
大数据如何走出“围墙”_数据分析师考试
大数据浪潮的扑面而来,使得对数据的认识和利用被提升到前所未有的高度。特别是对于占据九成份额,拥有最多大数据资源的政府部门,堪称“富矿”。
“政府手里最值钱是土地和数据,数据是可以反复利用的,政府数据一旦释放,所产生的价值要比土地高太多。”谈及政府数据的价值,贵阳大数据交易所总裁王叁寿告诉《中国电子报》记者说。
更重要的是,大数据时代,国家大力发展政务大数据,还在于其能够成为打通部门壁垒、提高行政效率、转变思维方式,是开启“智慧政府”之门的一把金钥匙。
然而就目前而言,政府数据仍然被束之高阁,无论是促进价值释放还是促进政府职能转型而言,都是全新课题。那么,躲在里面“睡觉”的政府大数据如何才能走出“围墙”呢?
政府自身意识很关键
一位市民出国旅游需要证明“我妈是我妈”,这让李克强总理在国务院常务会议上拍了桌子,反映出某些政府管理部门和企业在建设诚信体系方面理念落后和动作迟缓,而如果实现了大数据联网,完全可以由政府部门内部调取,不必让市民急断肠、跑断腿。
部分政府部门在对大数据开放上所持的消极态度在一定程度上阻碍了政府大数据价值的释放。在赛迪智库软件与信息服务业研究所所长安晖看来,大数据走出政府“围墙”的核心问题在于政府自身的意识。
“国外认为政府使用纳税人的钱获得的数据,就应该为纳税人所用,所以主导观念就是开放。而政府部门对于数据的态度是,除非需要,否则不开放。”安晖这样告诉《中国电子报》记者。
随着国家在部署运用大数据优化政府服务和监管、提高行政效能上的不断加强,地方政府对于开放数据的态度正在逐渐转变,步伐也在不断加快,越来越多的政府部门意识到“数据是一种财富”,北京、上海等全国多个地方政府均在一定程度上开放了政府数据。
王叁寿告诉《中国电子报》记者,地方政府的确在对于大数据开放态度上有积极转变,但他也同时指出,光有态度并不够。
因为这样的开放姿态可能掺有“水分”。一种情况是将政府部门数据交给自建的数据中心,实际上并没有做到完全地面向市场主体开放。另一种情况是开放数据的价值很少,低价值密度的数据无法被市场主体有效利用。
中关村大数据产业联盟秘书长赵国栋在接受《中国电子报》记者采访时表示,对于数据资产的重视所产生的一个副作用则是政府部门将数据据为己有,这涉及到政府部门的利益问题。政府部门只有改变观念,转变职能,才能打破这种垄断,真正做到数据开放并服务于市场主体。
大数据处理需要“富士康”
政府部门对于开放大数据上的“保守”有其现实原因,主要来自对于开放数据安全性的担忧。即便能够做到单一部门开放数据的安全级别分类和审核,但很难控制不同部门数据开放之后的交叉泄密,这成为政府部门对于开放大数据的顾忌所在。
赵国栋并不认同因为安全问题而拒绝大数据开放的做法,他认为大数据安全是个伪命题。“从宏观层面,国家有能力保护好数据安全。而对于政府部门,安全体现在使用中去维护,不能因为有风险而不去做,不能因噎废食。”赵国栋直言。
在王叁寿看来,政府开放大数据还是要在安全保障的前提下求发展,确保数据源的真实、可信是最为重要的。大数据的清洗和建模两个环节成为大数据走出政府围墙的关键,这又涉及对于数据的采集、汇总、脱敏、分析等多个流程,而目前国内在清洗、建模方面的人才较少。
“大数据的清洗、建模、分析属于劳动密集型工作,不管是中国也好,国外也好,在大数据清洗、建模、分析领域需要‘富士康式’的企业,进行数据清洗业务的标准化生产,为大量的数据交易提供支撑。”
我国正在积极推动加快建立政府信息采集、存储、公开、共享、使用、质量保障和安全管理的技术标准方面的工作。在近日国务院办公厅印发的《关于运用大数据加强对市场主体服务和监管的若干意见》中,明确工信部、国家标准委员会、国家发改委、质检总局、网信办、统计局等多部门建立大数据标准体系,研究制定有关大数据的基础标准、技术标准、应用标准和管理标准等工作,计划将于2020年前出台并实施。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28