第三節　貴州交通大數據人才團隊建設

交通大數據在實際應用過程中，很難由一個人或一類人去完成所有的工作。人才團隊建設是為了集結眾多具有不同特長和結構組合的人去解決和完成重大、復雜的任務。人才團隊是一定數量的在知識、技能、能力、性格等方面互補的成員為了實現共同目標、完成共同工作任務、承擔共同責任而相互協調、配合、合作所組成的正式群體。這個界定包含以下幾個含義：第一，團隊具有共同目標。團隊的產生基于共同任務、實現共同目標，團隊的工作是為了完成共同任務、實現共同目標。第二，團隊核心成員不多。由于需要高頻度的相互溝通和交往，團隊的核心成員數量不宜過多，以3～11個為宜。核心成員過多會造成溝通不足、溝通困難等弊端。第三，團隊成員是互補的。團隊成員在知識、技能、能力，甚至性格等方面存在一定的互補性。“互補”是團隊成員凝聚在一起形成合力，既分工又合作，產生集體績效，形成“1+1>2”的增值效益。互補性越強，凝聚為團隊的可能性就越大。第四，團隊相互協調配合。團隊是一個積極向上、互相影響的群體。每個成員為了實現團隊的目標而協調配合，共同分享成功的喜悅，也共同承擔失敗的責任。第五，團隊屬于正式群體。團隊成員間有著廣泛的溝通交往，團隊有著相對穩定的內部結構、共同目標、共同責任等，是一個正式群體。

根據貴州交通大數據的使用流程，把貴州交通運輸大數據人才團隊劃分為交通大數據采集存儲人才團隊、交通大數據分析與挖掘人才團隊、交通大數據應用人才團隊、交通大數據安全人才團隊、交通大數據管理人才團隊五大種類，如圖2-7所示，本節將介紹各類別團隊構成和團隊建設層次、水平。

一、貴州交通大數據采集存儲人才團隊建設

貴州交通大數據采集存儲人才團隊是由大數據采集人才和大數據存儲人才兩種人才構成的團隊。數據采集與數據存儲是個兩個不可分離的工作，采集到的大量數據要方便、快速、安全地存儲，才能為后續的數據分析挖掘及數據管理工作奠定基礎。貴州交通大數據采集存儲人才團隊是具備共同目標、技能互補、分工協作、有效領導、良好溝通的高績效群體。要求團隊成員在平等、獨立的基礎上提出自己的想法，并通過與別人交流形成創見，最終使團隊績效高于個人績效之和。貴州交通大數據采集存儲人才團隊是由系統日志采集人才、網絡數據采集人才、數據庫采集人才、數據存儲工程師、數據存儲運維工程師構成的。團隊成員是根據具體負責的工作任務來劃分的，其中系統日志采集人才、網絡數據采集人才、數據庫采集人才是大數據采集人才，數據存儲工程師、數據存儲運維工程師屬于大數據存儲人才。貴州交通大數據采集存儲人才團隊需要對各類交通大數據進行實時、及時、安全、可靠的采集和持久的存儲，同時做好數據備份管理工作。具體需要完成的工作任務如下：

