对各国和地区进行排名。《报告》指出, 数据开放正处在起步成长阶段。
在全球首个政府数据开放平台Data.gov诞生的近五年时间内, 数百个国家和地方政府已经相继建立起了各自的政府数据开放平台, 与此同时, 国际研究机构、非盈利组织和企业等也正在逐步加入到该平台中来。所有的参与者正在以不同的方式探索如何让开放数据的价值得到释放, 进而达到鼓励创新、增加透明度和提升政府责任感。
在数据开放进程加快的时代背景下, 《报告》对全球77个有广泛代表性国家的数据开放情况进行了研究分析, 站在国家层面为全世界提供了政府数据开放的整体“快照”和“印象”。
整体“印象”
《报告》指出, 全球数据开放目前呈现快速发展但发展不均衡的态势。信息化法律的完善程度、数据开放政策的制定、社团组织和专业技术人员对数据开放的需求程 度、政府对数据开放创新应用的支持度, 以及城市或地区数据开放程度等多个要素共同决定区域数据开放程度。
就全球范围来看, 美洲地区和欧洲地区处于数据开放第一梯队, 亚太地区处于第二梯队, 中东、中亚和非洲地区处于第三梯队。
如表1所示, 美洲、欧洲和亚太区在政府开放数据 (Open Government Data) 中政府政策倡议方面得分差距不大;社团和技术人员对数据开放的需求上三者存在明显差异, 欧洲得分最高表示其对数据开放需求最为强烈和迫切;城市或地区的OGD水平也存在明显差异, 欧洲得分最高表明其区域内城市或地区的平均水平增多美洲和亚太区域高, 其在数据开放方面有着良好的基础。
从五个区域整体来看, 五项指标中政府对数据开放创新活动的支持度得分最低, 表明政府在数据开放中所发挥的作用不足, 针对该情况, 《报告》建议政府要加强对在线数据的提供程度。
《报告》还指出, 目前虽然也有一些国家的政府数据开放已经推广到城市一级, 如尼日利亚、日本江户等国家和城市已经在推出全国政府门户网站前推出了城市数据开放门户, 但就世界范围来看, 实施政府数据开放政策的仍主要停留在国家层面, 尚未普及到城市一级。
指标解读
为了更好地对全球数据开放情况进行评估, 《报告》主要从准备度、执行力和影响力三个维度对各国所处开放数据的阶段及其在给经济、政治和社会所带来的影响进行了评估。
准备度是指一个国家是否具备实现开放数据潜力的政策、社会和经济基础, 包括政府、企业、公众与民间团体三方面; 执行力是指政府发布一系列关键数据集以支持社会各界进行创新、对政府的审计问责和改进有关决策的程度;影响力是指开放数据已导致积极的政策、社会、环境和经济变化的程度。
成功的政府数据开放政策倡议需要的不仅仅只是数据集, 更需要的是让中介机构能够很好地利用这些开放的数据, 把这些数据转变成用户可以以不同方式并利用不同设备去访问以及处理的、具有社会价值和经济价值的平台和产品。这就是有时 我们所说的基于政府数据开放项目的核心数据生态系统。
《报告》主要从三个方面考查政府数据开放准备度变量:
在政府准备度方面, 主要考察政府开放数据的能力和政府对数据开放的承诺, 包括政府开放数据的意愿、让数据更加可用的组织能力, 以及如何保证从数据开放中获益。
在公民和社会团体准备度方面, 主要考察公民社会的自由开放度和其在数据开放议程中的参与度, 包括《信息权利法》和《数据保护法》等制度的制定情况。
在企业和公司准备度方面, 主要考察企业公司通过对开放数据资源进行再利用所带来的经济利益及其作为“中介”给社会所带来的“催化”作用, 包括企业的互联网普及率、企业在数据可用性方面的有关培训, 以及政府对开放数据引领创新的支持作用。
什么数据是有用的?答案并不在于政府是否公开数据, 而在于全社会利用其公开的数据在实践应用中所产生的影响如何。有些国家吹嘘自己在网上发布了大量数据集, 但事实上, 如果这些数据并不是公众所需要的, 或者这些数据无法有效提升国家透明度、政府责任意识和社会等, 那其开放的意义对于开放政府数据所希望实现的目的微乎其微。为说明政府开放数据的有效性, 《报告》尝试选择那些既能代表国家不同职能、又是数据再利用者感兴趣的数据类别进行了初步研究。数据可用性是影响数据执行力的 一个重要因素。
在评估数据集的可用性方面, 《报告》选取了地理环境、土地持有、人口、政府预算、政府财政支出、公司注册等共14类数据, 对77个国家的数据开放情况进行了统计分析。
《报告》在评估全球数据开放的影响力时, 主要从开放数据被应用的领域范围, 以及数据在提升政府效率和透明度、环境可持续性和社会稳定、经济增长和企业活力等多方面入手, 具体观察分析了各国数据开放给本国所带来的实质影响。
《报告》通过调查发现, 政府数据开放的影响力更多地集中在对政府的“问责”和企业对数据的创新应用两方面。其中, “问责”对于提升政府的透明度和对社会的责任意识是最为明显的, 而数据开放给公司企业利用数据进行创新应用所带来的影响也是不言而喻的。开放政府公共数据对企业的影响力, 主要表现在利用公开数据开展APP应用竞赛和推出以鼓励开发者进行创新为目的的“黑客日”两个方面。在评估中发现, 多数国家在数据开放对环境和社会包容性的影响力方面考虑较少, 影响作用较弱。
《报告》通过利用准备度、应用度和影响力三个一级指标对全球多个国家数据开放情况进行分析后, 得出结论认为:从整体情况来看政府公共数据开放政策及其影响力正在全球快速蔓延, 许多国家和地区数据开放已经具备了良好的政府、企业和社会环境基础, 但在数据开放的广泛应用、数据开放对政府的影响力、数据发布和使用条款以及使用结果评估等方面, 仍然有很长的路要走。
国家排名
在此次调查的77个国家和地区中, 排名前五的依次为:英国、美国、瑞典、新西兰、挪威和丹麦 (并列第五) 。其中, 英国、美国和瑞典在数据开放的准备度、应用度指标上得分较高, 美国、新西兰在数据开放的影响力指标上表现较为突出, 如下图所示:
在从政府、企业和社会数据开放准度, 数据开放对经济、社会和政治影响作用, 以及数据在企业创新、政府责任意识提升和改善社会政策制定中执行力共9个方面分析后, 《报告》认为英国的数据开放程度位居全球第一。
英国
具体来看, 英国在数据开放进程中准备度得分较高, 表明英国政府对数据公开较为重视, 企业以及社会对数据公开的诉求和数据意识较为强烈。
2009年英国政府将“开放政府”正式提上日程, 2010年开放政府数据政策得以持续推进, 并得到了来自首相的支持。英国政府对数据开放可能带来的潜在价值给予高度重视, 包括成立专门的数据开放研究所以支持对开放数据的商业应用。为保证所有政府部门对data.gov.uk网站数据的及时更新和维护, 政府要求每个部门制定本部门的数据开放战略, 包括详细的数据应用行动计划以及对战略进展情况定期进行书面报告。英国政府还要求地方政府发布一些数据集, 许多地方政府已经建立了数据开放门户网站。
此外, 在英国, 关于数据开放主题的培训越来越多, 并且有频繁的专题和开放数据“黑客日”、数据开放活动和比赛, 以及由政府提供的创新资金专门用于帮助企业利用开放数据进行创新应用。英国还存在大量来自不同领域且关注数据开放的活跃用户社区, 致力于对开放数据的开发应用。
在执行力方面, 英国在不断扩大政府数据开放范围的同时, 也在提升数据的“深度”, 不断提升数据的质量、标准化程度和关联度。目前, 英国现在全力推进一个以保存、发展和提升核心数据为主的“国家信息化基础设施” (National InformationInfrastructure) 项目。但在影响力方面, 英国公开数据在影响力方面表现不是很理想, 数据开放对经济产生的影响力最大, 但对社会所带来的影响并不明显。
美国
在数据开放方面, 美国远远超出美洲地区平均水平。
2009年美国政府作为“第一个吃螃蟹”的国家发布了政府数据开放倡议, 要求政府部门发布机器可读的、标准化的、高价值的数据, 强调数据可能带来的经济价值。2013年5月美国政府再次发力, 发布了要求更高的“Open Data Policy”行政命令, 要求公开教育、健康、财政、农业等七大关键领域数据, 并对各政府机构数据开放时间做出了明确要求, 同时推出“Project OpenData”项目, 向社会开放更多政府API, 让开发者可以各方便地利用政府数据创造潜在经济价值。
与英国相比, 美国数据开放在公众和社团准备度方面略低于英国, 这可能与英国提出的“让公民受益数字化时代”倡议有关, 英国在全国范围内推动“Go OnUK” (全民性的、跨部门联合开展对人们互联网使用的培训) 项目以提升国民的数字化能力。
在执行力方面, 美国政府略逊色于英国, 英国在data.gov.uk上对政府财政收支、各级公务员工资收入情况等进行了完全公开, 而美国却无法有效提供该政府预算和支出等的详细数据, 表明政府利用数据开放提升政府透明度和责任意识表现不足。
在影响力方面, 美国表现尤为抢眼, 美国政府通过数据开放战略在释放经济增长创新力、提升政府透明度和责任意识以及改善社会环境等方面取得了较为显著的成效。
瑞典
排名第三的是瑞典, 在综合各项指标分析后, 《报告》认为, 瑞典的数据开放程度高于欧洲平均水平。
瑞典早在1776年就成为世界第一个形成信息权利法《Right to Information law》的国家, 这为瑞典2012年发布政府数据开放统一门户网站奠定良好的基础。
在数据执行力方面, 瑞典在全国范围内也形成了以鼓励开发者创新为目的的“黑客日”, 而像TrafikLab之类的项目则把与交通有关的公共部门数据和个人数据在一个平台进行整合, 并提供给创新者。
在影响力方面, 瑞典在利用开放数据提升医疗绩效, 利用环境数据以可视化的方式降低环境预算以及有效的防治害虫等方面发挥了积极的作用。
相对于数据开放给经济和社会所带来的积极影响而言, 数据开放所带来的政治影响较低。
中国
从《报告》排名和得分情况来看, 中国位列第61位, 综合得分为11.82, 整体排名较为靠后。
从指标具体情况来看, 在三个维度中, 中国的准备度得分最高, 但也仅为41.72, 与美国、英国等先进国家相比差距较大, 表明我国政府公共数据开放在政策推动、公民意识等准备方面上较为不足。
执行力得分仅为9.41, 表明我国数据开放在推动创新、提升政府透明度和改善社会决策等方面能力明显不足, 数据有效性和价值度、易用性不高, 例如我国政府支出数据只有十分粗略的总数, 几乎不具备可用价值, 而选举数据则完全缺失。
影响力得分为0, 表明我国政府数据的应用潜力未得到有效挖掘, 未来有较大的开发空间。
全球数据传输 篇2
08:30 澳大利亚澳洲联储会议纪要
15:00 德国2月批发物价指数月率2月批发物价指数年率 17:00 意大利1月贸易帐(亿欧元)
