以公有制为主体、多种所有。
当前，数字经济作为继农业经济、工业经济之后的新经济形态的出现，以及互联网的快速发展，不断为我们的生活生产提供了便利的连接方式，也带来了丰富的数据资源。
作为前沿高新技术的大数据、物联网则正在驱动智能化发展和智能时代的来临。新一代人工智能的兴起和发展，将使人类步入智能时代。人工智能核心的要素包括数据、算法和芯片。大数据驱动知识学习人机协同，增强智能群体集成、智能自主制造系统成为人工智能的发展重点。大数据物联网等技术的发展正在驱动信息技术产业格局发生重大的改变，同时也为我国提供了难得的赶超机遇。
在今天的“山西阳泉大数据及智能物联网产业发展大会”上，工信部信软司副司长李冠宇表示，在国家政策的推动和各界的共同努力下，我国的大数据产业发展迅速，呈现出五大特点：
我国大数据产业发展迅猛 呈现五大特点
一是顶层设计不断加强，政策机制日益健全。发改委工信部网信办等46个部委共同建立了促进大数据发展部际联席会议制度，全国有30多个省市制定实施了大数据相关的政策文件。
第二方面是关键的技术领域不断取得突破，创新能力显著增强。大数据的软硬件自主研发的实力快速提升一大批大数据的技术和平台处理能力也开始跻身世界的前列。
三是行业应用逐渐深入，对经济发展的带动作用凸显。包括在电信、互联网、交通、金融、工业、农业、医疗等行业的应用不断深化，大大改善了人们的生产生活方式。
四是区域布局持续优化，产业规模不断壮大。全国推进建设了八个国家大数据综合试验区，开展大数据方面的实践探索，形成了一批集聚发展区。
第五是产业发展环境日益完善。大数据的基础设施法律法规标准体系安全保障能力，包括产业生态人才队伍都在不断的加强。
总体来说，我国大数据产业正在步入快速发展时期，为提升政府治理能力，优化公共民生服务促进经济转型和创新发展作出了积极贡献，成为推动经济社会发展的新动能。
李冠宇指出，工信部认真贯彻党中央国务院的决策部署，为着力推动大数据产业发展，今年年初颁布了大数据产业发展规划。“2016到2020规划发布以后，统筹推进规划的宣贯，落实技术产品的研发标准的研制应用产业的生态建设等方面的工作。下一步，还将继续推动大数据物联网相关政策的落实，促进各领域的深刻应用和产业发展。”
很多初学者，对大数据分析的概念都是模糊不清的，大数据分析是什么，能做什么，学的时候，该按照什么线路去学习，学完往哪方面发展，很多人对于大数据分析师的印象就是坐在办公室对着电脑噼里啪啦的敲键盘，跟程序员差不多，这种想法是错误的，其实大数据分析师是一个很高大上的职业，大数据分析师通过获取必要的数据，分析这些数据，然后从数据中发现一些问题提出自己的想法，这就是一个大数据分析师的基本工作内容。
大数据工程师工作内容取决于你工作在数据流的哪一个环节。从数据上游到数据下游，大致可以分为：
数据采集 -> 数据清洗 -> 数据存储 -> 数据分析统计 -> 数据可视化 等几个方面
大数据分析工作内容当然就是使用工具组件(Spark、Flume、Kafka等)或者代码(Java、Scala等)来实现上面几个方面的功能。具体说说如下：
一、数据采集
业务系统的埋点代码时刻会产生一些分散的原始日志，可以用Flume监控接收这些分散的日志，实现分散日志的聚合，即采集。
二、数据清洗
原始的日志，数据是千奇百怪的
一些字段可能会有异常取值，即脏数据。为了保证数据下游的"数据分析统计"能拿到比较高质量的数据，需要对这些记录进行过滤或者字段数据回填。
一些日志的字段信息可能是多余的，下游不需要使用到这些字段做分析，同时也为了节省存储开销，需要删除这些多余的字段信息。
一些日志的字段信息可能包含用户敏感信息，需要做脱敏处理。如用户姓名只保留姓，名字用'*'字符替换。
三、数据存储
清洗后的数据可以落地入到数据仓库(Hive)，供下游做离线分析。如果下游的"数据分析统计"对实时性要求比较高，则可以把日志记录入到kafka。
四、大数据分析统计
大数据分析是数据流的下游，消费来自上游的数据。其实就是从日志记录里头统计出各种各样的报表数据，简单的报表统计可以用sql在kylin或者hive统计，复杂的报表就需要在代码层面用Spark、Storm做统计分析。一些公司好像会有个叫BI的岗位是专门做这一块的。
五、数据可视化
用数据表格、数据图等直观的形式展示上游"大数据分析统计"的数据。一般公司的某些决策会参考这些图表里头的数据。当然，大数据平台(如CDH、FusionInsight等)搭建与维护，也可能是大数据工程师工作内容的一部分。
大数据分析师工作的流程简单分为两部分，第一部分就是获取数据，第二部分就是对数据进行处理。那么怎么获得数据呢?首先，我们要知道，获取相关的数据，是数据分析的前提。每个企业，都有自己的一套存储机制。因此，基础的SQL语言是必须的。具备基本SQL基础，再学习下其中细节的语法，基本就可以到很多数据了。当每个需求明确以后，都要根据需要，把相关的数据获取到，做基础数据。
获得了数据以后，才能够进行数据处理工作。获取数据，把数据处理成自己想要的东西，是一个关键点。很多时候，有了数据不是完成，而是分析的开始。大数据分析师最重要的工作就是把数据根据需求处理好，只有数据跟需求结合起来，才能发挥数据的价值，看到需求的问题和本质所在。如果连数据都没处理好，何谈从数据中发现问题呢?
就目前而言，大数据分析日益成为研究行业的重要研究目标。面对其高数据量、多维度与异构化的特点，以及分析方法思路的扩展，传统统计工具已经难以应对。所以我们要使用专业的大数据分析工具。大数据分析工具都有Excel、SPSS、SAS等工具。Excel、SPSS、SAS 这三者对于大数据分析师来说并不陌生。但是这三种大数据分析工具应对的数据分析的场景并不是相同的，一般来说，SPSS 轻量、易于使用，但功能相对较少，适合常规基本统计分析。而SPSS和SAS作为商业统计软件，提供研究常用的经典统计分析处理。由于SAS 功能丰富而强大，且支持编程扩展其分析能力，适合复杂与高要求的统计性分析。
以上的内容就是小编为大家讲解的大数据分析师的工作内容了，大数据分析师的工作是比较繁琐的，但是也是比较高大上的。大家在了解大数据分析工作内容的时候可以参考这篇文章，这样可以更好的理解大数据分析行业，最后感谢大家的阅读。
相关推荐：
《大数据分析师工作内容》、《转行大数据分析师后悔了》、《零基础学大数据分析现实吗》、《大数据分析要学什么》、《大数据分析方法》、《浅析大数据分析技术》、《大数据分析流程是什么》、《大数据分析十八般工具》、《大数据分析12大就业方向》、《剖析大数据分析就业前景》、《大数据分析是什么》、《大数据分析培训课程大纲》、《大数据分析培训课程内容有哪些》