《数字产业化 体系、技术与落地实践》清华大学数据治理研究中心,国家工业信息安 | PDF下载|ePub下载
数字产业化 体系、技术与落地实践 版权信息
- 出版社：机械工业出版社
- 出版时间：2024-07-01
- ISBN：9787111757986
- 条形码：9787111757986 ; 978-7-111-75798-6
数字产业化 体系、技术与落地实践 本书特色
赋能数字新征途 铸就产业新格局
技术融合-体系构建-实战策略，掀起数字转型蓝图面纱
谭建荣院士、郭华东院士、邬贺铨院士、张宏科院士 共同推荐
数字产业化 体系、技术与落地实践 内容简介
数字产业化是指以数字技术和数据资源为驱动，推动传统产业数字化转型和新兴数字产业发展，形成数字化、网络化、智能化的产业体系。本书首先对数字产业化的概念、内涵和体系进行了系统阐述，并重点阐述了知识图谱、人工智能、数字孪生、元宇宙、数据治理等前沿技术，随后通过多个实践案例，展示了数字产业化在不同行业、不同场景中的应用实践。在数字产业化的发展过程中，数字技术、数据资源、数字平台、数字人才等要素发挥着至关重要的作用。本书通过深入分析这些要素的内在联系和互动机制，构建了数字产业化的完整理论体系。
本书既适合作为中高职、高校和研究机构的教学参考书，也适合作为企业、政府部门工作人员的培训教材。希望本书能够帮助读者更好地理解和把握数字产业化的发展趋势和内在规律，为推动经济社会的数字化转型和数字产业化进程贡献力量。
数字产业化 体系、技术与落地实践 目录
目 录
丛书序一
丛书序二
前言
第1 篇 数字化技术应用
第1 章 知识图谱
1.1 什么是知识图谱
1.2 知识图谱技术体系
1.3 知识图谱模式设计
1.4 知识图谱构建技术
1.5 知识图谱存储技术
1.6 知识计算与知识推理
1.7 智能问答
1.8 认知推荐
1.9 汽车工业故障模式知识图谱及智能分析应用案例
1.9.1 应用背景
1.9.2 应用方法
1.9.3 技术方案
1.9.4 未来展望
第2 章 人工智能数据服务
2.1 人工智能概述
2.1.1 什么是人工智能
2.1.2 数据是人工智能的基石
2.1.3 人工智能数据行业发展
2.2 人工智能数据服务内容
2.2.1 相关定义
2.2.2 数据分类
2.2.3 数据集生产过程
2.2.4 数据质量控制
2.2.5 数据安全
2.2.6 数据服务内容
2.3 人工智能数据服务应用案例
2.3.1 语音识别模型训练
2.3.2 语音合成模型评测
2.3.3 人脸识别模型评测
2.3.4 自动驾驶场景的数据应用
2.3.5 大模型中的数据服务
2.4 未来发展趋势
2.4.1 数据对AI 发展的重要性更加凸显
2.4.2 AI 产业对数据服务的新需求
第3 章 数字孪生
3.1 全新世界展示——数字孪生可视化
3.1.1 数字孪生概念的提出和演进
3.1.2 数字孪生的实践层面的定义
3.1.3 数字孪生涉及的关键技术
3.1.4 数字孪生应用于各行各业
3.1.5 数字孪生发展的局限性
3.2 元宇宙与数字孪生的关联性与差异化
3.2.1 元宇宙概念
3.2.2 元宇宙和数字孪生的关联性
3.2.3 元宇宙和数字孪生的差异性
3.3 通往数字化转型之路——元宇宙
3.3.1 开创元宇宙发展时代
3.3.2 给领域内企业的启示
第4 章 数据治理
4.1 数据治理概述
4.1.1 背景知识
4.1.2 概念解析
4.1.3 实施要点
4.1.4 价值与挑战
4.2 典型数据治理理论框架
4.2.1 国际数据治理框架
4.2.2 国内数据治理框架
4.2.3 数据治理理论指导
4.3 数据治理体系实践
4.3.1 数据管理能力成熟度评估