1月对欧盟贸易帐(亿欧元)18:00 德国3月ZEW经济景气指数3月ZEW经济现况指数 18:00 欧元区3月ZEW经济景气指数3
18:00 欧元区1
20:30 加拿大1
20:30 美国2
20:30 美国2
20:30 美国2
21:00 美国1
安联全球救援:挖掘数据价值 篇3
在很多人看来，汽车道路救援并不是一个耳熟能详的词，它更像是4S店之前的服务接口。实际上，汽车道路救援是一个涵盖涉及车主、汽车厂商及其4S店服务、保险公司、汽车救援公司的链条。这其中，汽车道路救援公司即扮演了直接面对车主，将信息和服务贯通的角色。对救援公司来说，这种通过B（汽车厂商）面向C（车主）的服务模式让它们掌握了大量来自车主及汽车的一手资料。如何把这些数据和服务经验变成有价值的信息，又如何在这些信息基础之上提炼有价值的服务是核心竞争力所在。
2003年，隶属于德国安联集团的蒙迪艾尔进入中国，作为全世界第一家从事救援方面业务的跨国公司，它成为第一家经政府批准提供救援服务的外商独资机构。2010年，安联集团决定在全球30几个国家的运营机构当中逐渐使用“安联全球救援”，并率先在中国启用新品牌。“我们帮助2.5亿客户，就全球来看，一年之中，有约1500万件案件处理量，在我们的呼叫中心，要接入或呼出4200万个电话”，安联全球救援中国区首席运营官金卡罗（Giancarlo Scupino）告诉记者，2010年，安联全球救援中国区为25万客户提供了不同服务，其汽车道路救援数量排在了集团的首位。
数据的重与轻
实际上，道路救援不止于字面意义上的“救援”，还可以进一步细分，例如快修、拖车，以及消费者由于各种原因无法继续前行，在当地进行住宿和继续旅行的安排等。除此之外，还包括车辆延长保修、车载信息化服务、意外事故处理等——与银行、电信公司庞大的数据流不同，以安联全球救援为例，服务型公司的数据是立体的、多维度的、复杂的。
从安联全球救援的商业模式来看，它无异于一个处于汽车厂商和救援实施厂商之间的“轻公司”：一方面，安联全球救援与汽车厂商签订合同，服务于多个品牌的企业客户；另一方面，安联全球救援拥有庞大有效的服务供应商网络来具体实施汽车道路救援或将其导向相关车商的4S店——仅在中国，安联全球救援就有5500家以上的服务提供商分布在全国各地。安联中国区可以使用总公司既有的基础架构和平台，并可以在此基础上开发适合中国市场的应用。
不过，看上去“轻”的公司却很可能有“重”的数据挑战。
“在使用商业智能软件之前，我们的报告基本上都是以Word、Excel或者PDF的形式提交给客户的，会面临很大问题。比如，汽车客户要求我们提供报告的时候提供尽可能多的分类，从不同的角度让他们知道他们的车主究竟出于什么原因造成不良事件。他们需要了解车主车辆的抛锚到底是什么原因造成的，哪些区域的消费者出现抛锚事件较多，或是旗下众多车型中，哪款车抛锚的可能性更大。每一个这样的要求背后都需要不同的静态表格：Excel或者PDF格式的报告。这样，客户每个月都会收到海量的数据，不仅造成了数据负担，还给横向、纵向比较造成了困难”，金卡罗说道，“2010年底，IBM发布了新的商业智能软件Cognos 10，基于安联全球救援在澳洲分公司的良好体验，安联全球救援中国区开始使用这款软件进行BI提升。”
“现在，两个动态图表就等于过去的PDF中的100张静态图表”，安联全球救援中国区数据仓库经理Greg LI告诉记者，他十分“中意”的Cognos 10中“动态报表”和“立方体”功能：在动态报表功能里，可以把各个指标按照不同的分类做成结果给客户，比PDF格式更清楚，客户可以很容易地找到想要的结果。“这些指标是我们操作部的一些KPI指标，我们会按各种类别对它进行不同的分析。所谓动态报表就是用户可以根据不同的需要选择不同的参数，想看哪一个，只要点击，就可以动态生成。厂商可以选不同的Model来查看分析结果，所有的分析都会根据所选Model相应进行改变。”
立方体功能则体现了安联全球救援对数据“多维度”的要求：在Cognos 10里，数据分析至少有七八个纬度或者十几个纬度。立方体功能体现了需求驱动与数据驱动的区别。Greg LI介绍道，“如果说我们的报告就是根据用户的需求来做的，用户想要什么样的分析，我们会根据他的需求做出报告。而这个立方体是我们设计好的，用户能够自己查看不同纬度的分析结果。并且，随着他与立方体的互动，这个数据会驱动他找到他原本没想到的该要的东西。在需求驱动之上，商业智能软件让数据驱动超越了客户需求。”
商业智能软件的部署让可能会变“重”的数据优化到了“轻”的状态，这对服务型公司来说至关重要：这种简化和智能化提升了他们的服务水平。现在，利用Cognos软件，安联全球救援提交客户的报告以MHT格式提供，可以邮件发送给客户，从静态的、冗长的文件变为动态的、可以互动的文件，这大大节省了过去由于人工操作造成的人力成本。而就部署时间来说，安联全球救援与IBM合作，部署Cognos 10只用了半年时间。Greg LI说道，Cognos软件的使用还带来有形和无形的好处：“我统计发现，在最经常使用数据库的20个人中，有7个人得到了升职——我们也分析了一下，这7个人是利用我们新部署的商业智能系统最熟练的7个人，他们通过这个系统为客户提供了更好的服务，也为公司带来了更多的价值，软件对执行力的强调也提高了员工的工作效率”。他打了个比方，“商业智能软件给了企业一个清晰的仪表盘，让企业看清运营状态，对整个企业的战略都有着举足轻重的影响。越来越明显，企业之间的竞争如同赛车一样激烈，没有仪表盘的企业只能回到赛马的时代”。
挖掘数据价值
“同样是汽车道路救援，汽车厂商的4S店提供的服务与安联全球救援提供的有什么差别呢？安联全球救援的优势在哪呢？”——这个问题的回答实际上代表了安联全球救援的核心竞争力所在：随着汽车厂商品牌意识的增强，一些汽车厂商把道路救援划归为汽车售后服务的一部分。作为在汽车道路救援领域拥有60多年经验的安联全球救援，比之4S店，他们的专业性、系统性、丰富的经验正是他们在上下游企业之间保持价值和竞争力的关键，而这种企业竞争力的保持，现在越来越多地体现在对数据的挖掘和利用上。
金卡罗就表达了这种对数据利用的诉求：“我们在日常救援中能够收集到很多来自消费者的数据，这些数据都被储存在数据库当中，但是很遗憾的是这个数据库并没有得到充分的利用。因此我们需要一个非常好的系统，能够使客户对这些数据进行更加有效地利用、分析，并透过数据分析掌握到更多的信息。”实际上，由安联全球救援提交的信息，也确实对客户的决策形成了影响。
“这些数据的所有权属于相应的主机厂，我们不能够使用，但并不意味着我们不能从中获取一些有益的信息，比如通过和消费者救援的分析，就能比较清楚地知道事故发生的频率、事故发生地点的特点，事故发生种类，是什么样的原因可能会造成救援的延误等等这样的信息，而所有这些信息都会对日后去改进我们的服务、提高我们的服务有所帮助。另外，这些数据为我们更好的定价产生具有指导意义。”实际上，商业智能软件可以帮助用户看到新业务的竞争力所在，而在数据分析欠佳的情况下，这往往是企业所看不到的。
大数据能否弥合全球数字鸿沟? 篇4
新公布的《全球信息技术报告》 (Global Information Technology Report) 表明, 在建立网络化国家的过程中, 完成基础设施建设还只是成功了一半。
凭借90%的上网人口、高水平的技术革新以及政府和个人对于信息通信技术投资的齐心协力, 芬兰再次位列《2014年全球信息技术报告》所颁布的网络就绪指数排行榜的榜首, 该报告是由英士国际商学院 (INSEAD) 、世界经济论坛和康奈尔大学共同起草完成。
芬兰与新加坡、瑞典、荷兰、挪威和瑞士之间都存在某些共通之处。和2013年一样, 所有这几个发达经济体都牢牢占据着领先地位。另外两个亚洲国家亦挤进了前10名行列, 香港从第14位升至第8位, 韩国则从第11位前进至第10位。美国的排名也稍有提升, 英国则从第7位掉到了第9位。 (图1)
尽管具体排名稍有起伏, 但无碍于这些发达经济体的整体领先地位, 信息通信技术就绪化水平的高低也直接反映了信息通信技术领域的不平等性。虽然新兴国家对信息通信技术进行了较大规模的投资, 但它们无法像发达国家那样, 从这一技术领域获取同样丰厚的经济和社会效益。由此, 发达国家和发展中国家之间的数字鸿沟正在不断扩大。
不止是基础设施建设
“新兴大国正在遭遇难题, ”英士欧洲竞争力倡议组织的执行理事布鲁诺·朗万说。“它们没有享受到信息通信技术变革所带来的益处……某些障碍, 尤其是人才和技术方面的不足, 阻碍了这些国家从中受益。”
“与此同时我们也发现, 这种数字鸿沟并不存在同质性, ”朗万补充道。“在欧洲, 北欧与东南欧之间存在一种数字鸿沟;在中东地区, 海湾合作委员会 (GulfCooperation Council) 国家与北非国家之间存在另一种数字鸿沟;在世界其他地区也能发现其他类型的数字鸿沟。”
政策至关重要
朗万强调了政策的重要性, “政策影响的不止是信息通信技术领域的具体措施, 它也关系到环境、商业氛围以及吸引外国投资和人才的能力。从今年报告所公布的排名情况来看, 所有这些因素又一次清清楚楚地显现了出来。”以毛里求斯为例, 撒哈拉以南非洲地区一直处于数字化水平的较低层次, 但位于该地区的毛里求斯却努力将本国的排名提高了7位, 即上升至榜单的第48位, 它是撒哈拉以南非洲地区排名最高的国家。“有些地处更为不发达偏远地区的国家以创造力、创新性和调整信息通信技术投资来获得更高水平的竞争力、增长点和就业机会, 从而成就了活生生的现实例证, ”朗万补充说。
东南亚国家的崛起
尽管有来自于新晋国家的挑战压力, 但巴西、俄罗斯、印度和中国 (金砖四国) 在今年的排行榜中依然稳居中游。“金砖四国中有几个国家的排名下滑了;这与它们在高效使用本国信息通信技术系统方面做得不够关系不大, 而是因为其他国家进步得更快, 于是在排行榜上超过了它们, ”世界经济论坛全球竞争力和标杆网络高级经济学家贝纳特·毕尔巴-奥索里奥说。
这些在网络就绪指数排行榜上的后起之秀包括印度尼西亚和菲律宾, 前者的排名提高了12位, 升至第64位, 后者提高了8位, 升至第78位。
朗万表示, 这些国家的成功应主要归功于它们地处动态区域的地理位置, 即很多邻国已经铺好了将信息通信技术转化为强劲经济增长和社会进步的道路。“有些区域动态正处于成型之中, 通过吸收这些动态, 后起的国家就能够从邻国的经历中吸取经验教训。在某些时候, 相比世界其他地区, 从经济、社会和文化环境都相类似的邻国借鉴经验会容易得多, ”他补充道。
大数据能够弥合鸿沟吗?