大數據采集也稱為大數據獲取，數據獲取可分為數據采集和數據傳輸。首先，由于數據來自不同的數據源，如包含式文本、圖像和視頻的網站數據，數據采集是指從特定數據生產環境獲得原始數據的專用數據采集技術。其次，數據采集完成后，需要通過高速的數據傳輸機制將數據傳輸到合適的存儲系統，供不同類型的分析應用使用。交通大數據的來源廣泛，不僅包括車輛信息、道路監控視頻信息、路網信息等，還包括卡口、收費站、氣象臺等信息，來自不同方面的大數據，其特點、數據量以及用戶數目不同。按照結構特點，可劃分為3種類型：結構化數據、半結構化數據以及非結構化數據。大數據采集的挑戰是并發數據量高、流式數據速度快。數據來源不同，數據采集方式以及工具也有所不同。對于業務系統產生的網絡數據，系統日志采集人才可以用Hadoop的Chukwa、Cloudera的Fume、Facebook的Scribe、Linkedin的Kafka等進行日志采集。網絡數據采集人才可用網絡爬蟲或網站公開API（Application Programming Interface，應用程序編程接口）等方式進行網絡數據采集。其中，對于直接開放數據庫接口的平臺采用數據庫直接采集的方式；對于開放程序接口的平臺利用其API進行數據獲取；對于無開發接口的平臺則需進行網絡爬蟲技術、網頁抓取策略及網頁分析算法的研究。此外，交通運輸領域還涉及大量物聯網數據，數據采集人才可以采用用于數據感知的MEMS傳感器、纖傳感器、無線傳感器等獲取數據。

大數據存儲是把獲取到的信息以適當的格式存檔以待分析和價值提取。當前大數據存儲技術的研究重點有：針對結構化的大數據進行MPP架構的新型數據庫集群研究；針對非結構化、半結構化大數據進行分層存儲管理機制的研究，以及分布文件系統、Hadoop技術的研究等。大數據的存儲中，當數據量超過輕型數據庫的存儲能力時，則需要借助大型分布式數據庫或存儲集群平臺，且隨著互聯網技術和云計算技術的發展，建立在分布式存儲基礎上的云存儲已經成為大數據存儲的首要趨勢。針對某一類型的大數據進行存儲的數據存儲技術有三類：第一類是存儲海量非結構化數據的分布式文件系統，比較有代表性的是Google的GFS和Hadoop開源的HDFS（Hadoop Distributed File System）。第二類是存儲海量無模式的半結構化數據的NoSQL數據庫，當前主要有四種類型的NoSQL數據庫：鍵值（Key-Value）存儲數據庫、列存儲數據庫、文檔型數據庫、圖形數據庫。第三類是存儲海量結構化數據的分布式并行數據庫系統，Greenplum是基于PostgreSQL開發的一款海量并行處理架構的、無共享的分布式并行數據庫系統。此外，還有支持結構化數據、半結構化數據、非結構化數據等各種類型的數據統一存儲的數據存儲技術——云存儲，它可以按需提供易管理、高可擴展、高性價比的存儲資源。根據存儲的數據類型不同和應用需求不同，云存儲系統可以分為基于塊存儲、基于文件存儲、基于對象存儲以及基于表存儲四種類型。

二、貴州交通大數據分析與挖掘人才團隊建設

貴州交通大數據分析與挖掘人才團隊主要負責大數據使用生命周期中最關鍵、最重要、價值最大的一個環節——數據分析與挖掘。貴州交通大數據分析與挖掘人才團隊是由數據質量管理員、數據分析師助理、數據分析師以及數據科學家構成的工作群體。數據分析挖掘是一項系統化、流程化、科學化的工程。人才團隊要構建從數據整合、分析挖掘、支持決策到科學預測的循環迭代、持續優化的流程體系，實現分析挖掘流程化、專業化和規范化。貴州交通大數據分析與挖掘人才團隊是能夠利用先進的技術和豐富的知識對采集到的交通大數據進行數據價值分析與挖掘，進而解決行業現實問題的高水平團隊。

大數據分析與挖掘是大數據生命周期中最重要的一個環節，也是最有意義和價值的一個環節。大數據分析是指把海量類型多樣、增長快速、內容真實的數據（即大數據）變成人們想要的、對人們有用的信息的過程。大數據挖掘則是在數據分析的基礎上，把信息變成認知的過程，即從數據中認出未知的相關關系、可以幫助決策和預測的隱藏模式以及其他有用信息的過程。數據分析是數據挖掘的基礎，數據挖掘是深度的數據分析，兩者的側重點各有不同，但只有把數據分析與數據挖掘結合起來，才能更好地發現數據價值，發揮大數據作用。因此，大數據分析與挖掘是根據數據生成機制，在對數據進行廣泛的采集與存儲的基礎上，對數據進行轉換、清洗、拆分、匯總、加載等一系列處理，以大數據分析模型為依據，在集成化大數據分析平臺的支撐下，運用相關分析技術挖掘出大數據背后的模式或規律的數據分析過程。