4.3.2 数据治理体系规划
4.3.3 数据治理的保障体系建设
4.3.4 数据治理的成效
4.4 数据治理项目实践案例——某电信运营商源端数据治理
4.4.1 基于DCMM 开展数据管理现状分析
4.4.2 参考DAMA 开展数据治理体系规划
4.4.3 结合DAMA 开展数据治理保障体系建设
4.4.4 通过数据质量十步法开展专项治理
4.4.5 本项目价值收益
第5 章 数 据 中 台
5.1 数据中台起源与概念
5.1.1 数据中台的发展历程
5.1.2 解码数据中台
5.1.3 数据中台核心能力
5.2 数据中台架构
5.2.1 数据应用价值框架
5.2.2 数据中台架构
5.3 数据中台建设方法
5.3.1 数据中台建设方法论
5.3.2 数据中台建设成功要素
5.4 数据中台应用场景
5.4.1 应用场景现状及需求
5.4.2 政务数据中台应用案例
5.4.3 制造业数据中台应用案例
5.4.4 汽车数据中台应用案例
5.4.5 零售数据中台应用案例
5.5 数据中台发展趋势及人才需求
5.5.1 发展趋势
5.5.2 人才需求
第6 章 隐 私 计 算
6.1 国内外数据安全政策现状
6.2 隐私计算的背景与定义
6.3 隐私计算的技术路线与应用
6.3.1 多方安全计算
6.3.2 可信执行环境
6.3.3 联邦学习
6.3.4 隐私计算助力数据的安全流通与共享
6.4 隐私计算平台的搭建
6.5 隐私计算技术在普惠金融场景的探索与实践
6.5.1 应用需求
6.5.2 关键技术
6.5.3 场景落地方案架构
6.5.4 实施流程及关键节点
6.5.5 场景应用效果
6.5.6 实施过程遇到的典型问题及解决方法
6.5.7 实施效果
第7 章 低 代 码
7.1 低代码概述
7.1.1 低代码主要特征
7.1.2 低代码诞生背景介绍
7.1.3 低代码与无代码关系
7.1.4 国内外低代码现状
7.2 低代码技术赋能各行各业,纵深应用场景
7.2.1 低代码推动各行业信息化建设
7.2.2 低代码面向各行各业的通用场景
7.2.3 低代码创造不存在的创新场景
7.2.4 低代码在企业内的*佳定位
7.3 低代码较于外包开发与企业自研系统的应用优势
7.3.1 开发效果
7.3.2 人才发展价值
7.3.3 协作价值
7.3.4 创新价值
7.4 企业应用场景实践案例
7.4.1 首帆动力:紧密连接原有六大系统,打破数据孤岛,落地集团数字化转型
7.4.2 平安养老保险:降低系统建设技术门槛,为创新驱动发展战略提供新生产力
7.5 低代码市场持续增长,加速企业数字化转型进程
7.5.1 低代码的应用现状 7
7.5.2 低代码的未来展望
第2 篇 数字化转型架构及行业应用案例
第8 章 数字化转型参考体系架构
8.1 数字化转型的参考架构
8.1.1 数字化转型的认识与理解
8.1.2 数字化转型的总体框架
8.2 数字化转型的价值效益体系
8.2.1 数字化转型的出发点和落脚点是创新和重构价值体系
8.2.2 数字化转型价值效益分类
8.2.3 数字化转型价值效益的创造和传递
8.2.4 数字化转型价值效益的获取方式
8.3 数字化转型的能力体系建设
8.3.1 数字能力建设是数字化转型的核心路径
8.3.2 数字能力的六个主要视角
8.3.3 数字能力的识别、建设与运行
8.4 数字化转型的五大主要任务
8.4.1 数字化转型的核心要义是发展方式转变
8.4.2 数字化转型的五大主要任务
8.5 数字化转型的五个发展阶段
8.5.1 数字化转型发展阶段
8.5.2 规范级及其主要特征
8.5.3 场景级及其主要特征
8.5.4 领域级及其主要特征