在信息通信技术领域, 所谓的“大数据”代表了一种史无前例的机遇。对此, 《全球信息技术报告》的起草者表示, 数据热类似于20世纪兴起的德克萨斯石油热, 热衷者将大数据视为了一种新的投资资产类型。
公司和政府分类和构建大量金融交易、社交媒体互动以及人类行为模式的能力会得益于上述投资机遇, 思科公司甚至认为大数据机遇的价值高达19万亿美元。
信息通信技术的未来
这份榜单对于政策制定者也会有所启示。那些能够作出最快速响应的政策制定者能够帮助国家和本国的公司获得成功。报告的起草者认为, 在未来几年中, 针对各种信息通信技术的政策甚至会显得更加重要。“在接下来的几个月, 我们将对数据保密和网络管制等议题展开积极讨论, 还会大体上确定整体化的世界, 将如何充分地利用信息技术变革和网络全球化所带来的成果, ”朗万说。
《全球信息技术报告》利用了大量的公共数据和调查结果, 其中就包括世界经济论坛针对15, 000多名专家进行调查而得出的《专家意见调查》 (Executive OpinionSurvey) , 这份调查报告综合考量了惯例、社会经济影响、针对商业和革新的政治管制环境和氛围以及信息通信基础设施、数字内容、信息通信技术承受能力和技能等诸多方面的因素。
注释
全球数据传输 篇5
2018-2024年全球金融大数据行业发展前景预测与投资战略规划分析报告
2018-2021年全球金融大数据行业发展前景预测与投资战略规划分析报告
[正文目录] 网上阅读：http:///
第1章 全球金融大数据行业发展分析
1.1 美国金融大数据行业发展分析 1.1.1 美国金融大数据行业政策规划 1.1.2 美国金融大数据行业发展规模 1.1.3 美国金融大数据行业市场结构 1.1.4 美国金融大数据行业竞争格局 1.1.5 美国金融大数据行业发展前景 1.2 欧洲金融大数据行业发展分析 1.2.1 欧洲金融大数据行业政策规划 1.2.2 欧洲金融大数据行业发展规模 1.2.3 欧洲金融大数据行业市场结构 1.2.4 欧洲金融大数据行业竞争格局 1.2.5 欧洲金融大数据行业发展前景 1.3 日本金融大数据行业发展分析 1.3.1 日本金融大数据行业政策规划
访问网址:/ 北京博研智尚信息咨询有限公司—中国市场调研在线
1.3.2 日本金融大数据行业发展规模 1.3.3 日本金融大数据行业市场结构 1.3.4 日本金融大数据行业竞争格局 1.3.5 日本金融大数据行业发展前景 1.4 印度金融大数据行业发展分析 1.4.1 印度金融大数据行业政策规划 1.4.2 印度金融大数据行业发展规模 1.4.3 印度金融大数据行业市场结构 1.4.4 印度金融大数据行业竞争格局 1.4.5 印度金融大数据行业发展前景
第2章 中国金融大数据行业发展状况分析
2.1 中国金融大数据行业发展分析 2.1.1 中国金融大数据行业发展周期 2.1.2 中国金融大数据行业政策规划 2.1.3 中国金融大数据行业发展规模 2.1.4 中国金融大数据行业市场结构 2.1.5 中国金融大数据行业发展痛点 2.2 中国金融大数据行业竞争格局 2.2.1 行业现有竞争者分析 2.2.2 行业潜在进入者威胁 2.2.3 行业替代品威胁分析 2.2.4 行业供应商议价能力分析
访问网址:/ 北京博研智尚信息咨询有限公司—中国市场调研在线
2.2.5 行业购买者议价能力分析 2.2.6 行业竞争情况总结
第3章 金融大数据行业细分市场发展分析
3.1 银行业大数据市场发展分析 3.1.1 银行业大数据市场发展概况 3.1.2 银行业大数据产品应用分析（1）客户画像应用（2）精准营销（3）风险管控（4）运营优化
3.1.3 银行业大数据市场格局分析 3.1.4 银行业大数据市场发展机遇与挑战（1）市场发展机遇（2）市场发展挑战
3.2 证券业大数据市场发展分析 3.2.1 证券业大数据市场发展概况 3.2.2 证券业大数据产品应用分析（1）股价预测（2）客户关系管理（3）投资景气指数
3.2.3 证券业大数据市场格局分析 3.2.4 证券业大数据市场发展前景与趋势
访问网址:/ 北京博研智尚信息咨询有限公司—中国市场调研在线
（1）市场前景预测（2）市场趋势预测
3.3 保险业大数据市场发展分析 3.3.1 保险业大数据市场发展概况 3.3.2 保险业大数据产品应用分析（1）客户细分和精细化营销（2）欺诈行为分析（3）精细化运营
3.3.3 保险业大数据市场格局分析 3.3.4 保险业大数据市场发展前景与趋势（1）市场前景预测（2）市场趋势预测
3.4 信托业大数据市场发展分析 3.4.1 信托业大数据市场规模分析 3.4.2 信托业大数据战略思维分析（1）产品研发与大数据（2）风险管理与大数据（3）财富管理与大数据（4）运营决策与大数据
3.4.3 信托业大数据市场发展前景与趋势（1）市场前景预测（2）市场趋势预测
访问网址:/ 北京博研智尚信息咨询有限公司—中国市场调研在线
第4章 金融大数据行业领先企业案例分析
4.1 国外金融大数据领先企业案例分析 4.1.1 IBM公司
（1）企业金融大数据业务布局（2）企业金融大数据核心技术（3）企业金融大数据产品体验（4）企业金融大数据业务经营情况分析 4.1.2 Teradata公司
（1）企业金融大数据业务布局（2）企业金融大数据核心技术（3）企业金融大数据产品体验（4）企业大数据业务经营情况分析（5）企业金融大数据投融资分析 4.1.3 Oracle公司
（1）企业金融大数据业务布局（2）企业金融大数据核心技术（3）企业金融大数据产品体验（4）企业大数据业务经营情况分析 4.1.4 Palantir公司
（1）企业金融大数据业务布局（2）企业金融大数据核心技术（3）企业金融大数据产品体验
访问网址:/ 北京博研智尚信息咨询有限公司—中国市场调研在线
（4）企业大数据业务经营情况分析（5）企业金融大数据投融资分析 4.1.5 BestFinance公司
（1）企业金融大数据业务布局（2）企业金融大数据核心技术（3）企业金融大数据产品体验（4）企业大数据业务经营情况分析（5）企业金融大数据投融资分析 4.2 国内金融大数据领先企业案例分析 4.2.1 厦门华侨电子股份有限公司（1）企业发展简况分析（2）企业技术资质能力分析（3）企业金融大数据业务布局（4）企业市场渠道与网络分析（5）企业经营情况分析 1）企业主要经济指标 2）企业盈利能力分析 3）企业运营能力分析 4）企业偿债能力分析 5）企业发展能力分析
（6）企业发展金融大数据优劣势分析（7）企业投融资分析
4.2.2 神州数码信息服务股份有限公司（1）企业发展简况分析
访问网址:/ 北京博研智尚信息咨询有限公司—中国市场调研在线
（2）企业技术资质能力分析（3）企业金融大数据业务布局（4）企业市场渠道与网络分析（5）企业经营情况分析 1）企业主要经济指标 2）企业盈利能力分析 3）企业运营能力分析 4）企业偿债能力分析 5）企业发展能力分析
（6）企业发展金融大数据优劣势分析（7）企业投融资分析
4.2.3 深圳市银之杰科技股份有限公司（1）企业发展简况分析（2）企业技术资质能力分析（3）企业金融大数据业务布局（4）企业市场渠道与网络分析（5）企业经营情况分析 1）企业主要经济指标 2）企业盈利能力分析 3）企业运营能力分析 4）企业偿债能力分析 5）企业发展能力分析
（6）企业发展金融大数据优劣势分析（7）企业投融资分析
访问网址:/ 北京博研智尚信息咨询有限公司—中国市场调研在线
4.2.4 北京奥维云网大数据科技股份有限公司（1）企业发展简况分析（2）企业技术资质能力分析（3）企业金融大数据业务布局（4）企业市场渠道与网络分析（5）企业经营情况分析 1）企业主要经济指标 2）企业盈利能力分析 3）企业运营能力分析 4）企业偿债能力分析 5）企业发展能力分析
（6）企业发展金融大数据优劣势分析（7）企业投融资分析
4.2.5 成都三泰控股集团股份有限公司（1）企业发展简况分析（2）企业技术资质能力分析（3）企业金融大数据业务布局（4）企业市场渠道与网络分析（5）企业经营情况分析 1）企业主要经济指标 2）企业盈利能力分析 3）企业运营能力分析 4）企业偿债能力分析 5）企业发展能力分析
访问网址:/ 北京博研智尚信息咨询有限公司—中国市场调研在线
（6）企业发展金融大数据优劣势分析（7）企业投融资分析
4.2.6 浪潮电子信息产业股份有限公司（1）企业发展简况分析（2）企业技术资质能力分析（3）企业金融大数据业务布局（4）企业市场渠道与网络分析（5）企业经营情况分析 1）企业主要经济指标 2）企业盈利能力分析 3）企业运营能力分析 4）企业偿债能力分析 5）企业发展能力分析
（6）企业发展金融大数据优劣势分析（7）企业投融资分析
4.2.7 北京东方国信科技股份有限公司（1）企业发展简况分析（2）企业技术资质能力分析（3）企业金融大数据业务布局（4）企业市场渠道与网络分析（5）企业经营情况分析 1）企业主要经济指标 2）企业盈利能力分析 3）企业运营能力分析
访问网址:/ 北京博研智尚信息咨询有限公司—中国市场调研在线
4）企业偿债能力分析 5）企业发展能力分析
（6）企业发展金融大数据优劣势分析（7）企业投融资分析 4.2.8 博彦科技股份有限公司（1）企业发展简况分析（2）企业技术资质能力分析（3）企业金融大数据业务布局（4）企业市场渠道与网络分析（5）企业经营情况分析 1）企业主要经济指标 2）企业盈利能力分析 3）企业运营能力分析 4）企业偿债能力分析 5）企业发展能力分析
（6）企业发展金融大数据优劣势分析（7）企业投融资分析