大數據分析與挖掘主要包括數據預處理、數據質量管理、數據分析以及數據挖掘四個流程。根據工作流程，貴州交通大數據分析與挖掘人才團隊的工作任務描述如下：

數據分析師助理主要負責數據預處理工作。數據預處理是針對海量數據中不完整或缺失數據進行數據“清理”，或者對數據進行各類轉換、清洗、拆分、匯總、加載等，提高數據的質量，便于數據的處理、分析。通過數據預處理對獲取的原始數據進行初步的整理，消除原始數據中不利于數據挖掘和信息提取的因素；通過對原始數據的整理，為數據的挖掘及知識的發現提供準確、可靠的數據源。

數據質量管理員主要負責數據質量管理。數據質量管理（Data Quality Management）是指對數據在計劃、獲取、存儲、共享、維護、應用、消亡生命周期的每個階段可能引發的各類數據質量問題，進行識別、度量、監控、預警等一系列管理活動，并通過改善和提高組織的管理水平使數據質量獲得進一步提高。數據質量管理員需要在數據的采集、整理、傳輸、存儲和使用的全生命周期，保證數據的完整性、規范性、一致性、準確性、唯一性和關聯性，保證數據中的信息量，提高數據的可用性以及最終分析結果的可信性。由于數據質量的高低直接影響后續數據分析和數據挖掘工作結果的正確性和準確性，故數據質量管理是數據分析挖掘過程中必不可少的一個環節，數據質量管理員也成為了數據分析挖掘團隊中質量把控的關鍵人物。

數據分析師主要負責進行結合交通大數據業務需求的大數據統計、分析工作。數據分析師通過分類、聚類、關聯分析等技術對交通業務大數據進行分析。按照處理的時間特性，數據分析師的工作可以分為離線計算、批量計算、內存計算和流計算等不同類型。在數據分析中，經常需要對數據進行分類。大數據分類所采用的算法包括臨近算法、SVM支持向量機、Boost樹分類、貝葉斯分類、神經網絡、隨機森林分類等，分類算法中可以融合模糊理論以提高分類性能。聚類可以理解為無監督的分類，主要使用K-Means等算法。關聯分析是數據分析的主要方法之一，主要基于支持度和置信度挖掘對象之間的關聯關系，基本算法包括Apriori和FP-Grrowth等算法。為了適應大數據的特點，Mahout使用并行計算復雜數據挖掘算法，大大減少了計算時延。

數據科學家則是對數據分析的結果進行加工、升華的人。數據科學家需要掌握TPFP-tree、BTP tree、CARM算法、ARMH算法、基于Hadoop MapReduce框架的RIPPER算法等分布式大數據挖掘算法和PIC算法、基于MapReduce模型和云計算的序列模式挖掘算法（SPAMC）等可擴展的大數據挖掘算法來進行數據挖掘工作。其中，分布式數據挖掘的實現必須有效結合Hadoop MapReduce框架以及云服務，才能更有效地解決分布式數據挖掘問題。數據分析僅以數據為中心進行處理，得到的結果不易被理解且不一定匹配研究目的，可能會得到無用甚至表面上相反的結果。因此，需要數據科學家的參與，以數據挖掘目的為指導，對結果進行過濾和提純，將結果轉化為人能理解的語義形式，做出科學的決策和合理的預測，實現數據挖掘的目標。

