大数据智慧教育

大数据智慧教育（精选6篇）

篇1：大数据智慧教育

大数据让智慧教育更智慧

——赴江苏学习活动简述

龚启成

智慧教育是当前教育领域改革的热点话题。为了跟踪热点，更好的站在教育改革发展的前沿，经领导批准，我于11月18日-11月22日参加了由北京师范大学课程与教学研究中心主办的“大数据+智慧教育融合发展基础教育高峰论坛中小学教育质量测评与精准教学指导教研专场”。

2017年11月18日的徐州已经是寒气逼人，但是丝毫没能够挡住来自全国各地学习者的热情。在徐州市高级中学的学术报告厅，来自江苏师范大学智慧教育学院副院长杨现民老师给我们做了有关教育大数据的报告——《大数据支持下的智慧教育管理创新》。杨院长指出:大数据的内涵是需要拓展的，我们应该不仅仅把他看成一种技术还应该看成一种能力，尤其在信息时代，他是一种能够从纷繁复杂的事物当中寻找到其中关联的一种能力，也是一种预测的能力，同时大数据更是一种思维的方式。同时，大数据目前正在慢慢的演变成一种文化，其中必不可少的一项就是教育大数据。

那究竟什么是教育大数据？专家给了我们一个详细的界定，教育大数据是指在整个教育活动过程中产生的、根据教育需要采集到的、用于教育发展并可创造巨大潜在价值的数据集合。教育大数据绝对不仅仅是教育课堂的数据、分数的数据，还要涉及到学生的家庭背景、经济状况等等各方面的信息数据，强调数据的关联性和交叉性。从这里，我们应该感受到，教育大数据要害在于“联系”上，重在相关性，找出各类数据代表的教育行为的的互相影响。而这种相关性需要我们给予数据深入分析。

关于教育大数据主要有两个产生渠道，一种来源于教学活动，另外一种来源于教育的管理活动。那教育应该怎么做？教育的目的是什么？有专家说教育的目的是创新创造，那我们怎么用大数据服务于学生的创新创造能力，所以教育大数据的应用要有高度的创造性。其他领域的大数据更多的关注的是相关，而教育大数据不仅仅要了解相关，更要了解他的因果。为什么用这种方法，就会导致学生创新创造能力的提升，就会导致学生学习兴趣的提高，为什么？教育大数据还他独特的价值，主要体现在三个方面，一是战略资产，二是目前教育大数据是教育领域综合改革的科学力量，三是教育大数据是发展智慧教育的基石。

大数据怎么推动教育的转变呢？首先从教育过程上来说，大数据让我们实现了非量化到量化的转变。第二就是教育决策正从经验化走向数据驱动的科学化；第三是教育的模式正在从大众走向真正的个性化；教育的管理正在从不可见、纯经验式的走向一种可视化的、数据驱动的；教育评价从单一化的评价走向综合性的评价，随着创客、智慧教育的发展，整个教育综合改革的推进，教育评价一定会起到一个导向综合性评价作用。

徐州市教科院主任高青的报告——《学讲行动——地级市整体推进课堂教学改革的徐州经验》则聚焦于区域课堂改革，借助信息技术手段体改整体效益。“学讲方式”是以学生自主学习作为主要学习方式，以合作学习作为主要教学组织形式，以“学进去”、“讲出来”作为学生学习方式的导向和学习目标达成的基本要求的课堂教学方式。这种教学方式直指学生的核心素养和全面发展。“区域”推进对我区课程建设和课堂教学变革借鉴性意义。

温州市教育评估院王旭东提出了如下的基础教育治理结构图

他提出：数据处理和分析能力是大数据时代教师的基本技能之一。数据可以帮助班级教学各有侧重。集体备课要扬教师之长，学科组团队建设必须差异互补教师 个人学科专业扬长避短。这一点和我们的看法非常一致。双流区通过近几年的努力，特别是结合学业水平评价结果开展的连续两届解读大赛，较大的提升了全区教师的“数据意识”和“数据能力”。同时，也使我们的教学、教研、管理更趋于科学化、精准化。尤其是基于数据的教学研究实例，再一次打开了我们的眼界。

短短几天的学习，信息量很大，需要时间消化。但是，找到方向是重要的一步，基于现代信息技术和大数据的智慧教育一定是值得我们深入研究的改革方向。这也是江苏之行最大的收获！

篇2：大数据智慧教育

大数据是智慧城市各个领域都能够实现“智慧化”的关键性支撑技术，智慧城市的建设离不开大数据。建设智慧城市，是城市发展的新范式和新战略。大数据将遍布智慧城市的方方面面，从政府决策与服务，到人们衣食住行的生活方式，再到城市的产业布局和规划，直到城市的运营和管理方式，都将在大数据支撑下走向“智慧化”，大数据成为智慧城市的智慧引擎。

欧盟利用大数据实现智慧城市的做法给我们很多启示。

欧盟对智慧城市的评价分为六个方面：智慧经济、智慧治理、智慧生活、智慧人民、智慧环境、智慧移动性。也就是说智慧城市要促进经济的发展，要改进和帮助更多大众的参与，让老百姓享受智慧的生活，人民得到更好的服务，居住环境更加优化。智慧城市的应用很广泛，我们都知道有物流、交通、电网、工业、农业、建筑、环境、医疗等方面。现在我要讲的是，智慧城市本身会催生大数据，我们可以看到一个企业会涉及到很多环境，管理环境，开放环境，知识环境、服务环境，过去这些环境的关联度不够，那么现在通过数据库使得这些环境能够联合起来，使得企业的效率提高40%-60%，根据赛门铁克的一份最新调研报告，今天全世界所有企业的信息存储总量已达2.2ZB，企业平均10PB，大企业更大点，小企业小点。一般企业都会建立数据库，必须进行数据的集资和数据的挖掘，企业的数据在企业内部已经占有很重要的位置。

(1)智慧经济

首先大数据在商业上怎么能很好运用，它会分析用户的购物行为，什么商品搭配在一起会卖得更好，还有很多公司通过分析找到最佳客户，淘宝数据魔方则是淘宝平台上的大数据应用方案。那么商家可以了解淘宝平台上的行业宏观情况、自己品牌的市场状况、消费者行为情况等，并可以据此作出经营决策。

美国有个投资公司分析了全球3.4亿微博账户留言，判断民众情绪，人们高兴的时候会买股票，而焦虑的时候会抛售股票，依此决定公司股票的买入或卖出，该公司今年第一季度获得7%的收益率。

阿里公司根据在淘宝网上中小企业的交易状况筛选出财务健康和诚信的企业，从而无需担保来放贷，目前已放贷300多亿元，坏帐率仅0.3％，大大低于商业银行。

企业通过信息收集很好的掌握企业的运营状况，分析居民与财务有关的记录包括贷款申请、租赁、房地产、购买零售商品、纳税申报、水电费缴付、有线电视缴费、电话缴费、报纸与杂志订阅、机动车档案等，能够得出消费者的个人信用评分，从而推断客户支付意向与支付能力，发现潜在的欺诈。

IBM日本公司建立了一个经济指标预测系统，从互联网新闻中搜索影响制造业的480项经济数据，计算出采购经理人指数PMI预测值。

印第安纳大学学者利用Google提供的心情分析工具，对270万用户在2008年3～12月所张贴的970万条留言，挖掘出用户happiness、kindness、alertness、sureness、vitality 和calmness等六种心情，进而对道琼斯工业指数的变化进行预测，准确率达到87%。