4.2.9 苏州工业园区凌志软件股份有限公司（1）企业发展简况分析（2）企业技术资质能力分析（3）企业金融大数据业务布局（4）企业市场渠道与网络分析（5）企业经营情况分析 1）企业主要经济指标
访问网址:/ 北京博研智尚信息咨询有限公司—中国市场调研在线
2）企业盈利能力分析 3）企业运营能力分析 4）企业偿债能力分析 5）企业发展能力分析
（6）企业发展金融大数据优劣势分析 4.2.10 广州市浩云安防科技股份有限公司（1）企业发展简况分析（2）企业技术资质能力分析（3）企业市场渠道与网络分析（4）企业经营情况分析 1）企业主要经济指标 2）企业盈利能力分析 3）企业运营能力分析 4）企业偿债能力分析 5）企业发展能力分析
（5）企业发展金融大数据优劣势分析（6）企业投融资分析
4.2.11 杭州初灵信息技术股份有限公司（1）企业发展简况分析（2）企业技术资质能力分析（3）企业金融大数据业务布局（4）企业市场渠道与网络分析（5）企业经营情况分析 1）企业主要经济指标
访问网址:/ 北京博研智尚信息咨询有限公司—中国市场调研在线
2）企业盈利能力分析 3）企业运营能力分析 4）企业偿债能力分析 5）企业发展能力分析
（6）企业发展金融大数据优劣势分析（7）企业投融资分析
4.2.12 浙江核新同花顺网络信息股份有限公司（1）企业发展简况分析（2）企业技术资质能力分析（3）企业金融大数据业务布局（4）企业市场渠道与网络分析（5）企业经营情况分析 1）企业主要经济指标 2）企业盈利能力分析 3）企业运营能力分析 4）企业偿债能力分析 5）企业发展能力分析
（6）企业发展金融大数据优劣势分析（7）企业投融资分析
4.2.13 上海二三四五网络控股集团股份有限公司（1）企业发展简况分析（2）企业技术资质能力分析（3）企业金融大数据业务布局（4）企业市场渠道与网络分析
访问网址:/ 北京博研智尚信息咨询有限公司—中国市场调研在线
（5）企业经营情况分析 1）企业主要经济指标 2）企业盈利能力分析 3）企业运营能力分析 4）企业偿债能力分析 5）企业发展能力分析
（6）企业发展金融大数据优劣势分析（7）企业投融资分析 4.2.14 恒生电子股份有限公司（1）企业发展简况分析（2）企业技术资质能力分析（3）企业金融大数据业务布局（4）企业市场渠道与网络分析（5）企业经营情况分析 1）企业主要经济指标 2）企业盈利能力分析 3）企业运营能力分析 4）企业偿债能力分析 5）企业发展能力分析
（6）企业发展金融大数据优劣势分析（7）企业投融资分析
4.2.15 上海贝格计算机数据服务有限公司（1）企业发展简况分析（2）企业技术资质能力分析
访问网址:/ 北京博研智尚信息咨询有限公司—中国市场调研在线
（3）企业金融大数据业务布局（4）企业市场渠道与网络分析（5）企业经营情况分析
（6）企业发展金融大数据优劣势分析（7）企业投融资分析
4.3 互联网巨头金融大数据业务投资布局 4.3.1 京东金融大数据投资布局（1）企业金融大数据业务布局（2）企业金融大数据产品体验（3）企业金融大数据投融资分析 4.3.2 百度金融大数据投资布局（1）企业金融大数据业务布局（2）企业金融大数据产品体验（3）企业金融大数据投融资分析 4.3.3 阿里巴巴金融大数据投资布局（1）企业金融大数据业务布局（2）企业金融大数据产品体验（3）企业金融大数据投融资分析 4.3.4 腾讯金融大数据投资布局（1）企业金融大数据业务布局（2）企业金融大数据产品体验（3）企业金融大数据投融资分析
访问网址:/ 北京博研智尚信息咨询有限公司—中国市场调研在线
第5章 金融大数据行业投资潜力与策略规划
5.1 金融大数据行业发展前景预测 5.1.1 行业发展环境分析（1）政策支持分析（2）技术推动分析（3）市场需求分析 5.1.2 行业发展前景预测
（1）行业全球市场发展前景预测（2）行业中国市场发展前景预测 5.2 金融大数据行业发展趋势预测 5.2.1 行业整体趋势预测 5.2.2 市场竞争格局预测 5.2.3 应用方向趋势预测 5.2.4 技术发展趋势预测
5.3 金融大数据行业投资潜力分析 5.3.1 行业投资热潮分析 5.3.2 行业投资推动因素 5.3.3 行业投资主体分析 5.3.4 行业投资切入方式
5.4 金融大数据行业投资策略规划 5.4.1 行业投资方式策略 5.4.2 行业投资领域策略
访问网址:/ 北京博研智尚信息咨询有限公司—中国市场调研在线
5.4.3 行业产品创新策略 5.4.4 行业商业模式策略
图表目录（部分）
图表1：美国“联邦大数据研发战略计划”内容
图表2：2010-2018年美国金融大数据行业发展规模（单位：亿美元）图表3：美国金融大数据行业竞争格局分析
图表4：2018-2021年美国金融大数据行业发展规模（单位：亿美元）图表5：2010-2018年欧洲金融大数据行业发展规模（单位：亿美元）图表6：2018-2021年欧洲金融大数据行业发展规模（单位：亿美元）图表7：2010-2018年日本金融大数据行业发展规模（单位：亿美元）图表8：日本金融大数据行业竞争格局分析
图表9：2018-2021年日本金融大数据行业发展规模（单位：亿美元）图表10：2010-2018年印度金融大数据行业发展规模（单位：亿美元）图表11：印度金融大数据行业竞争格局分析
图表12：2018-2021年印度金融大数据行业发展规模（单位：亿美元）图表13：中国金融大数据行业发展周期
图表14：2014年以来国内关于大数据行业相关政策汇总 图表15：中国大数据IT应用投资结构（单位：%）
图表16：2014-2018年我国金融大数据市场规模走势（单位：亿元）图表17：中国金融大数据行业市场结构（单位：%）图表18：中国金融大数据行业发展痛点
图表19：每100万美元收入的实际数据用量（单位：GB）图表20：2014-2018年银行业大数据市场规模（单位：亿元）
访问网址:/ 北京博研智尚信息咨询有限公司—中国市场调研在线
图表21：银行业大数据产品应用分析
图表22：银行业大数据市场格局分析（单位：%）
图表23：2014-2018年证券业大数据市场规模（单位：亿元，%）图表24：2018-2021年证券业大数据市场规模预测（单位：亿元）图表25：2014-2018年保险业大数据市场规模情况（单位：亿元）图表26：大数据在保险行业的应用分析
图表27：2018-2021年保险业大数据市场规模预测（单位：亿元）图表28：2009-2018年信托资产及同比增速（单位：万亿元，%）图表29：2014-2018年信托业大数据市场规模情况（单位：亿元）图表30：2018-2021年信托业大数据市场规模预测（单位：亿元）
图表31：2017-2018年IBM公司金融大数据收入及占比（单位：百万美元，%）图表32：2017-2018年Teradata公司大数据收入及变化（单位：百万美元，%）图表33：2017-2018年Oracle公司收入构成（单位：百万美元）图表34：Palantir Metropolis优势及功能分析 图表35：BestFinance 的评分模型
图表36：厦门华侨电子股份有限公司基本信息简介
图表37：截止到2017年末厦门华侨电子股份有限公司与实际控制人之间产权及控制关系方框图（单位：%）
图表38：2018年厦门华侨电子股份有限公司业务分地区情况（单位：%）
图表39：2012-2018年厦门华侨电子股份有限公司主要经济指标分析（单位：万元）图表40：2012-2018年厦门华侨电子股份有限公司盈利能力分析（单位：%）图表41：2012-2018年厦门华侨电子股份有限公司运营能力分析（单位：次）图表42：2012-2018年厦门华侨电子股份有限公司偿债能力分析（单位：%，倍）图表43：2012-2018年厦门华侨电子股份有限公司发展能力分析（单位：%）
访问网址:/ 北京博研智尚信息咨询有限公司—中国市场调研在线
图表44：截止到2018年上半年神州数码信息服务股份有限公司股东变动情况（单位：万股，%）图表45：2011-2017年神州数码信息服务股份有限公司主要经济指标分析（单位：万元）图表46：2011-2017年神州数码信息服务股份有限公司盈利能力分析（单位：%）图表47：2011-2017年神州数码信息服务股份有限公司运营能力分析（单位：次）图表48：2011-2017年神州数码信息服务股份有限公司偿债能力分析（单位：%，倍）图表49：2011-2017年神州数码信息服务股份有限公司发展能力分析（单位：%）图表50：神州数码信息服务股份有限公司发展金融大数据优劣势分析 图表51：深圳市银之杰科技股份有限公司基本信息简介
图表52：截至2017年末深圳市银之杰科技股份有限公司与实际控制人之间产权及控制关系方框图（单位：%）
图表53：2018年上半年深圳市银之杰科技股份有限公司主营业务按产品营业收入情况（单位：万元，%）
图表54：2017年深圳市银之杰科技股份有限公司主营业务按地区营业收入情况（单位：万元，%）
图表55：2012-2018年深圳市银之杰科技股份有限公司主要经济指标分析（单位：万元）图表56：2012-2018年深圳市银之杰科技股份有限公司盈利能力分析（单位：%）图表57：2012-2018年深圳市银之杰科技股份有限公司运营能力分析（单位：次）图表58：2012-2018年深圳市银之杰科技股份有限公司偿债能力分析（单位：%，倍）图表59：2012-2018年深圳市银之杰科技股份有限公司发展能力分析（单位：%）图表60：北京奥维云网大数据科技股份有限公司基本信息简介 图表61：2014-2017年公司控股股东变动情况及股份变动情况
图表62：2012-2017年北京奥维云网大数据科技股份有限公司主要经济指标分析（单位：万元）