8.5.5 平台级及其主要特征
8.5.6 生态级及其主要特征
第9 章 数据驱动的数字化战略
9.1 概述
9.1.1 背景与目标
9.1.2 相关概念解析
9.2 效果检验 4
9.2.1 创造业务价值
9.2.2 让战略可落地可执行
9.2.3 打造数据要素闭环价值生态
9.2.4 构建战略与执行的快速反馈体系
9.2.5 数据驱动的持续优化迭代
9.3 输出物
9.3.1 价值场景蓝图
9.3.2 数据资产蓝图
9.3.3 数字化技术蓝图
9.3.4 数字化转型路径蓝图
9.4 工作方法
9.4.1 数字化战略的七大关键动作
9.4.2 精益数字化战略制定方法
9.5 输入物
9.5.1 企业愿景和目标
9.5.2 企业业务现状
9.5.3 精益数字化工作坊
第10 章 架构思维与落地实践
10.1 论架构
10.1.1 应对复杂
10.1.2 干系人、视角与视图
10.1.3 什么是架构
10.1.4 架构与建筑
10.1.5 架构域
10.2 架构思维与架构设计
10.2.1 架构思维
10.2.2 架构设计
10.2.3 架构模式
10.2.4 架构文档
10.3 参考架构框架
10.3.1 参考架构
10.3.2 参考架构框架
10.3.3 几个重要的参考架构框架
10.4 TOGAF? 参考架构框架
10.4.1 TOGAF? 参考架构框架
10.4.2 TOGAF? 参考架构框架的构成
10.4.3 ADM 架构开发方法
10.4.4 TOGAF? 内容框架
10.4.5 架构能力框架
10.5 合理使用参考架构框架
10.5.1 一个多维度的企业变革
10.5.2 数字化转型的落地要素
10.5.3 企业需要自己的架构框架
10.5.4 企业核心能力建设
10.5.5 业务与数字化融合困境
10.5.6 融合性业务人才培养
第11 章 教育数字化
11.1 数字化对教育相关因素的影响
11.2 教育数字化转型的案例与启示
11.2.1 案例一 城市即校园的密涅瓦大学
11.2.2 案例二 圣托马斯大学的数字化转型
11.2.3 案例三 虚拟流动性——中国政法大学与德国科隆大学的线上学分课程项目
11.2.4 案例四 微学位——清华大学面向全球的逻辑学融合式课堂证书项目
11.2.5 案例五 教育元宇宙——莫尔豪斯学院以3D 数字化形态重建真实校园
11.2.6 案例六 价值教育——数字技术赋能同理心培养
11.2.7 案例七 基于虚实共生的船舶智能制造实训基地
11.3 教育数字化转型的底层逻辑
11.4 教育数字化转型面临的挑战
第12 章 数字政府及其路径研究
12.1 数字政府背景与内涵
12.1.1 数字政府的背景
12.1.2 数字政府的内涵
12.1.3 数字政府的地位
12.2 政府数字化转型架构
12.2.1 政府数字化转型方法论
12.2.2 数字政府的价值过程
12.3 转型的新型治理实现
12.3.1 政府治理的演化逻辑
12.3.2 数字时代的新型治理模式
12.3.3 不同治理层级数字政府的建设逻辑
12.4 北京市“接诉即办”数字政府建设案例
第3 篇 数据共同体
第13 章 数据共同体:数字化转型的蓝图、战略与能力建设
13.1 数据共同体的价值主张与战略
13.1.1 共同体理念
13.1.2 数据共同体的定义和架构
13.1.3 数据共同体的特点与本质
13.2 数据共同体的新型能力建设
13.2.1 新型能力建设是数字化转型的主线
13.2.2 新型能力的架构、特征与策略
13.2.3 数据共同体的五个新型能力域
第14 章 数据共同体的解决方案
14.1 数据驱动:解决方案原动力
14.1.1 数据要素的定义与分类