利用大数据分析可实现对合理库存量的管理，华尔街对冲基金依据购物网站顾客评论分析企业产品销售状况，华尔街银行根据求职网站岗位数量推断就业率。

(2)智慧治理

美国纽约的警察分析交通拥堵与犯罪发生地点的关系，有效改进治安。美国纽约的交通部门从交通违规和事故的统计数据中发现规律，改进了道路设计。

利用短信、微博、微信和搜索引擎可以收集热点事件与舆情挖掘。

电信运营商拥有大量的手机数据，通过对手机数据的挖掘，不针对个人而是着眼于群体行为，可从中分析：实时动态的流动人口的来源及分布情况；出行和实时交通客流信息及拥塞情况。利用手机用户身份和位置的检测可了解突发性事件的聚集情况。

MIT的Reality Mining项目，通过对10万多人手机的通话、短信和空间位置等信息进行处理，提取人们行为的时空规则性和重复性，进行流行病预警和犯罪预测。

(3)环境监测

对城市的河流进行采样，通过卫星发布，收集产量的数据，这个数据非常大，通过这个数据分析能够判别城市中有没有污染。

(4)智慧医疗

无论是药品的研发还是商业模式的开发运用数据分析都能够得到很好的分析，我们医院里有大量的病例，这里有大量的数据，传统的普通病例很难挖掘数据，现在变成电子化有利于更高数据挖掘，数据的挖掘有利于发现医疗知识，由于医疗资源的分配不均，因此远程医疗十分必要，另外，居家监护很重要，谷歌公司与美国疾病控制和预防中心等机构合作，依据网民搜索内容分析全球范围内流感等病疫传播状况，谷歌的判断与疾控中心的判断是一致的。

社交网络为许多慢性病患者提供了临床症状交流和诊治经验分享平台，医院借此可获得足够多的临床效果统计。个性化的医疗同样很重要，我们发现，同样的治疗对一些病人无效，75％癌症病人，70％的老年痴呆者、50％的关节炎病人、43％的糖尿病患者、40％的哮喘病患者，38％的抑郁症病人。因为人体对药品代谢方式的差异取决于个体特定的基因、酶和蛋白质组合，因此基因信息对选择最优治疗非常关键。对人体个性体质的挖掘会做到真正意义上的对症下药，一个人的基因信息大概1GB。

(5)智能搜索

除此之外，我们还通过网络进行学习，早期的网络学习是通过网站专业人员编制的内容，如今我们希望能够实现更加智能的搜索。随着移动互联网的出现，搜索引擎会变成基于语音的智能搜索；基于位置的搜索；基于个性化搜索。

(6)舆情监测

大众传播发展的很快，这里包含着大量的数据，例如微博传播具有裂变性、主动性、即时性、便捷性、交互性、草根性，跟进性和临场感，每一个微博用户既是“服务器”，也是“受众”。中国的微博比社交网络更热，因为140个字符的微博在英文和中为分别约等于25个和85个英语单词，即中文微博的信息量是Twitter的3～4倍。最近两个月在YouTube上上载的视频超过了ABC、NBC和 CBS 电视台自1948年以来24/7/365 连续播出的内容，而“云平台＋多屏融合”模式已成为智能家居和智能车载等的发展方向。

(7)精准营销

美国信用营销分析专家张川告诉《环球时报》记者，在大数据分析的应用上，美国政府和大公司领先新兴国家至少20年。15年前，美国的信用卡公司就可以进行数据挖掘实现精准营销：在合适的时间，通过合适渠道，把合适的营销信息投送给每个顾客。

(8)犯罪预警

随着智能电话和电脑网络的普及，美国政府和大公司把自己的触角伸到个人生活的每个方面。美国个人的一切在线行为数据都被收集储存，再加上已被有关机构掌握的个人信用数据、犯罪记录和人口统计等数据，有关公司和政府机构可以运用数据挖掘的办法，监控和预测个人的行为，并做出相关决策。

(9)全球安全监测

如美国已具备对全球网络空间的监视控制能力。斯诺登披露的“棱镜”计划，缘于美国政府的“星风”监视计划。2004年，布什政府通过司法程序，将“星风”监视计划分拆成由国家安全局执行的4个监视计划，除“棱镜”外，还包括“主干道”、“码头”和“核子”。其中，“棱镜”用于监视互联网个人信息。“核子”则主要负责截获电话通话者对话内容及关键词。“主干道”和“码头”分别对通信和互联网上数以亿兆计的“元数据”进行存储和分析。“元数据”主要指通话或通信的时间、地点、使用设备、参与者等，不包括电话或邮件等的内容。

(10)市场价格监测

肯尼思·丘基尔是《经济学家》杂志数据编辑、《大数据：一次将改变我们生活、工作和思考方式的革命》一书的合著者之一，他日前在美国《外交政策》杂志掀起一场有关“大数据时代令隐私保护问题更加突出”的讨论。丘基尔举例说，警方如果要侦破一个城市的加油站是否存在合谋操控价格的“卡特尔行为”，以往要靠线人举报。但今天，可以做大数据分析——分析该市油价变化和加油站分布情况。通过分析，可以发现正常的价格变化规律，如果价格变化持续异常，就可以怀疑存在价格垄断的行为。丘基尔认为，大数据的价值在于存储后的再使用。不过，关键的一个问题是，收集、保存一切信息，与隐私保护政策是有冲突的，“保存一切信息是必要的，但是在这么做之前，我们有必要问自己一个问题，即现行的隐私保护政策是不是妨碍了我们正在迈入的大数据世界”。丘基尔提到，社会有必要就此进行大辩论，以便为大数据时代的隐私保护划定新的边界。

结束语

美国IT咨询公司Avanade商业情报部副总裁斯蒂夫·帕尔默告诉《环球时报》记者，大数据是指非常“膨胀”的数据集，用典型的数据分析软件和工具难以对其进行捕捉、储存、管理、分享、分析和可视化。大数据有3个特征：一是数据的数量大;二是产生或被吸收的速度和频率快;三是数据的多样性。为从大数据中“挖出金矿”，一家企业或机构必须能够应对大数据上述3个特征。帕尔默说，大数据给人类带来的真正机遇是把许多信息碎片拼起来，为我们的决策服务。

附：全球顶尖大数据公司一览

企业名称：IBM

网址：http:///

2011年5月，IBM正式推出InfoSphere大数据分析平台。InfoSphere大数据分析平台包括 BigInsights和Streams，二者互补，Biglnsights基于Hadoop，对大规模的静态数据进行分析，它提供多节点的分布式计算，可以随时增加节点，提升数据处理能力。Streams采用内存计算方式分析实时数据。InfoSphere大数据分析平台还集成了数据仓库、数据库、数据集成、业务流程管理等组件。

企业名称：亚马逊

网址：http:///

对于云计算和大数据，亚马逊绝对具有先见之明，早在2009年就推出了亚马逊弹性MapReduce（Amazon Elastic MapReduce），亚马逊对Hadoop的需求和应用可谓了若指掌，无论是中小型企业还是大型组织。弹性MapReduce是一项能够迅速扩展的Web服务，运行在亚马逊弹性计算云（Amazon EC2）和亚马逊简单存储服务（Amazon S3）上。这可是货真价实的云：面对数据密集型任务，比如互联网索引、数据挖掘、日志文件分析、机器学习、金融分析、科学模拟和生物信息学研究，用户需要多大容量，立即就能配置到多大容量。