图表63：2012-2017年北京奥维云网大数据科技股份有限公司盈利能力分析（单位：%）图表64：2013-2017年北京奥维云网大数据科技股份有限公司运营能力分析（单位：次）
访问网址:/ 北京博研智尚信息咨询有限公司—中国市场调研在线
图表65：2012-2017年北京奥维云网大数据科技股份有限公司偿债能力分析（单位：%，倍）图表66：2013-2017年北京奥维云网大数据科技股份有限公司发展能力分析（单位：%）图表67：成都三泰控股集团股份有限公司基本信息简介
图表68：截至2017年末成都三泰控股集团股份有限公司与实际控制人之间产权及控制关系方框图（单位：%）
图表69：2018年上半年成都三泰控股集团股份有限公司营业情况详情（单位：万元，%）图表70：2018年上半年成都三泰控股集团股份有限公司分地区营业情况（单位：%）图表71：2012-2018年成都三泰控股集团股份有限公司主要经济指标分析（单位：万元）图表72：2012-2018年成都三泰控股集团股份有限公司盈利能力分析（单位：%）图表73：2012-2018年成都三泰控股集团股份有限公司运营能力分析（单位：次）图表74：2012-2018年成都三泰控股集团股份有限公司偿债能力分析（单位：%，倍）图表75：2012-2018年成都三泰控股集团股份有限公司发展能力分析（单位：%）图表76：成都三泰控股集团股份有限公司发展金融大数据优劣势分析 图表77：浪潮电子信息产业股份有限公司基本信息简介
图表78：截至2017年末浪潮电子信息产业股份有限公司与实际控制人之间产权及控制关系方框图（单位：%）
图表79：2018年上半年浪潮电子信息产业股份有限公司分地区营业情况详情（单位：%）图表80：2012-2018年浪潮电子信息产业股份有限公司主要经济指标分析（单位：万元）图表81：2012-2018年浪潮电子信息产业股份有限公司盈利能力分析（单位：%）图表82：2012-2018年浪潮电子信息产业股份有限公司运营能力分析（单位：次）图表83：2012-2018年浪潮电子信息产业股份有限公司偿债能力分析（单位：%，倍）图表84：2012-2018年浪潮电子信息产业股份有限公司发展能力分析（单位：%）图表85：北京东方国信科技股份有限公司基本信息简介
图表86：截至2017年末北京东方国信科技股份有限公司与实际控制人之间产权及控制关系方框图（单位：%）
访问网址:/ 北京博研智尚信息咨询有限公司—中国市场调研在线
图表87：2017年北京东方国信科技股份有限公司营业收入分地区详情（单位：万元，%）图表88：2012-2018年北京东方国信科技股份有限公司主要经济指标分析（单位：万元）图表89：2012-2018年北京东方国信科技股份有限公司盈利能力分析（单位：%）图表90：2012-2018年北京东方国信科技股份有限公司运营能力分析（单位：次）图表91：2012-2018年北京东方国信科技股份有限公司偿债能力分析（单位：%，倍）图表92：2012-2018年北京东方国信科技股份有限公司发展能力分析（单位：%）图表93：北京东方国信科技股份有限公司发展金融大数据优劣势分析 图表94：博彦科技股份有限公司基本信息简介
图表95：2018年上半年博彦科技股份有限公司营业收入按地区分布情况（单位：%）图表96：2012-2018年博彦科技股份有限公司主要经济指标分析（单位：万元）图表97：2012-2018年博彦科技股份有限公司盈利能力分析（单位：%）图表98：2012-2018年博彦科技股份有限公司运营能力分析（单位：次）图表99：2012-2018年博彦科技股份有限公司偿债能力分析（单位：%，倍）图表100：2012-2018年博彦科技股份有限公司发展能力分析（单位：%）图表101：博彦科技股份有限公司发展金融大数据优劣势分析 图表102：苏州工业园区凌志软件股份有限公司基本信息简介
图表103：2017年苏州工业园区凌志软件股份有限公司前六位股东变动情况（单位：%）图表104：2012-2017年苏州工业园区凌志软件股份有限公司主要经济指标分析（单位：万元）
图表105：2012-2017年苏州工业园区凌志软件股份有限公司盈利能力分析（单位：%）图表106：2013-2017年苏州工业园区凌志软件股份有限公司运营能力分析（单位：次）图表107：2012-2017年苏州工业园区凌志软件股份有限公司偿债能力分析（单位：%，倍）图表108：2013-2017年苏州工业园区凌志软件股份有限公司发展能力分析（单位：%）图表109：苏州工业园区凌志软件股份有限公司发展金融大数据优劣势分析
访问网址:/ 北京博研智尚信息咨询有限公司—中国市场调研在线
图表110：广州市浩云安防科技股份有限公司基本信息简介
图表111：截至2017年末广州市浩云安防科技股份有限公司与实际控制人之间产权及控制关系方框图（单位：%）
图表112：2018年上半年广州市浩云安防科技股份有限公司营业收入分地区情况（单位：%）图表113：2012-2018年广州市浩云安防科技股份有限公司主要经济指标分析（单位：万元）图表114：2012-2018年广州市浩云安防科技股份有限公司盈利能力分析（单位：%）图表115：2012-2018年广州市浩云安防科技股份有限公司运营能力分析（单位：次）图表116：2012-2018年广州市浩云安防科技股份有限公司偿债能力分析（单位：%，倍）图表117：2012-2018年广州市浩云安防科技股份有限公司发展能力分析（单位：%）图表118：广州市浩云安防科技股份有限公司发展金融大数据优劣势分析 图表119：杭州初灵信息技术股份有限公司基本信息简介
图表120：截至2017年末杭州初灵信息技术股份有限公司与实际控制人之间产权及控制关系方框图（单位：%）
我国建全球遥感数据综合服务平台 篇6
会议听取了项目组所作的可行性研究报告，与会的领导和专家对技术方案、设计概算、经济影响分析等内容进行了讨论和评议。评审组一致认为，报告设计方案可行，设计概算合理，条件保障、管理措施、实施进度安排合理可行，符合战略性新兴产业项目管理要求。评审组一致同意通过可行性研究报告评审。后續，长城公司将按照报告的要求积极组织协调各研制单位，明确责任、加快推进，确保项目顺利完成。
“多源全球遥感数据采集处理和综合服务平台”项目，将建设一个由北京运管中心、南美固定站节点、雪龙号移动服务节点组成的全球遥感数据接收站网和国际化服务平台。项目建成后将具备4颗卫星的全周期数据管理和存取能力，并提供环海洋、农业、灾害等领域40种以上的专题产品，提高我国遥感卫星的国际化服务水平。
本次可行性研究报告通过审查，标志着该项目的设计工作已基本完成，项目进入全面生产阶段。
全球政府开放数据运动方兴未艾 篇7
联合行动, 迅速推广
全球开放数据运动始于美国。截至2014年2月10日, 全球已有63个国家加入开放政府合作伙伴组织。
全球开放数据运动始于美国。2009年1月, 美国总统奥巴马签署了《开放透明政府备忘录》, 要求建立更加开放透明、参与合作的政府, 体现了美国政府对开放数据的重视。同年, 数据门户网站Data.gov上线, 美国行政管理和预算局向白宫提交的《开放政府令》获批准, 全球开放数据运动由此展开。
2011年9月20日, 巴西、印度尼西亚、墨西哥、挪威、菲律宾、南非、英国、美国等8个国家联合签署《开放数据声明》, 成立开放政府合作伙伴组织。截至2014年2月10日, 全球已有63个国家加入开放政府合作伙伴组织。
2013年6月, 八国集团首脑在北爱尔兰峰会上签署了《开放数据宪章》, 法国、美国、英国、德国、日本、意大利、加拿大和俄罗斯承诺, 在2013年年底前, 制定开放数据行动方案, 最迟在2015年年末按照宪章和技术附件要求来进一步向公众开放可机读的政府数据。
从目前全球参与开放数据运动的国家来看, 既包括美国、英国、法国、奥地利、西班牙等发达国家, 也包括印度、巴西、阿根廷、加纳、肯尼亚等发展中国家。国际组织欧盟、经合组织、联合国、世界银行也加入了开放数据运动中, 建立了数据开放门户网站。
主动承诺, 逐步开放数据资源
在各国承诺中, 政府都将公众的需求放在重要位置, 通过征求公众意见逐步开放有价值的数据集。
政府收集了大量有价值的数据, 通过开放数据, 可以更好地了解一国的自然资源使用情况、政府开支情况、土地交易和管理情况。正是意识到了开放数据的众多好处, 美国、英国、法国等国政府纷纷发布相应的行动计划, 主动作出开放数据的各项承诺, 逐步开放数据资源。
美国政府在2013年12月5日发布的《开放政府合作伙伴——美国第二次开放政府国家行动方案》中提出, 在成功地实施了第一次行动方案中开放数据承诺的基础上, 在第二次的行动方案中作出承诺, 要让公众能够更方便地获取有用的政府数据。通过这些承诺, 美国政府将按照战略资产来管理政府数据, 对Data.gov门户网站进行改进, 开放农业和营养方面的数据。
英国政府在2013年11月发布的《八国集团开放数据宪章2013年英国行动计划》中作出了6项承诺:一是英国将发布《八国集团开放数据宪章》中明确的高价值数据集;二是确保所有的数据集都通过国家数据门户网站data.gov.uk来进行发布;三是通过与社会、机构、公众沟通来明确应该优先公布哪些数据集;四是将通过分享经验和工具来支持国内外开放数据创新者;五是将为英国的开放数据工作设定一个清晰的前进方向, 所有政府部门将在2014年6月前更新其部门的开放数据战略;六是英国政府将为政府数据建立一个国家级的信息基础设施。
法国政府在2013年11月6日发布《八国集团开放数据宪章法国行动计划》, 作出4项承诺:一是朝着默认公开发布数据的目标前进, 支持高价值数据集的发布;二是建立一个开放平台以鼓励创新和提高透明度;三是通过征求公众和社会意见完善开放数据政策;四是支持法国和全球的开放式创新。