14.1.2 以数据为驱动要素的优势
14.1.3 日益形成的数字共识
14.2 组织变革:迈向“量子态”生存
14.2.1 探索中的数据共同体组织要素
14.2.2 量子态生存:理解数据时代的组织要素特征
14.2.3 数据驱动的组织创新与挑战
14.3 敏捷流程:价值链协同创新
14.3.1 业务链:全流程数据管理
14.3.2 引入新工具和新技术,实现敏捷流程
14.3.3 敏捷流程的架构与工具
14.4 平台技术:打造新型基础设施
14.4.1 数据共同体的技术需求与可行性分析
14.4.2 不断创新的技术要素
14.4.3 新型基础设施的实施策略与优势
第15 章 数据共同体的价值保障
15.1 数据共同体发展的阶段与价值保障
15.1.1 数据治理、数据运营和数字素养的理念
15.1.2 数据共同体发展的阶段
15.1.3 发展阶段与要素权重
15.2 数据运营——可持续的数据价值体系
15.2.1 数据治理与数据运营的关系
15.2.2 平台视角的数据共享模式
15.2.3 数字生态体系的设计与治理策略
15.3 数字素养——数字生态运营的关键
15.3.1 数字素养与数据共同体的互动关系
15.3.2 数字素养是数据共同体生态系统的价值保障
15.3.3 提升数字素养的途径
第16 章 数据共同体的应用、创新与发展
16.1 市场驱动的创新模式
16.1.1 数字化基础设施
16.1.2 数据自治
16.1.3 超互联经济
16.1.4 政产学研一体化 .
16.1.5 数据驱动的人工智能模式
16.2 场景应用与实践
16.2.1 城市治理数据共同体
16.2.2 能源工业数据共同体
16.2.3 医疗健康数据共同体
16.2.4 科研数据共同体——创新范式的基石
16.3 数据共同体的愿景与展望
16.3.1 会思考的芦苇
16.3.2 数据共同体的中国进程
丛书序一
丛书序二
前言
第1 篇 数字化技术应用
第1 章 知识图谱
1.1 什么是知识图谱
1.2 知识图谱技术体系
1.3 知识图谱模式设计
1.4 知识图谱构建技术
1.5 知识图谱存储技术
1.6 知识计算与知识推理
1.7 智能问答
1.8 认知推荐
1.9 汽车工业故障模式知识图谱及智能分析应用案例
1.9.1 应用背景
1.9.2 应用方法
1.9.3 技术方案
1.9.4 未来展望
第2 章 人工智能数据服务
2.1 人工智能概述
2.1.1 什么是人工智能
2.1.2 数据是人工智能的基石
2.1.3 人工智能数据行业发展
2.2 人工智能数据服务内容
2.2.1 相关定义
2.2.2 数据分类
2.2.3 数据集生产过程
2.2.4 数据质量控制
2.2.5 数据安全
2.2.6 数据服务内容
2.3 人工智能数据服务应用案例
2.3.1 语音识别模型训练
2.3.2 语音合成模型评测
2.3.3 人脸识别模型评测
2.3.4 自动驾驶场景的数据应用
2.3.5 大模型中的数据服务
2.4 未来发展趋势
2.4.1 数据对AI 发展的重要性更加凸显
2.4.2 AI 产业对数据服务的新需求
第3 章 数字孪生
3.1 全新世界展示——数字孪生可视化
3.1.1 数字孪生概念的提出和演进
3.1.2 数字孪生的实践层面的定义
3.1.3 数字孪生涉及的关键技术
3.1.4 数字孪生应用于各行各业
3.1.5 数字孪生发展的局限性
3.2 元宇宙与数字孪生的关联性与差异化
3.2.1 元宇宙概念
3.2.2 元宇宙和数字孪生的关联性
3.2.3 元宇宙和数字孪生的差异性
3.3 通往数字化转型之路——元宇宙
3.3.1 开创元宇宙发展时代
3.3.2 给领域内企业的启示
第4 章 数据治理