除了数据处理外，用户还可以使用Karmasphere Analyst的基于服务的版本，Karmasphere Analyst是一种可视化工作区，用于在亚马逊弹性MapReduce上分析数据。用户还可以提取结果文件，以便在数据库或者微软Excel或Tableau等工具中使用。

企业名称：甲骨文

网址：http:///

甲骨文在近期发布的Oracle大数据机（Oracle Big Data Appliance）为许多企业提供了一种处理海量非结构化数据的方法。在2011年10月初召开的Oracle OpenWorld 2011大会上甲骨文正式推出了Oracle大数据机。对于那些正在寻求以更高效的方法来采集、组织和分析海量非结构化数据的企业而言，该产品具有很大的吸引力。

与甲骨文近期推出的其他一体化产品一样，Oracle大数据机集成了硬件、存储和软件，包括Apache Hadoop软件的开源代码分发、新的甲骨文NoSQL数据库和用于统计分析的R语言开源代码分发。该产品被设计为能够与甲骨文Database 11g、Oracle Exadata数据库云服务器，以及针对商业智能应用的新的Oracle Exalytics商业智能云服务器一起协同工作。

企业名称：谷歌

网址：http:///

谷歌一直是科技行业的领军者，近年来几乎在任何一项互联网科技项目你都能看到谷歌的身影，大数据时代谷歌自然不会错过。何况如果对其拥有的海量数据进行深入挖掘，这对于提升谷歌搜索乃至所有谷歌服务的价值无可估量。

BigQuery是Google推出的一项Web服务，用来在云端处理大数据。该服务让开发者可以使用Google的架构来运行SQL语句对超级大的数据库进行操作。BigQuery允许用户上传他们的超大量数据并通过其直接进行交互式分析，从而不必投资建立自己的数据中心。Google曾表示BigQuery引擎可 以快速扫描高达70TB未经压缩处理的数据，并且可马上得到分析结果。大数据在云端模型具备很多优势，BigQuery服务无需组织提供或建立数据仓库。而BigQuery在安全性和数据备份服务也相当完善。

去年底该服务只向一小部分开发者开放，现在任何人都可以注册这项服务。免费帐号可以让你每月访问高达100GB的数据，你也可以付费使用额外查询和存储空间。

企业名称：微软

网址：http:///

微软研究部门从2006年起就一直致力于某种非常类似于Hadoop的项目，被称为“Dryad”。今年年初，该计划通过与SQL Server和Windows Azure云的集成实现了Dryad的产品化。虽然现在微软还没有更新，但看上去Dryad似乎将成为在SQL Server平台上影响大数据爱好者的有力竞争者。

微软进入这一市场可谓“姗姗来迟”，而且在一定程度上说，数据仓库分析和内存分析计算市场落下了后腿。2011年初微软发布的SQL Server R2 Parallel Data Warehouse（PDW，并行数据仓库），PDW使用了大规模并行处理来支持高扩展性，它可以帮助客户扩展部署数百TB级别数据的分析解决方案。微软目前已经开始提供Hadoop Connector for SQL Server Parallel Data Warehouse和Hadoop Connector for SQL Server社区技术预览版本的连接器。该连接器是双向的，你可以在Hadoop和微软数据库服务器之间向前或者向后迁移数据。

微软在去年推出了基于Azure云平台的测试版Hadoop服务，今年它承诺会推出与Windows兼容的基于Hadoop的大数据解决方案（Big Data Solution），这是微软SQL Server 2012版本（首发日期还不知道）的一部分，现在也不清楚微软是否会与其他硬件合作伙伴或者相关大数据设备厂商合作。

企业名称：EMC

网址：http:///

EMC于1979年成立于美国麻州Hopkinton市，1989年开始进入企业数据储存市场。EMC公司是全球信息存储及管理产品、服务和解决方案方面的领先公司。EMC是每一种主要计算平台的信息存储标准，而且，世界上最重要信息中的 2/3 以上都是通过EMC的解决方案管理的。

面对大数据时代，EMC公司推出用于支持大数据分析的下一代平台――EMC Greenplum统一分析平台（UAP）。Greenplum UAP是一个唯一的统一数据分析平台，可扩展至其他工具，其独特之处在于，它将对大数据的认知和分享贯穿整个分析过程，实现比以往更高的商业价值。

企业名称：Teradata

网址：http:///

Teradata公司(Teradata Corporation，纽约证券交易所交易代码TDC)是全球领先的数据仓库，大数据分析和整合营销管理解决方案供应商，专注于数据库软件，数据仓库专用平台及企业分析方案。不久前宣布推出一款集硬件、软件和服务于一体的全面产品组合——Teradata分析生态系统(Teradata Analytical Ecosystem)，使不同的 Teradata 系统实现无缝协作，为企业客户提供分析和更深入的洞察力，帮助其预测商业机会和加速实现商业价值。Teradata Unity 将确保整个Teradata Analytical Ecosystem的同步和统一。为了增强在大数据分析领域的优势，Teradata还收购Aster Data公司，以增强其非传统数据分析的能力，突破了SQL分析的限制，协助企业从全部数据中获取更多价值。

企业名称：NetApp

网址：http://

Network Appliance，Inc.（NetApp，美国网域存储技术有限公司）是IT存储业界的佼佼者，自1992年创业以来，不断以创新的理念和领先的技术引领存储行业的发展。Network Appliance, Inc.(NetApp)是向目前的数据密集型企业提供统一存储解决方案的居世界最前列的公司。

NetApp StorageGRID 是一个久经验证的对象存储软件解决方案，设计用于管理 PB 级、全球分布的存储库，这些存储库包含企业和服务提供商的图像、视频和记录。通过消除数据块和文件中数据容器的典型约束，NetApp StorageGRID 提供了强大的可扩展性。它支持单个全局命名空间内的数十亿个文件或对象和 PB 级容量。

NetApp StorageGRID 实现了智能的数据管理和安全的内容保留。它通过一个具有内置安全性的全局策略引擎来优化数据存放、元数据管理和效率，该引擎管理数据的存储、放置、保护和检索的方式。此外，使用数字指纹和加密等技术防止内容受到篡改。

NetApp StorageGRID 有助于随时随地提供数据，以便于不间断地运营。该解决方案被设计为允许灵活进行部署配置，以满足全球的多站点组织的不同需要。

企业名称：Sybase

网址：

Sybase公司成立于1984年11月，总部设在美国加州的Emeryville(现为美国加州的Dublin市)。作为全球最大的独立软件厂商之一，Sybase公司致力于帮助企业等各种机构进行应用、内容及数据的管理和发布。

Sybase IQ是Sybase公司推出的特别为数据仓库设计的关系型数据库。相比于传统的“行式存储”的关系型数据库，Sybase IQ 使用了独特的列式存储方式，在进行分析查询时，仅需读取查询所需的列，其垂直分区策略不仅能够支持大量的用户、大规模数据，还可以提交对商业信息的高速访问，其速度可达到传统的关系型数据库的百倍甚至千倍。“随着 Sybase IQ 不断地在分析应用 POC 测试中拔得头筹，有时甚至超过其他对手 100 倍之多”，Gartner 评价道，“ Sybase IQ 逐渐成为从数据集市到企业数据仓库架构最令人渴望的 DBMS(数据库管理系统)。”

自 2009 年推出以来，Sybase 陆续发布了 Sybase IQ 15.1、15.2、15.3 以至最新的 Sybase IQ 15.4 版本，每个版本都着力于增加新的核心能力以促进更深入的高级分析。Sybase IQ 15.4是面向大数据的高级分析平台，将大数据转变成可指挥每个人都行动的情报信息，从而在整个企业的用户和业务流程范围内轻松具备大数据的分析能力。