三、貴州交通大數據應用人才團隊建設

貴州交通大數據應用人才團隊是由交通大數據產品應用人才和交通大數據服務應用人才構成的應用型高績效團隊。貴州交通大數據應用人才團隊是能夠把有價值的交通大數據應用于社會生產實踐，為現代綜合交通運輸行業以及社會創造經濟效益和社會效益的應用型人才群體。貴州交通大數據應用人才團隊的要求是具有創新性、前瞻性、應用性、智慧性和經濟性的能夠將大數據產品與服務進行產業化及商業化的人才團隊。大數據在現代綜合交通運輸業中的應用包括數據標準化建設、城市規劃、城市建設、智慧出行、城市應急處置、城市交通綜合管控、高速公路運行管控、智能公交應急指揮、軌道交通運行管控、智慧航空運維管控、智慧港口運維管控、無人駕駛等。交通大數據產品應用主要是指研究、設計、開發與現代綜合交通運輸業有關的大數據產品，如車來了APP、交通大數據應用重大工程、交通大數據云工程建設等。交通大數據服務應用則是大數據技術在現代交通運輸行業中的實際應用，在宏觀層面能為綜合交通運輸體系的“規、設、建、管、運、養”等提供支撐；在微觀層面能夠指導優化區域交通組織，如優化交通信號、交通誘導、路況融合、規范停車場管理等。交通大數據服務應用還體現在智慧城市建設、無人駕駛等領域。

貴州交通大數據應用人才團隊需要著重關注以下幾個應用方面：

第一，交通大數據與交通信息服務產業化。交通大數據應用的一個重要方向是支撐交通信息服務的產業化長久發展。以開放、合作為原則，面向政府、企業、公眾不同層面提供具有公益性或增值價值的數據和應用服務的新模式，形成“交通大數據魔方”，支撐交通大數據二次開發和產業化發展。這意味著將會有三個方面的創新，即數據集成服務模式創新、應用集成服務模式創新，以及交通大數據平臺運營模式創新。交通大數據運營模式，指政府與掌握全國性交通信息服務數據的行業領先企業共同進行運營管理的創新模式，期待形成面向社會提供公益性全方位的公眾信息服務、面向企業提供增值的數據資源，以及分享數據融合成果的開放平臺，也就是所謂的“大數據魔方”。

第二，交通大數據與綜合交通運輸體系。綜合交通運輸涉及“衣、食、住、行”中的“行”，由交通基礎設施、交通工具等按照一定的規則移動來完成。交通大數據在綜合交通運輸體系中主要應用于以下三個方面：一是為管理者制定科學決策方案提供支持。交通大數據的開發與應用，可以為行業管理者制定綜合交通運輸體系的“規、設、建、管、運、養”全生命周期的科學決策提供支撐。交通大數據有利于提升交通運輸體系的整體信息化水平，實現各種運輸方式之間的互聯互通，有利于管理者制定各種運輸方式之間的銜接方案，提升交通運輸服務水平。通過對歷史運營數據的分析，系統能夠識別出交通運輸網絡存在安全隱患的點和區域，有利于管理者制定有針對性的改善措施，提高綜合交通運輸體系的運營安全。二是為出行者確定出行路線、選擇出行方式提供支持。交通大數據的開發與利用使各種運輸方式之間實現互聯互通，而且數據實時更新。出行者在出行前即可在客戶端完成出行時間、出行線路、出行方式運行情況的規劃，減少行程延誤，為出行者提供全方位、個性化、立體化的出行服務。三是對環境保護規劃及政策的制定提供支撐。交通大數據的開發利用有利于行業主管部門及時掌握各種交通方式在運行過程中對環境的影響，并結合歷史數據，明確各種交通方式對環境的“貢獻率”，為環境主管部門制定科學合理的環境保護規劃及政策、減少環境污染與環境破壞提供支撐。