4.1 数据治理概述
4.1.1 背景知识
4.1.2 概念解析
4.1.3 实施要点
4.1.4 价值与挑战
4.2 典型数据治理理论框架
4.2.1 国际数据治理框架
4.2.2 国内数据治理框架
4.2.3 数据治理理论指导
4.3 数据治理体系实践
4.3.1 数据管理能力成熟度评估
4.3.2 数据治理体系规划
4.3.3 数据治理的保障体系建设
4.3.4 数据治理的成效
4.4 数据治理项目实践案例——某电信运营商源端数据治理
4.4.1 基于DCMM 开展数据管理现状分析
4.4.2 参考DAMA 开展数据治理体系规划
4.4.3 结合DAMA 开展数据治理保障体系建设
4.4.4 通过数据质量十步法开展专项治理
4.4.5 本项目价值收益
第5 章 数 据 中 台
5.1 数据中台起源与概念
5.1.1 数据中台的发展历程
5.1.2 解码数据中台
5.1.3 数据中台核心能力
5.2 数据中台架构
5.2.1 数据应用价值框架
5.2.2 数据中台架构
5.3 数据中台建设方法
5.3.1 数据中台建设方法论
5.3.2 数据中台建设成功要素
5.4 数据中台应用场景
5.4.1 应用场景现状及需求
5.4.2 政务数据中台应用案例
5.4.3 制造业数据中台应用案例
5.4.4 汽车数据中台应用案例
5.4.5 零售数据中台应用案例
5.5 数据中台发展趋势及人才需求
5.5.1 发展趋势
5.5.2 人才需求
第6 章 隐 私 计 算
6.1 国内外数据安全政策现状
6.2 隐私计算的背景与定义
6.3 隐私计算的技术路线与应用
6.3.1 多方安全计算
6.3.2 可信执行环境
6.3.3 联邦学习
6.3.4 隐私计算助力数据的安全流通与共享
6.4 隐私计算平台的搭建
6.5 隐私计算技术在普惠金融场景的探索与实践
6.5.1 应用需求
6.5.2 关键技术
6.5.3 场景落地方案架构
6.5.4 实施流程及关键节点
6.5.5 场景应用效果
6.5.6 实施过程遇到的典型问题及解决方法
6.5.7 实施效果
第7 章 低 代 码
7.1 低代码概述
7.1.1 低代码主要特征
7.1.2 低代码诞生背景介绍
7.1.3 低代码与无代码关系
7.1.4 国内外低代码现状
7.2 低代码技术赋能各行各业,纵深应用场景
7.2.1 低代码推动各行业信息化建设
7.2.2 低代码面向各行各业的通用场景
7.2.3 低代码创造不存在的创新场景
7.2.4 低代码在企业内的*佳定位
7.3 低代码较于外包开发与企业自研系统的应用优势
7.3.1 开发效果
7.3.2 人才发展价值
7.3.3 协作价值
7.3.4 创新价值
7.4 企业应用场景实践案例
7.4.1 首帆动力:紧密连接原有六大系统,打破数据孤岛,落地集团数字化转型
7.4.2 平安养老保险:降低系统建设技术门槛,为创新驱动发展战略提供新生产力
7.5 低代码市场持续增长,加速企业数字化转型进程
7.5.1 低代码的应用现状 7
7.5.2 低代码的未来展望
第2 篇 数字化转型架构及行业应用案例
第8 章 数字化转型参考体系架构
8.1 数字化转型的参考架构
8.1.1 数字化转型的认识与理解
8.1.2 数字化转型的总体框架
8.2 数字化转型的价值效益体系
8.2.1 数字化转型的出发点和落脚点是创新和重构价值体系
8.2.2 数字化转型价值效益分类
8.2.3 数字化转型价值效益的创造和传递
8.2.4 数字化转型价值效益的获取方式
8.3 数字化转型的能力体系建设
8.3.1 数字能力建设是数字化转型的核心路径
8.3.2 数字能力的六个主要视角
8.3.3 数字能力的识别、建设与运行