因此，有人说Sybase IQ15.4正在彻底改变“大数据分析”。

企业名称：惠普

网址：

大数据时代来临，老牌巨头惠普也不甘落后。不久前惠普企业服务事业部宣布推出全新服务，帮助客户更快部署惠普子公司Vertica的Vertica Analytics Platform，从而迅速洞悉关键的业务信息，辅助决策过程。

Vertica Analytics Platform 让用户能够大规模实时分析物理、虚拟和云环境中的结构化、半结构化和非结构化数据，从而深入洞悉“大数据”。

Advanced Information Services for Vertica 帮助客户最大化实现 Vertica 分析平台性能，并构建企业分析专用环境。惠普提供从评估到实施的一系列服务，与客户共同定义多种交付方式组合，并找出匹配其现有基础设施的最佳解决方案。

Advanced Information Services for Vertica已在全球上市，将为实现“瞬捷”企业构建灵活的智能环境。

企业名称：沃尔玛

网址：http:///

在这里看到沃尔玛的身影，可能很多人会有疑问，全球最大的传统零售业巨头沃尔玛怎么就跟大数据扯上关系了？看了下面的介绍你就会明白了。

沃尔玛是最早通过利用大数据而受益的企业之一，曾经拥有世界上最大的数据仓库系统。通过对消费者的购物行为等非结构化数据进行分析，沃尔玛成为最了解顾客购物习惯的零售商，并创造了“啤酒与尿布”的经典商业案例。早在2007年，沃尔玛就已建立了一个超大的数据中心，其存储能力高达4Pb以上。《经济学人》在2010年的一篇报道中指出，沃尔玛的数据量已经是美国国会图书馆的167倍。

沃尔玛实验室计划将沃尔玛的10个不同的网站整合成一个，同时将一个10个节点的Hadoop集群扩展到250个节点的Hadoop集群。目前实验室正在设计几个能将当前像Oracle、Neteeza这样的开放资源的数据库进行迁移、整合的工具。

沃尔玛曾进行了一些列的收购，包括Kosmix（沃尔玛实验室前身）、Small Society、Set Direction、OneRiot、Social Calenda、Grabble等多家中小型创业公司，这些创业公司要么精于数据挖掘和各种算法，要么在移动社交领域有其专长，从此我们就可以看出沃尔玛进军移动互联网和挖掘大数据的决心。相信在沃尔玛的带领下，传统行业也会慢慢意识到大数据的重要性，加速步入大数据时代。

企业名称：Clustrix

网址：

Clustrix创立于2005年，是Y Combinator 2006年冬季班的成员。Clustrix可以为SQL数据库提供专利数据应用方法，帮助人们处理大量的数据，使SQL数据库无限扩容成为可能。最近Clustrix从Sequoia Capital、USVP和 ATA Ventures三家风险投资公司处再次获得价值675万美元的风险投资，至今已获融资1200万美元。Clustrix总部设在美国旧金山，研发中心设在西雅图。为打开欧洲市场，公司计划将总部迁至荷兰的阿姆斯特丹，并将于年底前在印度设立办公室。

企业名称：Cloudera

网址：http:///

Cloudera是一家专业从事基于Apache Hadoop的数据管理软件销售和服务的公司，总部位于加州帕洛阿尔托，2009年3月发布了第一款商业产品，当时获得由AccelPartners领投的500万美元投资。该公司于2010年6月正式推出Cloudera企业产品。2011年11月募集到4000万美元风险投资资金，此轮融资由风险投资机构Ignition Partners的合伙人弗兰克·阿泰勒(Frank Artale)领投。Cloudera之前的投资者顶尖风投机构Accel Partners、Greylock Partners、Meritech Capital Partners 和In-Q-Tel也参与本轮投资。

篇3：大数据智慧教育

关键词：大数据,智慧教育,Hadoop,云平台

大数据是继移动互联网、物联网、云计算之后新的IT界流行的词语,已成为科技、企业、学术界关注的热点。国际权威杂志《Science》和《Nature》专门出版了有关大数据的专刊,专门探讨有关大数据的机遇以及带来的挑战等问题。美国教育部在2010年11月,发布了《改变美国教育:技术增强的学习——美国国家教育技术计划2010》[1](NETP2010),智慧教育方面,IBM提出了构建智慧教育的方案。新加坡在2006年就开始了Intel-ligent Nation 2015计划,其中智慧教育是其最重要的组成部分。韩国教育科学技术部(MEST)于2011年6月向韩国总统府提交了《通往人才大国之路:推进智慧教育战略》提案,并于同年10月发布了《推进智慧教育战略》,目的是进行智慧教育变革,改造课堂,提高技术支持的学习效果,培养适应未来信息社会的创新型国际人才[2]。2014年12月1日由中国教育部直属单位教育学会在北京主办了2014国际智慧教育展览会(简称Smart Show),多所学校还对智慧教育的产品进行了全方位的展示。利用大数据技术可以构建复杂的模型来表征数据和解释数据,利用基于大数据的知识计算,可从大数据中抽取有价值的知识,构建成可支持查询、分析和计算的知识库。知识计算的前提是首先构建好知识库,其次是多元知识的融合,此外还有知识库的更新。大数据可利用数据挖掘技术对存储在数据中心的数据(包括结构化和非结构化的数据)进行分析与挖掘, 及时掌握学习者的学习动态数据,对学习的效果、技能水平等进行评估,便于及时对出现的问题进行智能诊断,将信息智能推送到用户端。智慧教育云平台能为学习者提供很好的智慧学习环境和个性化的学习体验。通过运用系统分析法,并在梳理国内外智慧教育研究的基础上,尝试构建大数据环境下智慧教育云平台,提出了大数据背景下的智慧教育云平台系统架构图,并对大数据背景下的智慧教育云平台进行了的应用和测试,以其能为未来大数据环境下的智慧教育的建设提供参考。

1智慧教育概述

智慧教育是整合物联网、云计算、大数据、移动通信、增强现实等先进信息技术的增强型数字教育(Enhanced e-Educa-tion),是对数字教育的进一步发展[3]。智慧教育的真谛就是通过利用智能化技术(灵巧技术)构建智能化环境,让师生施展灵巧的教与学方法,使其由不能变为可能,由小能变为大能,从而培养具有良好价值取向、较高思维品质和较强施为能力的人才[4]。智慧教育可培养出智慧型和创新型的人才,智慧教育的核心技术为大数据、云计算、物联网、增强现实、移动通信和定位技术。智慧教育的学习资源是动态生成的,MOOCs、微课、移动课件、电子教材、可进化的内容库,智慧教育的学习方式主要有泛在学习和云学习以及无缝学习;智慧教育的教学方式主要有以学习者为中心,大规模在线开放教学(MOOCs)、深度互动教学、智能教学(智能备课、智能批阅等等)、科研方式:跨地域大规模协同科研,科研数据及时分享与深度挖掘;管理方式:高度标准化、归一化管理、智能管控;评价思维:数据导向的评价、基于大数据库的科学评价。

2智慧教育云平台

智慧教育云平台可为学生提供基于知识图谱(所有知识点汇聚的知识架构图)的学习,知识架构图有利于学习者快速查找自己需要的知识点,只需点击便可轻松获取自己想要的知识,使学生更容易把握学习的脉络。智慧教育云平台主要由智慧教育、智慧学习、智慧服务、智慧资源、智慧环境、智慧管理和智慧评价等多个部分组成,如下图1所示。