第三，交通大數據與智慧城市。交通信息化的發展借助信息技術、交通大數據的廣泛應用，將實現以信息化為紐帶的人（出行者）、車（出行設備）、路（出行設施）協同目標，形成龐大的產業鏈，成為國家戰略性新興產業。利用交通大數據，可以支持交通政策和管理的精細化決策，輔助交通設施規劃和建設，實現更科學、優化的設計，實現基于智能車輛和道路技術的智能化交通協同，提高各種客貨運服務和展示公眾出行全過程交通信息的便捷、安全和個性化的服務。作為智慧城市的重要一環，交通大數據的建設在導入其他行業數據的同時也為其他行業提供交通數據服務，打通城市運行的核心環節，從而全面支撐智慧城市的建設與發展。

第四，交通大數據與交通事故分析與處理。隨著交通行業信息化水平的發展，各地行業管理部門建立了駕駛員信息系統、車輛管理系統、道路交通事故分析系統，并實現了各個系統的兼容與互通。通過對歷年交通事故數據的統計分析，一方面可以借助事故黑點模型，識別出事故多發道路與事故黑點路段，挖掘事故產生的原因，便于道路管理部門有針對出性地制定交通安全改善對策；另一方面結合道路交通運行情況及交通量發展趨勢，預測道路交通安全發展形勢，為道路交通安全預警系統建設提供支撐。

第五，交通大數據與數據安全。交通大數據在采集、存儲、分析、應用等各個方面都存在安全問題，而且數據安全問題是影響數據質量、數據分析結果的重要因素。因此，不僅要關注交通大數據的發展方向和發展形勢，而且要解決交通大數據的來源、安全、儲存及使用效率，充分發揮交通大數據價值。

四、貴州交通大數據安全人才團隊建設

盡管大數據發展比較迅速和火熱，但是仍然面臨著許多問題，安全與隱私問題是人們公認的關鍵問題之一。事實上，大數據安全含義十分廣泛，大數據安全問題并不僅限于個人隱私泄露。與其他信息一樣，大數據在存儲、處理、傳輸、應用等過程中面臨諸多安全風險，具有數據安全與隱私保護需求。行業大數據也不可避免地存在同樣的問題，交通大數據更不例外，交通大數據在成為競爭和發展新焦點的同時，不僅帶來了新機遇，而且帶來了更多安全風險。具體表現在以下幾個方面：

第一，交通大數據成為網絡攻擊的顯著目標。一方面，交通大數據不僅意味著海量的數據，也意味著更復雜、更敏感的數據，這些數據會吸引更多的潛在攻擊者，成為更具吸引力的目標。另一方面，數據的大量聚集，使黑客一次成功的攻擊能夠獲得更多的數據，無形中降低了黑客的進攻成本，增加了“收益率”。

第二，交通大數據加大了隱私泄露風險。交通大數據的數據來源十分廣泛，如傳感器、車輛信息等，還包括卡口、收費站、氣象臺信息，大量數據的聚集不可避免地加大了用戶隱私泄露的風險。一方面，數據大量匯集，包括大量的道路監控視頻信息、路網信息、個人的隱私和各種行為的細節記錄。這些數據的集中存儲增加了數據泄露風險，而這些數據不被濫用，也成為個人隱私和人身安全的一部分。另一方面，一些敏感數據的所有權和使用權并沒有明確的界定，很多基于大數據的分析都未考慮到其中涉及的個體隱私問題。

第三，交通大數據對現有的存儲和安防措施提出挑戰。交通數據大量聚集的后果是復雜多樣的數據存儲在一起，如個人用戶數據、卡口數據和收費站數據存儲在一起，可能會出現數據存放混亂的情況，造成數據管理不規范。大數據的大小影響到安全控制措施能否正確運行。對于海量數據，常規的安全掃描手段需要耗費過多的時間，已經無法滿足安全需求。安全防護手段的更新升級速度無法跟上數據量非線性增長的步伐，大數據安全防護存在漏洞。