8.4 数字化转型的五大主要任务
8.4.1 数字化转型的核心要义是发展方式转变
8.4.2 数字化转型的五大主要任务
8.5 数字化转型的五个发展阶段
8.5.1 数字化转型发展阶段
8.5.2 规范级及其主要特征
8.5.3 场景级及其主要特征
8.5.4 领域级及其主要特征
8.5.5 平台级及其主要特征
8.5.6 生态级及其主要特征
第9 章 数据驱动的数字化战略
9.1 概述
9.1.1 背景与目标
9.1.2 相关概念解析
9.2 效果检验 4
9.2.1 创造业务价值
9.2.2 让战略可落地可执行
9.2.3 打造数据要素闭环价值生态
9.2.4 构建战略与执行的快速反馈体系
9.2.5 数据驱动的持续优化迭代
9.3 输出物
9.3.1 价值场景蓝图
9.3.2 数据资产蓝图
9.3.3 数字化技术蓝图
9.3.4 数字化转型路径蓝图
9.4 工作方法
9.4.1 数字化战略的七大关键动作
9.4.2 精益数字化战略制定方法
9.5 输入物
9.5.1 企业愿景和目标
9.5.2 企业业务现状
9.5.3 精益数字化工作坊
第10 章 架构思维与落地实践
10.1 论架构
10.1.1 应对复杂
10.1.2 干系人、视角与视图
10.1.3 什么是架构
10.1.4 架构与建筑
10.1.5 架构域
10.2 架构思维与架构设计
10.2.1 架构思维
10.2.2 架构设计
10.2.3 架构模式
10.2.4 架构文档
10.3 参考架构框架
10.3.1 参考架构
10.3.2 参考架构框架
10.3.3 几个重要的参考架构框架
10.4 TOGAF? 参考架构框架
10.4.1 TOGAF? 参考架构框架
10.4.2 TOGAF? 参考架构框架的构成
10.4.3 ADM 架构开发方法
10.4.4 TOGAF? 内容框架
10.4.5 架构能力框架
10.5 合理使用参考架构框架
10.5.1 一个多维度的企业变革
10.5.2 数字化转型的落地要素
10.5.3 企业需要自己的架构框架
10.5.4 企业核心能力建设
10.5.5 业务与数字化融合困境
10.5.6 融合性业务人才培养
第11 章 教育数字化
11.1 数字化对教育相关因素的影响
11.2 教育数字化转型的案例与启示
11.2.1 案例一 城市即校园的密涅瓦大学
11.2.2 案例二 圣托马斯大学的数字化转型
11.2.3 案例三 虚拟流动性——中国政法大学与德国科隆大学的线上学分课程项目
11.2.4 案例四 微学位——清华大学面向全球的逻辑学融合式课堂证书项目
11.2.5 案例五 教育元宇宙——莫尔豪斯学院以3D 数字化形态重建真实校园
11.2.6 案例六 价值教育——数字技术赋能同理心培养
11.2.7 案例七 基于虚实共生的船舶智能制造实训基地
11.3 教育数字化转型的底层逻辑
11.4 教育数字化转型面临的挑战
第12 章 数字政府及其路径研究
12.1 数字政府背景与内涵
12.1.1 数字政府的背景
12.1.2 数字政府的内涵
12.1.3 数字政府的地位
12.2 政府数字化转型架构
12.2.1 政府数字化转型方法论
12.2.2 数字政府的价值过程
12.3 转型的新型治理实现
12.3.1 政府治理的演化逻辑
12.3.2 数字时代的新型治理模式
12.3.3 不同治理层级数字政府的建设逻辑
12.4 北京市“接诉即办”数字政府建设案例
第3 篇 数据共同体
第13 章 数据共同体:数字化转型的蓝图、战略与能力建设
13.1 数据共同体的价值主张与战略
13.1.1 共同体理念
13.1.2 数据共同体的定义和架构
13.1.3 数据共同体的特点与本质