智慧教育和智慧学习是智慧教育云平台的核心部分,通过该平台教师可实现智慧教学,学生可实现智慧学习,智慧资源主要是指智慧教育资源和智慧学习资源,在云平台可实现智慧资源的智慧检索和共享,智慧管理、智慧环境和智慧评价是智慧教育云平台不可或缺的,都具有重要的作用。教师通过云平台可实时在线查看学生的学习情况反馈信息以及通过聚类分析来获取有用信息,并针对该信息进行有针对性的授课和解答。丰富的智慧教学场景可为教师带来新的互动教学体验,教师可通过学生学习数据和成长轨迹,利用数据可视化技术和人工智能技术以及数据挖掘技术,来对学生的学习进度和知识掌握情况进行可视化显示,并对学生的学习效果进行个性化和科学性的评价,评价后可及时将信息智能推送到学习终端,获得信息后可及时做出调整,以便于提升学生的学习效果。

3大数据背景下智慧教育云平台的构建

智慧教育历来受到人们的重视,在国内已有很多专家和学者研究,智慧教育云平台的构建是智慧教育大厦的重要部分, 该平台可支持各类智慧教育,如在线交互式学习、在线互动教学、智慧管理、智慧评价等,大数据背景下的智慧教育云平台打破了传统的教育信息化边界,可实现在线数据信息的可视化以及可视化智慧教育管控,远程督导等。

大数据背景下,由于数据量巨大,因此,需要用Hadoop来对大数据进行分析与处理,大数据环境下的智慧教育云平台数据分析与处理模型图中物理层是底层部分,在该层可实现海量数据资源的存储,通过Hadoop和数据统计、机器学习以及数据挖掘技术以及人工智能技术可实现信息的智能推送,该平台的应用层主要部分有智慧教学、智慧学习、智慧管理、智慧服务、 智慧环境和智慧评价多个部分组成。大数据环境下的智慧教育云平台数据分析与处理模型图如下图2所示。

3.1平台总体架构

大数据环境下,根据智慧教育云平台的设计原则和设计流程,给出了智慧教育云平台的架构图,该架构共分为七层,如下图3所示。

(1)物理层

在物理层,主要包括一些硬件设备,如海量数据存储设备、 网络设备、服务器和计算机等,在大数据环境下,该层起着非常重要的作用。

(2)虚拟资源层

虚拟资源层位于物理层之上,逻辑层之下,主要包括网络资源池、存储资源池、数据资源池、计算资源池四个部分,该部分为平台的运行提供了保障。

(3)逻辑层

逻辑层位于虚拟资源层和应用层之间,为智慧教育云平台平台的核心管理层,负责对任务以及资源等方面进行管理,并对用户的请求给予及时的响应,使资源实现有效地管理,并为用户提供安全有效地服务。

(4)展现层

展现层位于应用层之上,该层主要提供手机客户端、WEB门户、WAP门户等的展现方式,主要有展现模块、接入模块和可视化模块三部分。展现模块主要包括栏目展现、个性化设置、信息推送、个人信息管理、内容搜索、注册登录、栏目管理等部分构成;接入模块,主要有服务接入、接入授权、接入配置等部分组成,可视化模块,主要有在线数据信息可视化,可视化智慧教育管控等多个部分组成。

(5)应用层

应用层在逻辑层之上,展现层之下,在该层中,主要有智慧教学、智慧学习、智慧管理、智慧服务、智慧环境和智慧评价等部分组成,主要为教师、学生、家长提供应用服务,通过利用现有的智慧信息资源,为用户提供个性化、多样化、全方位的智慧服务。

(6)网络层

网络层位于用户层和展现层之间,用户可通过CMNET、 CTNET等网络接入智慧教育云平台系统。

(7)用户层

用户层位于网络层之上,智慧教育云平台支持手机、PC机等多种类型的终端设备接入访问。

3.2平台的开发

为了构建大数据背景下的智慧教育云平台,本研究进行了智慧教育云的HADOOP大数据平台物理上部署在操作系统和虚拟化环境之上的测试,用到的软硬件设施包括:笔记本电脑3台,服务器一个,一个hadoop-1.2.1.tar.gz以及Sun java6-jdk、 SSH、Eclipse和Ubuntu 12.04.3 x86_64安装包。安装和部署的步骤如下:1首先安装Ubuntu ,选用默认配置即可。2安装JDK,设置Sun java6-jdk为默认的JAVA程序。3安装SSH,安装完成后,还需配置SSH。4安装HADOOP,具体的安装和配置可参见HADOOP技术详解[4]。更新HADOOP环境变量,部署HDFS作为分布式文件系统,用于文件级操作,部署HBASE用于分布式的数据存储,采取基于<key,value>的列式存储,采用Hadoop Map Reduce做非结构数据的批量处理,HIVE和IMPA-LA的整合构成非结构化数据查询和分析的基础,采用HA-DOOP的ECLIPSE-PLUGIN作为集成化的编译环境。配置文件conf/core-site.xml,部分代码为:

启动Hadoop,格式化一个新的分布式文件系统,启动所有节点,进行测试,浏览NAME NODE和JOBTRACKER的网络接口,找到默认地址。

3.3性能测试

通过对大数据环境下智慧教育云平台的部分进行测试,分别用1至15台终端来登录平台进行智慧学习和智慧教学,每一个终端从服务器中读取600M的教学资源和学习资源,并与传统模式进行对比,得出结果如图33所示。

图3中主要展示了客户端读取资源的理论速度和云平台以及普通的移动学习平台的资源读取速度,理论上的速度是指在没有任何的损耗和带宽的延迟以及交换机之间达到链路饱和的情况下的速度。通过测试后发现,大数据环境下,在客户端数量相同的情况下,智慧教育云平台的资源读取速度远远高于传统的移动学习平台的速度,但是当客户端数量增加时,云平台的资源读取速度放缓,但放缓的速度较为缓慢,而传统的移动学习平台放缓的速度较快。

4结束语

篇4：智慧教育与大数据治理

唐斯斯，国家信息中心研究员，同时也是一名三年级学生的母亲，对于教育信息化和智慧教育，有着更直观认识。她在演讲一开始就抛出了自己一直在思考的问题：“随着我国教育体制的改革，该怎样去立体地、智慧化地评价一个孩子？孩子不是平面的，不是血型、成绩就能代表他的好与坏，更不能就此打上标签。而是应该从他的创新能力、人格品质等方面去立体评价，这就需要很多的数据支撑，从健康数据到行为数据，到实践项目、创客教育等，归纳、分析一系列的数据，才有可能还原或者相对准确地体现一个孩子特征与潜质。”

智慧教育的生态体系

每个人对智慧教育都有着不同的理解，在唐斯斯看来，智慧教育应该要实现泛在的、随时、按需的学习，要能实现教育资源的无缝衔接，要实现多层次个性化的教学，要能实现智能化的管理，要实现智能化的决策等。“也许每个人理想的智慧教育都不一样，但不管是怎么样的，背后一定需要保障系统和很多的技术去支持。”她解释说，这些技术的核心要素包括云计算、物联网、虚拟现实、增强现实，以及教育云平台、教育产品、智慧校园等。