在各国承诺中, 政府都将公众的需求放在重要位置, 通过征求公众意见逐步开放有价值的数据集。
全球数据传输 篇8
随着大数据、云计算、物联网等新技术新应用向商业世界及公众生活的渗透,人类交流和连接方式发生了剧烈变革,数据体量迎来了爆炸式增长,大数据时代由此开启:人类全面进入共享经济时代,传统的产业模式被不断革新,原有的产业链被打破,以往的传统观念也被彻底颠覆。数据的获取和应用成为了全新命题,ICT和DT( 信息通信技术+ 数据技术) 的融合终将会带领我们走进一个新的时代。
在开幕仪式最后,GMGC创始人兼秘书长、WOO总干事、光合资本创始人宋炜,微软中国首席技术官韦青,IBM分析开发总经理、IBM中国开发中心吉燕勇,VMware中国研发中心总经理任道远,联想集团副总裁田日辉,碳云智能联合创始人及首席科学家、前华大基因首席科学家及华大科技CEO李英睿,Talking Data合伙人兼执行副总裁林逸飞共同为全球大数据联盟的正式成立进行了揭牌仪式,全球大数据联盟的成立将加速减少中国大数据与国际市场的差距,加速中国大数据发展的速度。
全球数据传输 篇9
比如,移动智能终端使生活更加便利、智慧,轻轻地动一下指尖,人们便能够获取海量信息;衣食住行、生老病死都在被数字化、网络化和可预测化;每个人的声音都能够借助网络的力量无限放大,意见被尊重、被吸收的可能性前所未有地提高;人人都是“创客”,个个都可以成为创新的主体等等。
人类社会正从IT时代迈向DT时代。硅谷是IT时代高科技技术创新的开创者,数谷是DT时代大数据发展的领跑者。在这关键的节点上,“国际大数据产业博览会”(以下简称数博会)应运而生。
而贵阳站在这个时代的风口,正在以“中国数谷”的角色奇迹般的崛起。2月12日工信部批准贵阳、贵安共同创建国家级大数据产业发展集聚区,标志着“中国数谷”在贵阳正式落户。
首届数博会将定于2015年5月26日至29日在贵阳国际会议展览中心举行,由贵阳市人民政府、遵义市人民政府、贵安新区管委会、省经济和信息化委、北京贸促会、中国互联网协会等6家单位主办。工业和信息化部国际经济技术合作中心、工业和信息化部工业文化发展中心、中国信息协会大数据分会、中国数据中心产业发展联盟、IDC国际数据公司、中关村大数据产业联盟、中关村大数据交易联盟、闪联工程技术中心等单位协办。
数博会将通过展览展示、峰会及论坛、创新大赛3大版块,搭建全球大数据领域最高端、最前沿、最全面的技术、产品和解决方案的协同创新和展示洽谈平台。
届时,全球大数据行业领先企业和领军人物、国际大数据发展最新成果和技术将齐聚贵阳,开启大数据时代的“英雄汇”。
4万平方米展示数据成果
展览展示版块将重点邀请国内外大数据相关领域优秀企业,通过国际精英馆、大数据应用馆、大数据设备馆、大数据软件与服务馆等4个展馆,展示新技术、新产品、新成果、新应用和解决方案。作为本次博览会的主题馆,一号馆国际精英馆将由世界顶尖的企业以特装方式展示最新技术、新产品、新成果。展示形式强调互动体验,强调用大数据方式进行展示。微软、谷歌、英特尔、惠普、阿里巴巴、富士康等知名企业已确定参展,国际精英馆已全部布满。
专家、大佬共话行业发展
峰会及论坛版块由1个峰会和17个分论坛组成。峰会以“‘互联网+’时代的数据安全与发展”为主题,拟邀请国家领导人、国际组织领导人和世界顶级企业家、行业机构、专家学者代表出席并发表主旨演讲,形成最新理论成果;论坛拟邀请专题领域专家学者和企业家代表,就大数据领域细分专题进行探讨,演讲嘉宾定位为知名企业家、知名专家和学者,预期将有2500人参与。
目前已经确认出席峰会的业界知名人士及跨国公司高管有:马云、徐 启威 ( 思科全球 副总裁)、Mark Gibbs(SAP全球高级副总裁)、郭台铭、刘强东、周鸿、毛渝南(惠普中国总裁)、黄陈宏(戴尔中国区总裁)、LloydCarney(博科全球CEO)等。初步确认参加峰会的两院院士有:谢克昌、李国杰、刘韵洁、何德全、李德毅、沈昌祥、倪光南、王越等。
草根“创客”推动应用落地
全球数据传输 篇10
溪洛渡—浙江金华输电线路的传输容量高达800万kW, 相当于8个大型电厂的发电容量总和, 每年向浙江地区输送电量约400亿kW·h, 可满足超过1 100万人口的用电需求。这条线路每年输送的清洁水电相当于节省超过1 200万吨标准煤, 减少排放CO2约3 400万吨。该项目将于2014年投入运营。这条输电线路全长约1 670 km, 负责将四川省宜宾市的清洁水电输送到东部沿海的浙江省。ABB为该项目所提供的产品包括换流变压器、直流滤波电容器和核心元器件。换流变压器是输电线路中交流线路与直流网络之间相互转换的关键接口。
ABB集团电力产品业务部负责人尤柯尔表示:“中国正在努力建设全球最大、最先进的输电网络, 我们很高兴能够为中国建设贡献力量。这是ABB在中国参与建设的又一重要工程, 将对我们在中国的工程、制造以及研发产生积极的影响。”早在60年前, ABB就率先应用高压直流输电技术, 让低损耗、大容量、远距离的电力传输成为可能, 特高压直流是这一技术的进一步发展。从传输容量和效率看, 特高压直流输电技术已成为20多年来电力传输领域的最大突破。ABB是世界上高压直流输电领域的技术领导者, 在全世界范围内参与了约90个高压直流输电项目, 输电总量达到9 500万kW。
目前, 特高压直流输电技术正在越来越多的应用到中国这样能源产地与消费地相隔甚远、幅员辽阔的大国。通过长距离的电力传输和有效整合可再生能源, 特高压直流输电技术可以帮助减少对化石能源的依赖和CO2的排放。变压器是电网的核心部件, 可以在不同的电压系统间实现电力有效、安全的转换。ABB变压器产品涉及电力变压器、干式和油浸式配电变压器、特种变压器以及相关配件和服务。
全球数据传输 篇11
关键词：全球价值链；国际分工；经验研究；研究前沿
全球价值链是当前国际经济研究的热点，其复杂性和世界性对经验数据提出了较高要求。故本部分以数据来源为脉络对全球价值链经验研究文献进行了回顾与评述，并指出未来可供研究的方向。
一、 传统国际贸易数据
1. 零部件或中间品贸易数据。最早使用也是最简单的测度方法是使用零部件或中间品贸易数据。按照国际贸易标准分类（SITC），零部件数据主要是指SITC7（机械和运输设备）和SITC8（杂项制品）两类。联合国广义经济类别分类（BEC）将贸易产品数据按主要用途分为消费品、资本品（投资品）和中间品三类。Yeats（1998），Ng和Yeats（1999）最早使用这类方法进行国家层面的研究。相关研究主要通过统计描述的方式分析（某行业的）全球或区域生产分工及其演变情况（如Lall et al.，2004；陈勇，2006；Kimura et al.，2007），少数计量检验研究了全球生产分工的影响因素（如陈静等，2009；Orefice & Rocha，2013）。SITC和BEC分类标准针对国家层面，尽管简单直观、涵盖范围广、可用于国际比较和考察双边贸易，但通常只能在国家层面的制造业展开，限制了研究范围。该方法没有考虑中间品在各国（国内）不同行业流动产生的循环效应并存在重复计算问题，准确性不佳。
2. 加工贸易数据。加工贸易是指企业进口全部或部分中间品材料，经加工或装配后，再将制成品出口的经营活动。主要数据来源有美国离岸外包组装项目（OAP）、欧洲加工贸易（EUPT）数据库和中国海关统计数据（CCS）。美国和欧洲的加工贸易大量转移至以中国为代表的发展中国家，故使用OAP和EUPT的文献较为陈旧（如G？觟rg，2000；Egger & Egger，2001）。中国CCS数据更新及时且内容丰富，学者们开始通过数据匹配法获得“企业—产品”层面的加工贸易数据展开研究（如余淼杰，2011；田巍和余淼杰，2014）。海关统计保证了加工贸易数据的准确性，但加工贸易使用的进口投入只是进口中间品的一部分，以其他方式进入的中间品同样在国内各部门循环使用，故用加工贸易测度全球生产分工存在误差。
二、 投入产出表数据
1. 基于国家投入产出表的测度。传统贸易数据通过中间品贸易描述全球生产分工现象，难以在细分行业层面展开分析，无法确认中间品的流向和生产使用情况。投入产出表能够反映各国家以及各部门之间产品的生产消耗关系。国家投入产出表以单个国家内部的投入产出关系为研究对象，主要通过测度总生产、总进口或总出口中进口投入品所占比重来测度生产分工。文献中常用的方法有两种（Hijzen，2005）：一是考虑国内生产的国外含量，其考察了生产或总投入中的（直接）进口投入品的比重，即“外包指数”；二是考虑了出口中的（直接和间接）来自外国的进口含量，即“垂直专业化”。使用国家投入产出表可以在细分行业层面测度分工程度，有充足的数据用于计量检验，因而相关经验研究集中在单一国家的行业层面：一是外包或垂直专业化程度的定量描述（如Amiti & Wei，2005；平新乔，2006），均发现国际外包或垂直专业化水平稳步增长。二是对生产率的影响研究（如胡昭玲，2007；Amiti & Wei，2009），都发现国际外包或垂直专业化对生产率有显著的促进作用。三是对就业和工资水平的影响研究（如Feenstra & Hanson，2003；Bailey & Lawrence，2004；Geishecker和G？觟rg，2008），发现国际外包对国内就业或员工工资水平的影响没有一致性结论。