第四，交通大數據技術也被應用到攻擊手段中。當交通大數據分析人才利用數據挖掘和數據分析等大數據技術獲取數據價值的同時，黑客也正在利用這些大數據技術發起攻擊。大數據分析讓黑客的攻擊更精準。此外，大數據為黑客發起攻擊提供了更多機會。黑客利用大數據發起僵尸網絡攻擊，可能會同時控制上百萬臺傀儡機發起攻擊，這個數量級是傳統單點攻擊無法達到的。

第五，交通大數據成為高級可持續攻擊的載體。黑客利用大數據將攻擊很好地隱藏起來，使傳統的防護策略難以檢測出來。高級可持續攻擊（APT）是無法被實時檢測出明顯特征的持續攻擊的過程。同時，APT攻擊代碼隱藏在大量數據中，很難被發現。此外，大數據價值的低密度性，讓安全分析工具很難聚焦在價值點上，黑客可以將攻擊隱藏在大數據中，這給交通大數據安全人才提出了難題。

面臨如此多的安全問題，大數據安全的重要性毋庸置疑地凸顯出來，貴州交通大數據人才團隊除包括交通大數據基礎架構人才團隊、交通大數據采集存儲人才團隊、交通大數據分析與挖掘人才團隊、交通大數據管理人才團隊、交通大數據應用人才團隊之外，交通大數據安全人才團隊也是必不可少的。貴州交通大數據安全人才團隊主要負責交通大數據采集、數據傳輸、數據遷移、數據存儲、數據審計等方面的數據安全問題，是一個具有保障大數據使用生命周期中的數據安全、數據容災備份意識和準備的技術型、可靠型團隊。貴州交通大數據安全人才團隊是由交通大數據安全防護人員、交通大數據安全管理人員、交通大數據安全測評人員組成的技術型、高水平工作群體。

交通大數據安全防護人員主要針對涉及大數據網絡環境安全、主機環境安全、應用環境安全的防護，上述三類防護也是保障大數據安全服務的關鍵手段。為有效地對大數據安全環境進行評估，需要大數據安全防護人員利用信息安全的逆向分析和滲透測試技術，并結合威脅識別技術和脆弱性識別技術來對大數據的網絡環境、主機環境、應用環境進行綜合分析，從而識別復雜大數據環境下的安全風險。

交通大數據安全管理人員是對不同安全級別的大數據資源確立等級保護的人。確立等級保護是對大數據資源進行保護的起始工作和有效且重要的手段。不同的大數據資源或不同的大數據環境，所采取的保護級別和手段不同。為此，交通大數據安全管理員應該具備等級保護劃分能力和不同數據安全等級的保護技術。交通大數據安全管理員可以將大數據按照安全保密程度進行分類和分級，針對不同保密級別的數據，采用不同的大數據備份策略。同時按照國家信息安全等級保護標準，采用相應的保護技術與策略，形成基于分級的大數據等級保護體系。交通大數據安全管理員可以利用信息安全、網絡工程等理論知識來解決大數據安全防御保護的實際問題。

交通大數據安全測評人員主要是在復雜多變的大數據環境下，對各類安全資源進行綜合測試和評估。為有效地對大數據安全資源進行測評，需要大數據安全測評人員從數據的存儲、數據傳輸的加解密、數據資源的訪問控制、安全域身份認證、數據虛擬化和數據審計等角度來對各類安全資源進行測評。大數據安全測評著重于大數據資產價值評估、業務應用評估、安全需求評測、安全威脅評估等方面。

五、貴州交通大數據管理人才團隊建設

大數據是把雙刃劍，需要進行正確管理與運用。一方面，大數據是人們獲得新的認知、創造新的價值的源泉，也是改變市場、組織機構以及政府與公民關系的重要路徑；另一方面，大數據紛繁復雜、多源異構的特性決定了其價值獲取的難度增大、成本增加及風險提高等。大數據管理是進行動態的、系統的、開放的數據整合，利用管理思維、理念、方法等技術革命驅動產業創新、行業發展與組織變革等的管理過程。