唐斯斯认为，大数据对教育最大的好处，是可以加速智慧教育生态系统的构建：“什么样的智慧教育才是理想中的发展方向？我认为，大数据的评价体系能起到引导、抛砖引玉的作用，引领我们去发展。大数据对教育的影响，在理念、发展以及融合创新层面，都有着不同的促进作用。同时，就现有的效益层面来讲，大数据可以实现教育资源的整合、降噪、倍增效益，还具有破除效应，能够破除教育的不均衡，而最重要的，是能够加速智慧教育生态系统的构建。我理想中的智慧教育生态体系，应该是一个能够实现教育自循环和可持续发展、多元互动的环境体系，包括多元教育体系、完善的教育机制和成熟的教育产业基础，缺一不可。”

具体而言，智慧教育生态体系要以教师、家长、学生、公众和管理者等五大教育主体为基础，搭建一个以大数据为支持的平台体系，同时具备良好的智慧教育环境、完善的智慧教育机制、成熟的智慧教育产业链，以及完备的运行机制，包括管理机制、激励机制和反馈机制等，从而保障生态体系的良好运行，实现数据到服务，服务到数据的转换模式，最终能够实现一个良性互动。通过这一完善的体系，用其中的大数据去更好更快地修正不佳的教学行为、市场环境、政策环境和社会氛围等。

唐斯斯说：“目前，我国正在从国家、省级到市级全方位地部署大数据战略，这为智慧教育生态体系做一个很好的铺垫，我们可以通过对从学习、管理、教育、科研各方面数据的采集来丰富智慧教育的大数据资源，从而丰富教育产品和服务，构建成大的服务体系，最终能服务于教师、家长、学生者、公众和管理者等五大教育主体，实现‘人人可学，覆盖全人群的大教育的愿景。”

教育大数据解决三大问题

起初的大数据，是为了使各种各样的数据变得可用，消除数据割据、数据孤岛和数据碎片化现象，从而提升数据的质量、可用性、安全性。发展教育大数据的意义在于解决现存的三大问题。

一是信息资源不匹配。唐斯斯说，现阶段，社会上都广泛关注着互联网教育，但是政府推行的“三通两平台”、“数字校园”、原题库等教育信息化措施往往是在校内进行，与广受关注的互联网教育相脱节。同时，存在互联网技术人员懂IT不懂教育，教师懂教育不懂IT的现象，使信息资源不能匹配。

二是行业规范不健全。我国目前尚未出台智慧教育行业的统一标准，从而产生数据不兼容、系统不兼容，以及规范欠缺等问题。

三是资源融合不足。既然要立体地评价学生，就不能局限于学习本身，还需要跟其他行业、领域的资源整合，包括学校与学校之间、区域与区域之间的融合等，目前这些领域的融合仍显不足。同时，从国家到省市到县村的总体大数据体系尚未完全打通，也是资源融合不足的原因。

唐斯斯归纳说：“我们希望通过教育大数据策略的实施，能够很好地对教育数据做科学的分类和管理，同时对教育数据做全流程的管理，促进教育质量的提升以及加强安全管理，从而提升教育服务水平，加强教育管理能力以及科学制定教育发展的政策。”

如何发展智慧教育

在我国经济进入新常态的同时，教育也正进入新常态。教育法律的修订，高考等教育体制的变革，民众需求的变化、信息技术的渗透，使改革、融合、创新成为了教育新常态。目前，智慧教育发展面临着严峻的挑战，我国各地的智慧教育发展呈现不均衡的现象。在经济发达、信息化基础较好的地区，智慧教育正从数字化走向均等化、智能化和精准化，但在经济欠发达、信息化基础较弱的地区，智慧教育仍停留在数字化阶段。唐斯斯分析说：“在教育新常态下，我们要用新的方式并行发展，从普惠到个性，从数字到智慧同步发展，这既是机遇，也是一个非常大的挑战。”

唐斯斯认为，智慧教育发展的重点应从以下三方面着手。

首先，要充分利用互联网技术和思维。利用大数据开放、共享、融合、创新的特点，整合、运营全国的智慧教育云平台。同时，将各类信息技术的应用进一步融合，使之能够更好地为老师所用，使学生接受。

第二，要从数字化向智能化转变。例如，编写、采用互动教材，更好地衔接校内外的教育子云，以及更好地让教育大数据落地。同时，还要思考如何使老师更好地适应教学模式的变化，怎样借智慧教育发展去更好地培育创新性人才。

第三，将智慧教育深度融入到智慧城市的建设中去。要促进教育数据的开放、共享，加强智慧教育发展研究，丰富智慧教育产品服务，加强智慧教育人才培养，同时要强化智慧教育统筹发展，通过对浙江省宁波市智慧教育试点进行总结、归纳，给全国更多的城市做智慧教育起到示范作用。同时，要健全管理机制，建立协同机制，完善评价标准等。

篇5：大数据时代下贵阳建设智慧城市

2013年11月15日，第四届中国意大利创新论坛在北京召开，作为本届论坛六个平行圆桌会议之一的“贵阳智慧城市建设专题研讨会”吸引了国内和意大利政产学研界近百人参加，大家纷纷对贵阳智慧城市建设表示出浓厚的兴趣。在会上，贵阳市提出在2015年前将建成的包括“一个公共平台，一个管理中心，政务、产业、民生三大应用方向，信息基础建设、智慧应用等六大支撑体系，建筑节能、指挥交通等九个示范应用”在内的“智慧贵阳”体系框架。那么，建设智慧城市的前提条件是什么？

如果将智慧城市比喻为人，将组成智慧城市感知功能的传感器比作人的五官，将连接传感器的网络比作神经，将控制和存储信息的云技术比作中枢，那么大数据就是智慧城市的所有体征数据的总和。人要正常运作,各个零部件数据指标必须达标，一座智慧城市亦如此。

所以一座真正的“智慧城市“，要体现出人类社会对现代城市和运营管理新的科技发展的水平，智慧，它必然来自于对各种数据充分分析和利用。因此如何对数据进行分析和利用，促进人类智慧运用管理城市，建设迫切使用先进的技术包括数据挖掘和功能的强大的运算系统，从而来整合分析跨地域，跨行业，跨部门的海量数据的处理，将特定的知识应用于特定的行业和特定的解决方案中，来正好的支持整个经济社会发展的决策和相关行动。这也正是建设智慧城市面临的重要挑战。

21世纪随着大数据技术领域的开发与不断创新，现今技术已经能够短时间内处理、分析庞大复杂的数据，这为“智慧城市”的建设提供了强有力的支撑。如今，越来越多的城市提出建设“智慧城市”的命题，并不断摸索与落实，成绩显著。

作为贵州省会的贵阳同样迎来建设智慧城市的契机，早在2010年10月，在贵阳市政府与IBM共同举办的“智慧城市·感知贵阳”论坛上，就已经勾勒出“感知贵阳、智慧城市”的远景，而建设智慧城市也纳入到贵阳市“十二五” 工业和信息化发展规划中。2013年年初，贵阳乌当区入围我国首批90个智慧城市，同年8月，乌当区智慧城市综合管理平台正式开工建设。在2013年智慧城市任务书项目开展情况评分中，乌当区在全省10个国家智慧城市试点中总排名第二，在4个县级试点中排名第一，获得“以奖代补”专项资金70万元。

打造智慧城市，对贵阳市的好处无疑是十分巨大的。智慧城市所涉及的智慧交通、无线城市、智慧医疗、云电视等都对提高贵阳市民的生活品质有着极大的促进作用。智慧交通将打破贵阳传统城市交通管理与发展模式，极大地缓解交通需求与交通设施供给的尖锐矛盾，为市民出行提供便利的交通；无线城市能够为公众提供利用无线终端或无线技术获取信息的便利服务,实现城市信息化和现代化；智慧医疗能够实现医疗信息实时共享，简化就医流程、降低医疗费用，增加群众就医便利性；云电视将电视连上网络，观众就可以随时从外界调取自己需要的资源或信息。