2. 基于国际投入产出表的测度。在全球价值链分工体系下，基于多国投入产出模型建立的国际投入产出表更能深入揭示世界经济现实，这也是全球价值链研究的主流方向。国际投入产出表能够反映世界各国的各部门之间产品的流向和消耗关系。常用国际投入产出表有经济合作与发展组织（OECD）的全球投入产出表（GIOT）、欧盟的世界投入产出表（WIOT）、日本经济研究所（IDE）的亚洲国际投入产出表（AIIOT）、美国普渡大学的全球贸易分析数据库（GTAP）和联合国贸易和发展会议（UNCTAD）的全球投入产出数据库（GIOD）。
OECD和WTO于2013年联合开发了贸易附加值（TIVA）数据库并对外公开，并进行了一系列关于全球价值链的实证和政策研究，尤其是与全球价值链相关的贸易和投资政策。其他使用该数据的经验研究包括Newby（2013）对芬兰，Duprez和Dresse（2013）对比利时，以及Baldwin和Lopez-Gonzalez（2014）对世界主要国家的全球价值链参与情况的详尽分析。TIVA数据库的不足在于时间区间较短，仅有1995年、2000年、2005年、2008年和2009年这五年的数据。
GTAP成立于1993年，主要提供世界经济数据库、实用型一般均衡世界贸易模型、软件等的开发和改良，目前最新的是2004年的版本7。不同于TIVA数据库对外开放，也不同于WIOT是成型的国际投入产出表。使用GTAP需要结合单国投入产出表和双边贸易数据构建所需的国际投入产出表。经典研究大都采用这种方法。比如Johnson和Noguera（2012）提出出口附加值指標来测度全球生产分享程度，并以此计算贸易失衡度。Koopman等（2014）综合现有分工测度指标和贸易附加值概念提出一个完备的分解框架，将官方统计出口分解为不同的附加值部分；引导大家重新认识显示性比较优势、双边贸易平衡与贸易成本等问题。
AIIOT是全球最早的国际投入产出表，其共有七年数据，1975年～2005年间，每5年编制一份。由于数据更新缓慢，而且覆盖的经济体有限，使用AIIOT的机构主要是日本经济研究所，研究方向也以案例分析和统计描述为主（如Oikawa & 小井川広志，2008；IDE & WTO，2011）。
WIOD是目前对外公开的范围最广（全球主要发达和发展中国家）和时间跨度最长（1995-2011）的国际投入产出表。WIOD被研究者广泛用于分析全球价值链分工的不同特征（如Foster-McGregor et al.，2013；Foster-McGregor & Stehrer，2013；Johnson，2014）。
UNCTAD汇集世界各国的国家投入产出表、供给使用表、各机构的国际投入产出表，构建了全球价值链数据库（UNCTAD-Eora GVC Database），覆盖187个国家和地区，25个～500个行业，时间跨度1990年～2010年，是目前覆盖范围最广、时间跨度最长的全球价值链数据库，但未对外公开，目前只有2013年世界投资报告《全球价值链：投资和贸易促进发展》利用该数据对全球价值链的世界情况进行了描述，并结合全球生产网络检验了世界投资和国际贸易的联系，并描述性分析了对世界经济发展的贡献和潜在的风险。
三、 企业经营与调研数据
1. 企业经营数据。
（1）跨国公司经营数据通常由研究者收集整理。使用该数据的文献主要检验了跨国公司内部生产活动的国际转移，通过子公司生产活动的相对重要性测度外包。常用指标是子公司的就业人数占跨国公司总就业人数的比重。相关研究探讨了外包对技术密集度（Head & Ries，2002），劳动力结构（Hansson，2005），不同工资类别（Ebenstein et al.，2014）等的影响情况。这类数据仅捕获了跨国公司的部分外包活动，排除了所有公平交易（Arm's Length）。
（2）出口企业贸易数据主要来自海关统计。文献中采用的方法主要是通过进口中间品来量化外国投入在每个公司生产过程中的重要性。分工指数的分母可用总投入、材料购买额、销售额、工资账单、附加值和总产出，而分子即进口中间品通常使用物料投入或同时考虑物料投入和服务投入（如G？觟rg & Hanley，2005；G？觟rg et al.，2008；Mion & Zhu，2013）。相关研究主要探讨了国际分工对生产率（G？觟rg & Hanley，2005），工资结构（McCann，2011），企业就业增长、退出市场和技术升级的影响（Mion & Zhu，2013）。虽然进口中间品同时涵盖公司内交易和公平交易（Arm's-Length），但两者的产生原因和导致的结果截然不同。Hijzen等（2010）使用两种不同外包指数首次进行了区分：一是总外包指数即跨国公司将业务外包给国外供应商的花费与跨国公司获得的附加值总额之比；二是公司内外包指数即跨国公司向国外子公司的购买费用与跨国公司获得的附加值总额之比；发现：后者对母公司生产率的正向影响更显著并影响程度明显大于前者。
2. 问卷调研数据。调查数据通常涉及生产活动的国际区位选择问题，外包信息通常是定性信息，而且调研往往是一次性的，难以用于分析外包的动态特征。各国对数据统计的保密性和信息收集与记录方法迥异，使得难以进行国际比较和全球生产网络层面的细致分析。目前较全面的是欧洲中央银行和国际组织于2011年合作建立的竞争力研究网络（CompNet），其涵盖11个欧洲国家58个行业700 000个企業超过15年的非平衡面板数据，但目前并未对外公开。
欧洲布鲁塞尔智库构建了全球经济中的欧洲企业（EFIGE）数据库，包括七个国家（德国、法国、意大利、西班牙、英国、奥地利和匈牙利）的制造业企业样本，涉及15 000家企业的特征和生产经营活动的主要定量和定性信息，时间跨度为2007年～2009年。Altomonte和Ottaviano（2011）使用该数据在企业层面和行业层面都发现，国际生产分享对全要素生产率有显著的正向影响。Veugelerset等（2013）使用该数据发现，仅有少数企业密集参与全球价值链分工，而且这些企业往往规模较大，参与国际贸易程度较高，创新性较高，生产率也较高。
日本的经济、贸易和产业研究局（RIETI）的调研中涵盖了制造企业的制造和服务的外包行为，并区分了不同类型的供应商，但它仅仅包括了外包地位的定性信息数据。Ito等（2011）使用该数据发现，同时进行制造活动外包和服务任务外包的企业对生产率有显著影响，但对只进行其中一种外包行为的企业无显著影响。由此可知参与分工的方式对企业生产率至关重要。Tomiura等（2013）将RIETI调研数据与企业层面数据结合起来，检验发现外包显著促进就业结构向高技能劳动力转变。
意大利的跨国公司外包调研每三年进行一次，涉及国际化活动、投资、研发以及劳动力特征。Crino（2010）检验了服务外包对国内就业水平和技术构成的影响，结果发现，服务外包对就业水平无显著影响，但改变了就业结构，企业转向雇佣更多的技术熟练度较高的工人。Antonietti和Antonioli（2011）研究了跨境生产再配置对企业技术结构的影响，发现生产外包降低非熟练劳动力的需求，进而导致产生潜在的技能偏向影响（Skill-bias Effect）。
法国在1999年进行的工业跨国公司的国外活动调研数据，对每笔进口交易都统计了价值、产品分类、来源国以及交易模式等信息。数据库中的交易模式包括垂直FDI，来自第三方的合作外包和国际外包。学者们利用该数据研究了企业国际化模式。Jabbour（2012）发现生产率较高的企业更可能通过公平交易方式进行外包，而生产率较低的企业往往进行垂直一体化生产。Defever和Toubal（2013）发现生产率最高的跨国公司向不相关的供应商进口生产所需中间品，而生产率较低的跨国公司向关联第三方进口中间品。Corcos等（2013）发现，公司内贸易更可能发生在资本和技能密集型企业，生产率较高的企业及司法体制健全的国家。
四、 经验研究评述
按照数据来源对经验研究文献进行了梳理，可以发现现有研究主要分为四类：一是利用全球价值链分工指标来定量描述和分析全球、区域、国家或行业四个层面的生产分工及其演变情况，部分计量检验探讨了全球价值链分工的影响因素。这类视角的研究多是采用零部件数据进行跨国研究和国家投入产出表数据进行细分行业层面的研究。二是研究全球价值链分工对生产率的影响。这类研究主要采用企业经营和调研数据、加工贸易数据以及国家投入产出表数据，从行业和企业层面检验并几乎都得出了全球价值链分工对生产率产生显著的正向影响。三是研究全球价值链分工对就业结构和工资水平的影响。这类研究也主要采用企业经营和调研数据、加工贸易数据以及国家投入产出表数据，从行业和企业层面进行了检验，但并未得出一致性的结论。四是计算贸易附加值以及应用其分析宏观经济。这类研究的基础是通过国家投入产出表和国际投入产出表来计算参与全球分工获得的真实价值。但通过国际投入产出表，能够更细致和更准确地分解出各种类型的贸易附加值，进而更有效地分析世界经济形势，比如经济失衡情况（Johnson，2014）、贸易收益分配（Noguera，2012）、产业国际竞争水平（Koopman et al.，2014）等；但其主要使用贸易附加值通过统计描述的方式准确展现影响程度，没有深入讨论全球价值链分工对其的影响机制，更没有进行严谨的计量检验。谭人友和葛顺奇（2014）开始弥补上述不足，并结合中国经济现实，展开了较为深入的分析和探讨。在实证方面，至少有三个研究方向值得关注：一是使用附加值数据检验经典理论（如要素禀赋理论）的适用性或验证经验法则（如“微笑曲线”）的有效性；二是使用跨国公司与全球供应商的生产与交易数据，挖掘全球价值链的微观特性；三是将全球价值链与区域经济合作结合起来，比如在全球价值链框架下来分析“一带一路”战略。
参考文献：
[1] 陈静，胡昭玲，白雪飞.东亚零部件贸易影响因素及特点分析：基于引力模型的测算（1992-2006）[J].世界经济，2009，（11）：83-96.