13.2 数据共同体的新型能力建设
13.2.1 新型能力建设是数字化转型的主线
13.2.2 新型能力的架构、特征与策略
13.2.3 数据共同体的五个新型能力域
第14 章 数据共同体的解决方案
14.1 数据驱动:解决方案原动力
14.1.1 数据要素的定义与分类
14.1.2 以数据为驱动要素的优势
14.1.3 日益形成的数字共识
14.2 组织变革:迈向“量子态”生存
14.2.1 探索中的数据共同体组织要素
14.2.2 量子态生存:理解数据时代的组织要素特征
14.2.3 数据驱动的组织创新与挑战
14.3 敏捷流程:价值链协同创新
14.3.1 业务链:全流程数据管理
14.3.2 引入新工具和新技术,实现敏捷流程
14.3.3 敏捷流程的架构与工具
14.4 平台技术:打造新型基础设施
14.4.1 数据共同体的技术需求与可行性分析
14.4.2 不断创新的技术要素
14.4.3 新型基础设施的实施策略与优势
第15 章 数据共同体的价值保障
15.1 数据共同体发展的阶段与价值保障
15.1.1 数据治理、数据运营和数字素养的理念
15.1.2 数据共同体发展的阶段
15.1.3 发展阶段与要素权重
15.2 数据运营——可持续的数据价值体系
15.2.1 数据治理与数据运营的关系
15.2.2 平台视角的数据共享模式
15.2.3 数字生态体系的设计与治理策略
15.3 数字素养——数字生态运营的关键
15.3.1 数字素养与数据共同体的互动关系
15.3.2 数字素养是数据共同体生态系统的价值保障
15.3.3 提升数字素养的途径
第16 章 数据共同体的应用、创新与发展
16.1 市场驱动的创新模式
16.1.1 数字化基础设施
16.1.2 数据自治
16.1.3 超互联经济
16.1.4 政产学研一体化 .
16.1.5 数据驱动的人工智能模式
16.2 场景应用与实践
16.2.1 城市治理数据共同体
16.2.2 能源工业数据共同体
16.2.3 医疗健康数据共同体
16.2.4 科研数据共同体——创新范式的基石
16.3 数据共同体的愿景与展望
16.3.1 会思考的芦苇
16.3.2 数据共同体的中国进程
数字产业化 体系、技术与落地实践 作者简介
国家工业信息安全发展研究中心(工业和信息化部电子第一研究所)成立于1959年，是工业和信息化部直属事业单位，是我国工业信息安全领域重要的服务保障机构。经过60多年的发展与积淀，牵头或参与承担了上百项国家重点研发计划、工业转型升级专项、制造业高质量发展专项、基础科研重大工程等重大专项，以加快推进新型工业化为主线，围绕强化对部支撑保障、服务行业企业发展两项使命任务，聚焦工业信息安全、关键软件、制造业数字化转型三个重点领域，持续提升安全保障、转型服务、生态促进、决策支撑四种核心能力，加快建设一流的国家工业信息安全服务保障机构，为服务产业科技高水平安全、护航新型工业化高质量发展作出新的更大贡献。 清华大学社会科学学院数据治理研究中心成立于2015年5月，中心作为国内最早发起的融合数据科学与社会科学、聚焦政务大数据分析的研究机构，依托国内高校资源，整合社科、商科与工科优势，聚焦社会热点与科研难点，与政府、企业、高校多向合作，打通政产学研用一体化链条，创新教学科研模式。研究团队先后获得多项国家社科基金重大项目与国家自科基金项目，以及中央部委和地方政府委托的多项重点科研项目，有力地支撑了多个省市的数字政府建设和智能社会治理体系搭建，相关研究成果多次获得党和国家领导人、省部级领导批示。2021年又以数据治理研究中心为主要依托之一，建立了清华大学计算社会科学与国家治理实验室，获得首批哲学社会科学实验室系列的冠名。