同时引入大数据处理技术，在互联网、物联网、云计算平台、电信网、广电网、无线宽带网等技术实现系统化整合的基础上，充分利用高度集成的智慧技术，以配套设施与相关政策促进、带动智慧产业发展，为居民提供更加优质、高效、方便、快捷，更加亲民、协调、节能、集约，具有高度智慧化的公共服务。

篇6：盐城智慧城建设大数据产业发展

专项资金管理办法

第一章

总

则

第一条

为进一步加快城南大数据产业发展，市财政设立智慧城市建设（大数据产业发展）专项资金，对城南创建国家级大数据产业基地给予支持和引导。进一步规范财政专项资金管理，严格资金申报、拨付、使用、监管流程，切实提高财政专项资金使用绩效，根据《盐城市市级财政专项资金管理办法》（盐政发〔2013〕245号）等有关规定，制定本办法。

第二条

本办法适用于管理和使用专项资金的财政部门、业务主管部门、项目实施单位。

第二章

预算及使用管理

第三条

本办法所称专项资金，是指财政预算安排的智慧城市建设（大数据产业发展）专项资金，专项用于培育发展大数据产业，支持城南创建国家级大数据产业基地。本专项资金管理办法的执行期为2017年-2020年。到时确需延期的，应当在执行期届满的当年9月底前，按规定程序重新申请设立。

第四条

专项资金在执行期间需要变更使用范围或者资金规模的，应由市经信委提出正式申请，由市级财政部门审核后报市政府审批。

第五条

专项资金纳入预算管理。市财政局年初会同市经信委根据市委、市政府支持智慧城市建设和大数据产业发展要求编制全年专项资金预算。

第六条

市经信委会同市财政局编制专项资金使用计划，按《盐城市市级财政专项资金管理办法》的规定程序报市政府审批。经市政府批准后，联合发文下达。

第七条 专项资金使用单位应当实行专项核算，严格执行专项资金支出预算，按批准的项目计划内容组织实施。

第八条 专项资金扶持项目在执行过程中因特殊原因需要变更时，需报市经信委和市财政局同意。对因故撤销的项目，项目企业或单位认真做出经费决算逐级报市经信委和市财政局核批，剩余资金如数退回市财政。

第九条 专项资金按规定形成国有资产的，应当及时办理决算验收，进行产权、财产物资移交，办理登记入账手续，并按规定纳入国有资产管理。

第十条 专项资金应及早安排使用，提高资金使用效率。第十一条

市财政局根据专项资金分配方案，按照财政国库管理制度规定下达、拨付专项资金。

区财政局收到资金（或指标文件）后，应当在1个月内将资金拨付至项目单位。按有关规定应根据项目实施进度拨付资金的，从其规定执行。

第十二条

项目单位收到专项资金后，应严格按照国家财务会计制度的规定，做好专项资金的会计核算工作。按照项目实施方案组织实施，严格专款专用。未经批准，不得变更项目内容或调整预算。

第三章

支持方式和项目申报

第十三条

专项资金的支持方式分为无偿补助、有偿使用和股权投资三种方式。无偿补助方式包括专项补助、以奖代补等方式。有偿使用和股权投资的支持方式按照《市级财政专项资金拨款改投资无偿改有偿试行办法》（盐政办发〔2014〕107号）执行，专项资金原则上安排存量部分不低于30%、增量部分不低于70%实行“一拨变双改”管理。

第十四条 原则上每年组织申报1次。市经信委联合市财政局印发专项资金申报指南，明确专项资金使用范围、使用方式及项目申报的具体要求，并通过市经信委网站进行发布。

第十五条

符合条件的企业、单位，均可按申报指南的要求，经城南新区经发局和财政局初审后，向市经信委和市财政局申报项目。

申报项目的企业、单位对申报材料的真实性、准确性和完整性负责。

第十六条

申报项目的企业、单位，一般应当符合以下条件：

（一）在城南新区注册、具有独立的法人资格且正常经营；

（二）企业的信用良好，无纳税、环保、安全生产、法院执行等较重以上失信行为；

（三）三年内无骗取、套取县级以上财政专项资金行为或未被取消申报资格的。

具体申报条件由市经信委会同市财政局在下发项目申报指南时一并发布。

第十七条 同一单位同一项目，在申请内涉及多项政策支持的，按照“就高不重复”的原则，只能享受一项扶持政策。

第十八条

专项资金申报和审核实行信用承诺制。申报企业或单位需根据申报的项目附报相应的申报材料以及信用承诺，并对其项目申报材料的真实性、准确性和完整性作出信用承诺。

区经信部门和财政部门按照本办法和申报指南等要求，组织项目申报，对项目进行审核，确保项目的真实性，并对专项资金申请使用全过程进行承诺，提交《市级财政专项资金申请使用全过程承诺责任书》。

第十九条

根据需要对相关项目进行实地核查。核查前应当根据专项资金补助政策和申报指南明确核查内容和要求及所需材料，提前通知申报单位，原则上一次性核查到位。核查工作不得影响申报单位的正常运转，并遵守廉政建设的相关要求。

第二十条

专项资金原则上采用因素法进行分配。第二十一条

必要时，市经信委会同市财政局组织竞争性专家评审。

（一）成立竞争性专家评审小组。评审小组由市经信委、市财政局等部门会同相关领域的专家组成。专家由市有关主管部门会同上述有关部门共同抽取。评审小组人数必须为5人以上单数。

（二）评审程序

1．书面评审。评审小组对项目申报材料进行审查，提出书面审查意见，确定进入公开答辩环节的项目名单。

2．公开答辩。采用演讲、现场答疑等方式对项目进行公开答辩，评审小组现场打分确定进行实地考察的项目名单。

3．实地考察。评审小组对项目进行实地考察，出具考察意见，提出拟扶持项目名单。

具体评审办法由市经信委会同市财政局研究制订。第二十二条 市经信委和市财政局经综合考评后，提出拟补助项目并公示。公示有异议的，要立即组织核查，确认后重新公示。经公示无异议的申报项目列为当年专项资金支持项目。

第四章 使用范围及分配办法

第二十三条 智慧城市建设（大数据产业发展）专项资金的使用方向及分配方式：

1．新设的大数据企业，经认定，大数据存储中心项目和大数据挖掘、分析、应用项目，两年内技术设备投资额分别超过3000万元、300万元的，按照其实际技术设备投资额的8％给予一次性奖励，最高不超过500万元。投资企业为世界500强、央企和上市公司（国内主板及创业板上市）的，可按照其实际技术设备投资额的12%、10%给予一次性奖励，最高不超过800万元。

2．市外大数据企业集团总部（含跨省区域性总部）将注册地及纳税地迁至城南大数据产业园，其实收资本不低于3000万元、固定资产投资不低于1亿元、技术设备投资不低于3000万元的，符合前款条件并按前款给予奖励外，另按照其实际技术设备投资额的5％给予一次性奖励，最高不超过300万元。

3．对市外企业落户城南大数据产业园、采取市场化运作、年流水在30亿元以上、跨省市的大型大数据应用平台类项目，在平台技术设备投资上和运营上等方面实行“一事一议”。

4．世界500强企业、国内100强企业和世界100强高校院所落户城南大数据产业园，新设立的大数据技术中心（研发中心、重点实验室），给予不超过50万元的一次性奖励，成功创建国家级、省级研发中心和重点实验室的，最高可分别给予500万元、200万元一次性奖励。