[2] 陈勇.区域生产网络：东亚经济体的新分工形式[J].世界经济研究，2006，（2）：82-88.
[3] 胡昭玲.国际垂直专业化对中国工业竞争力的影响分析[J].财经研究，2007，（4）：35-42.
[4] 平新乔.垂直专门化、产业内贸易与中美贸易关系.世界经济[J]，2006，（5）：22-35.
[5] 谭人友，葛顺奇.全球价值链重构与世界经济再平衡[A].第十四届中国经济学年会入选论文，2014.
[6] 田巍，余淼杰.中间品贸易自由化和企业研发：基于中国数据的经验分析[J].世界经济，2014，（6）：90-112.
[7] 余淼杰.加工贸易，企业生产率和关税减免[J].经济学（季刊），2011，10（4）：1251-1280.
[8] Foster-McGregor N.，Stehrer R.and de Vries G.J.，Offshoring and the skill structure of labour demand， Review of World Economics，2013，149（4）：631-662.
[9] Geishecker I.and G？觟rg H.，Winners and losers： A micro-level anal-ysis of international outsourcing and wages.Canadian Journal of Economics，2008，（41）：243-270.
[10] G？觟rg H.，Fragmentation and trade： US inward processing trade in the EU， Weltwirtsc- haftliches Archiv，2000，136（3）：403-422.
[11] G？觟rg H.，Hanley A.and Strobl E.，Productivity effects of international outsourcing： evidence from plant-level data， Canadian Journal of Economics，2008，41（2）：670-688.
[12] G？觟rg H.and Hanley A.，International outsourcing and productivity： evidence from the Irish electronics industry， North American Journal of Economics and Finance，2005，16（2）：255-269.
[13] Hansson P.，Skill upgrading and production transfer within Swedish multinationals， Scandinavian Journal of Economics，2005，107（4）：673-692.
[14] Head K.and Ries J.，Offshore production and skill upgrading by Japanese manufacturing firms， Journal of international economics，2002，58（1）：81-105.
基金項目：中国博士后科学基金第60批面上项目（项目号：2016M600830）。
作者简介：谭人友（1983-），男，汉族，四川省南充市人，南开大学经济学博士，北京大学经济学院、中国长城资产管理公司联合培养博士后，研究方向为全球价值链、企业商业模式与内在价值。
无中继全球电视信号传输的可能性 篇12
1 现行电视信号传输系统存在的缺陷
现在的电视信号传输系统,不是采用地面微波站中继的,就是卫星中继的,都需要庞大的投资。一旦微波中继站、卫星地面站等传输系统中的任何一环出现故障,或是遭到地震、战争等自然因素或者人为因素破坏时,整个系统将崩溃,系统呈现出脆弱性。同时整个系统的建设成本和使用成本高。
此外,现在的电视信号使用微波频段,其方向性好,按直线传播,这就造成了边远地区由于远距离发射台和地球表面为球面的影响而处于电视发射台与地平线连线之下从而接收不到电视信号。同时,在山区等复杂地形地区,由于山体对微波的阻挡使山后、低洼等地带也接收不到电视信号,这就造成了现行传输系统存在覆盖面小而且有传输盲区的缺陷,从而造成了这些地区用户收看上的不便。
现在,利用新兴的数字压缩技术,可望彻底解决这些问题,使收看电视与收听收音机一样方便。
2 无中继传输方式的优点
无中继,顾名思义,就是去掉中继站,让发射台的信号直接除数到接收机中的信号传输方式。目前使用的中波和短波广播都没有中继站,只要发射台的功率足够大,中波就可以按地波方式传播成百上千公里,短波更可以利用电离层的反射传遍全球。
利用数字压缩技术,是可望通过短波的电离层反射作用实现全球电视信号传输的。这样,除发射台之外,大量的耗资巨大的中继站、卫星地面站等都可以省去。电视信号直接由发射台传输到接收机,从而提高了传输的可靠性,降低了整个系统的运营成本,同时,电离层反射的信号可以很容易地传到边远地区、复杂地形等地区,可使信号覆盖面大大提高。总之,这一传输方式投资少,运营成本低,覆盖面大,可靠性高,有着明显的优越性。
3 电视信号无中继传输的可行性
3.1 短波电离层反射信道的可行性
目前的短波广播系统,已成功地实现了利用电离层的反射达成的全球无中继站信号传输。虽然这一方式受电离层波动的影响而使信号有较大的涨落,但是现有的技术条件下,是可以较圆满地解决的。
据统计,短波电离层反射信道由于存在对电波的吸收,光照、季节变化,多径传播等影响,信号存在着快、慢两类衰落,合在一起,使接收到的信号电平在秒量级内的变化可达30dB左右。经用不同频率、不同时间不同传输距离对我国不同地区多次测试,发现其平均衰落深度在10～20dB之间,短波信号的衰落大致在5～50次/min之间。对于这种程度的信号电平变化,现在普通的电视机中放大级的AGC控制范围可达60dB以上,足以解决这种信号衰落所造成的不利影响,使接收机输出的信号强度基本保持不变。所以这种衰落现象对利用这一信道传输电视信号不存在阻碍。
3.2 传输电视信号所需要的信道带宽问题
由于短波频段频率范围为3～30MHz,其中民用短波频率主要集中在6～22MHz之间,有16MHz宽。根据奈奎斯特定理可知:“对于具有理想带通矩形特性的通信系统,最高波形速度为1baud/Hz。若采用单位波形信息传输率最低的二元制调相波,如2DPSK波传输时,其信息传输量为1bit/Hz,这就意味着16MHz的民用短波信道工可传输16Mbit/s,而现在VCD的数码率约为1.2Mbit/s(每张光盘最大容量为650MB,记录时间74min,650×8/74×60=1.2Mbit/s)。所以利用现在的VCD数据压缩方式,在现行民用短波频段至少可以传输13套达到VCD清晰度电视信号。若采用压缩率更高的压缩方式减少每套信号的信息量后,还可以使传输的电视节目数成倍地增加。若采用四元制调相波时,1baud=2bit,则整个频段可传输26套节目。所以,这一频段用于传输信号是足够的。
当然,如果我们增加每套信号的信息量,则可提供清晰度更高、音响效果更好的电视节目。
3.3 具体调制的可行性
在数字压缩技术飞速发展的今天,对一帧有176×144个像素构成的九英寸屏幕普通清晰度画面采用H.261,H.263等软件压缩之后,其信息量仅为300B/帧,即为7.5kB/s=60kbit/s。在普通收音机中,中波最低频率为525kHz,即每秒有525千个正弦波形,经计算,平均以8～9个波形相位翻转一次为传输一比特信息量是可行的,至于短波频段,由于频率更高,则更为可行。
当然在压缩图像的同时,声音也可以采用G723.1等软件压缩,同图像信号混合编码,用调相波的方式发射。
4 应用前景
我们知道,现在的可视电话压缩技术可将音、视频信号压缩在现行载波电话8kHz的信道带宽内,而现在的中波调幅广播信道带宽为9kHz,所以直接利用这一技术,在采用技术措施,确保频谱能够得到正确分离的情况下,还有可能将已调相完毕的含有音频视频信号的等幅正弦波(即调相波)再进行调幅,那么,普通的收音机略做或不做改进就有可能直接接收这一新型电视信号的伴音了,有利于新旧制式的兼容,这也正是笔者调相波作为分析主体的原因。
如果这一系统投入使用,可使现在的电视卫星、微波中继站从传输电视信号的工作中退出,去从事更有价值的信息传递工作。而整个电视传播系统和广播系统则可合二为一,极大地提高设备利用率,降低运营成本。同时,由于中、短波可安置电台数可达1 900个以上,(中波:525～1625kHz/9kHz≥12个,短波:22～6MHz/9kHz≥1778个),则可有近两千个电视节目供人们选择,频率利用率可以极大的提高,人们的文化生活也可望极度丰富。同时,这一系统的开发可以振兴我国的电子工业,具有广阔的发展前景。
参考文献
[1]陈晓燕.无中继海底光缆通信系统概述.光纤与光缆及其应用技术,2002,(1)
[2]吴晓蓉,张文俊,杨斌.一种用于H.263的快速块匹配算法.上海大学学报(自然科学版),2000,6(1)
[3]International Telecommunication Union Draft,ITU-T Recommendation H.263:Video Coding for Low Bit Rate Communication.May,1996
[4]周漩,余松煜,张文军.一种适用于低码率图像压缩的运动估计算法.上海交通大学学报,1998,32(4):133~134
[5]高文.多媒体数据图像压缩技术.北京∶电子工业出版社,1995,31~33
[6]ISO/IEC1172(MPEG1DIS).Coding of Moving Pictures and Associated Audio for Digital Storage Media at up to about1.5Mbps.Nov1991
[7]孔宪正.数字信息传输基本原理.北京:国防工业出版社