大數據管理代表著人類對于信息更加全面的把握能力，大數據技術能夠將隱藏于海量數據中的信息和知識挖掘出來，為經濟社會活動提供依據，節約資源消耗，提高經濟效率及集約化程度，創造新的利潤來源，引導投資，而投資本身又可能通過倍數原理成為新的增長機會。大數據推動產業升級，通過數據處理能力極高的計算機并行處理大數據，同時進行大批量的仿真比較和篩選，可以大大提高科研和生產效率，產業流程會發生革命性再造，使整個行業邁入數字化與信息化的新階段。

貴州交通大數據管理人才團隊主要是對交通大數據進行研究、規劃、協調、管理、監督、安全保障，統籌交通運輸行業的數據中心建設、管理，促進交通大數據資源和其他各領域數據資源的共享與開放，統籌推進交通運輸行業大數據的開發應用。貴州交通大數據管理人才團隊的團隊成員角色劃分為大數據政策法規管理者、數據安全標準管理者、基礎設施與數據資源管理者、大數據規劃投資管理者、交通運輸行業大數據政策研究者、交通大數據應用推廣管理者。該團隊涉及的具體工作任務有制定大數據相關政策法規與標準規范、數據安全標準規范及基礎設施管理、數據資源管理、大數據規劃投資、交通運輸行業大數據政策研究、應用推廣等多項事務。基于管理的視角，大數據應是一種“資源”。貴州交通大數據管理人才團隊是對交通大數據的獲取問題、加工問題、應用問題、產權問題、產業問題和法規問題等進行有效的管理和保障的高水平團隊。該團隊具體需要完成的工作任務如下：

大數據政策法規管理者主要負責組織起草大數據、信息化相關法規草案和規章；承擔法律顧問工作；參與重大項目談判和合同審簽；依法處理涉法事務；參與重大投資項目審核，監督管理財政性專項資金使用及相關項目建設；承擔有關規范性文件的合法性審核工作；承擔行政執法監督、行政復議、行政應訴工作。

數據安全標準管理者負責結合大數據相關地方性法規和規章草案研究擬定交通運輸行業大數據相關標準規范體系，研究擬定交通運輸行業大數據采集、管理、開放、交易、應用等標準規范，研究擬定交通運輸行業大數據管理的標準體系和考核體系，承擔信息安全等級保護等基礎性工作，承擔網絡和信息安全應急協調工作，指導下屬各級單位開展工作數據安全管理工作。

基礎設施與數據資源管理者承擔交通運輸行業大數據、信息化基礎設施建設規劃、協調、管理和監督，統籌交通運輸行業數據中心規劃建設與集約利用，統籌協調交通政務信息網絡系統、交通政務數據中心的建設和管理，促進交通大數據資源共享與開放，指導推進互聯網數據中心、公共服務等大數據平臺建設。

大數據規劃投資管理者負責擬定交通運輸行業大數據發展戰略、規劃和政策措施，擬訂交通運輸大數據發展專項資金年度計劃并協調組織實施，承擔交通大數據、信息化等專項資金項目申報工作，承擔按照規定權限審批、備案和核準交通大數據、信息化等固定資產投資項目工作。

交通運輸行業大數據政策研究者也是促進產業發展的關鍵人才，主要負責交通大數據產業行業管理，統籌推進交通大數據產業發展，研究擬定交通大數據產業發展戰略、規劃和政策措施并組織實施，監測分析交通大數據產業運行態勢并發布有關信息，協調解決交通大數據產業運行中的重大問題并提出政策建議等。

交通大數據應用推廣管理者統籌推進交通大數據政用、民用、商用，牽頭推進交通大數據應用重大工程和各專項云工程建設，促進行業、企業交通大數據應用，指導交通大數據相關創業創新平臺建設，推動數據增值服務應用。