5．对投资（不含基建投资）超过1000万元的专业化公共研发技术服务平台，完成项目建设计划并通过认定的，按其实际技术设备投资额10%的给予一次性奖励，最高不超过500万元；鼓励开展大数据核心和关键技术攻关，对突破大数据应用和产业化瓶颈的技术研发项目，经认定，择优给予不超过其实际研发投入30%，且最高不超过300万元的奖励。

6．对承担或列入国家示范试点应用计划的重大大数据行业应用平台和项目，技术设备投资在500万元以上的，通过验收后，每个平台和项目可给予50万元奖励；对承担或列入省示范试点应用计划的重大大数据行业应用平台和项目，技术设备投资在500万元以上的，通过验收后，每个平台和项目可给予20万元奖励。

7．鼓励大数据研发机构、公共研发技术服务平台开展技术服务和成果转化，对年营业收入超100万元（服务收入占比60%以上）的专业平台机构，按其对市内单位提供技术服务收入的30%给予补助，最高不超过100万元。

8．鼓励各企业按照智慧盐城建设总体规划要求，利用各类资金在城南大数据产业园开展大数据应用项目建设，对列入市智慧盐城和大数据应用示范工程、完成项目建设计划并通过验收成效显著的，按其实际技术设备投资的10%给予一次性奖励，最高不超过150万元。

9．对市外落户于城南大数据产业园新设的亿元以上大数据产业发展基金，根据实际需要，经审批，可与城南智慧科技城配套出资，最高不超过2000万元，主要用于大数据产业园内产业类项目股权投资。

10．支持城南加快大数据专业园区载体建设，对新获得国家和省级认定的基地或园区品牌的，分别给予100万元和50万元的一次性奖励；对新获得国家、省级认定的园区公平服务平台，分别给予100万元、30万元一次性奖励。11．支持大数据产业园核心应用基础项目建设，优先安排市委、市政府确定落户在大数据产业园的智慧盐城项目（已有明确资金来源的项目除外）建设资金。

12．对市委市政府同意的其他项目予以支持。第二十四条 如按第二十三条确定的分配办法安排的资金超出当年财政预算时，可适当降低奖补标准。

第二十五条 专项资金不得用于一般工作经费等经常性开支，不得用于发放个人工资、奖金、福利和日常公用经费等一般性支出，不得用于非本专项资金用途以外的部门支出。对用于考核发放的奖金，须报经市政府审批。

第五章

管理职责、绩效管理和监督检查 第二十六条

专项资金的管理由市财政局、市经济和信息化委员会共同管理，按各自职责分工负责。

（一）市财政局应当履行以下职责：

1．负责专项资金管理和政策研究制定，会同市经信委建立健全专项资金具体管理办法；

2．编制专项资金预算；

3．组织专项资金支出预算的编制和执行； 4．参与专项资金项目管理；

5．审核专项资金使用计划，按规定拨付专项资金，监督专项资金的日常使用；

6．组织开展专项资金绩效管理工作；

7．组织专项资金执行期届满或者被撤销后的清算、资金回收等管理工作；

8．法律、法规、规章规定的其他职责。

（二）市经信委应当履行以下职责：

1．配合财政部门建立健全专项资金具体管理办法，编制专项资金绩效目标，制定管理流程，明确责任主体，规范资金管理；

2．根据产业发展需要，建立相关重点项目库，提出专项资金支持重点和预算建议，编制专项资金支出预算；

3．执行批复的专项资金支出预算，按季编制专项资金使用计划；

4．负责项目管理，会同财政部门组织具体项目申报、评审和分配，检查督促项目实施，包括项目合同签订、项目跟踪监管，监督专项资金的使用；

5．按绩效目标对专项资金进行绩效跟踪和绩效自评价； 6．负责执行期届满或被撤销专项资金的相关管理工作； 7．法律、法规、规章规定的其他职责。

第二十七条

市财政局根据专项资金绩效管理相关规定，对专项资金实行全过程绩效管理，包括绩效目标评审、绩效运行监控和绩效评价。

第二十八条

专项资金设立、预算编制环节，市经信委应当编制专项资金绩效计划，向财政部门报送绩效目标。财政部门组织对绩效目标进行评审，不按规定要求编制绩效目标的，不予进入预算编审流程；无绩效或低绩效的项目，不予列入预算或调减预算。第二十九条

专项资金执行过程中，市财政局会同市经信委对绩效目标的实现情况进行跟踪。市经信委要定期向市财政局如实分析报告项目资金绩效情况。项目实施、资金使用与绩效目标发生偏离的，要及时采取措施予以纠正。问题严重的，应暂停预算执行，或报经市政府批准后调整、收回专项资金。

第三十条

专项资金预算执行完毕后，市经信委对专项资金使用情况进行绩效自评价，财政部门视情况对专项资金组织开展绩效再评价。

第三十一条

专项资金执行期届满后，市财政局组织全面绩效评价，向市政府报告绩效评价结果。绩效评价结果按照财政信息公开规定在一定范围内公开，并作为下一预算安排和完善预算管理的重要依据。

第三十二条

市经信委和市财政局共同负责专项资金扶持项目的管理和督查，跟踪项目的进展情况，对专项资金使用绩效进行检查、评估。

市经信委和市财政局根据需要适时对项目进行现场检查，了解专项资金扶持项目的执行情况、项目资金的使用和财务管理情况、项目完成后的实际效果，确保专项资金专款专用，发挥资金的最佳效益。

第三十三条

项目单位应建立项目管理责任制，加强资金核算和管理，自觉接受财政、经信、审计等部门的监督检查。

第三十四条

项目单位应当按照《中华人民共和国档案法》、《江苏省档案管理条例》等规定，归档管理项目申报、执行和验收资料，以备核查。

第三十五条

违反本办法规定的行为，《中华人民共和国预算法》、《财政违法行为处罚处分条例》等法律、法规已有处罚规定的，按其规定进行处罚。

项目单位有下列行为之一的，由市经信委、市财政局按规定在相关信用信息平台提交信用记录并责令改正，调整有关会计账目，追回已下拨财政资金，限期追缴违法所得等；情节严重的，在三年内不再受理其申报专项资金；构成犯罪的，依法追究刑事责任。

（一）以虚报、冒领、伪造、关联交易等手段骗取专项资金的；

（二）未经批准调整专项资金使用范围或者预算的。第三十六条

对专项资金形成的国有资产未按规定纳入国有资产管理的，由财政部门责令限期改正，造成国有资产流失的，按有关法律、法规处理。

第三十七条

国家机关工作人员在专项资金管理活动中滥用职权、玩忽职守、徇私舞弊的，依法追究行政责任；构成犯罪的，依法追究刑事责任。

第三十八条 任何单位和个人有权对专项资金收支管理活动中发生的各种违法违纪行为进行投诉、检举和控告。

第六章

附

则

第三十九条

本办法所称“设备”，是指符合会计核算定义，使用期限在一年以上，单位价值在2万元以上的生产性设备或专用设备，不包括办公设备和运输设备。购进需要安装的，安装费用不计入补贴计算范围。自制设备，符合条件的按一半计算。技术投入和软件投入，取得的增值税发票税率为零的，不计入补贴范围。

第四十条 本办法自

起施行。其他有关文件与本办法不一致的，以本办法为准。

第四十一条