
用大数据思维 更好服务民生
在互联网、云计算等信息技术结合而成的“大数据时代”,我国经济进入创新驱动发展的新常态。采集、整理和开发数据的创新能力,成为信息时代重要的生产要素。信息技术在推动经济社会发展的同时,也正深刻改变着人们的生产生活,影响着人们的思维行为习惯以及社会公共服务管理领域的各个方面。今年,国务院办公厅印发《2015年政府信息公开工作要点》,涉及高速收费,“上网慢、上网贵”,看病难、看病贵等诸多民生领域,既表明了政府对大数据应用的重视,又突出政府的民生服务理念。从全局和战略的高度加快大数据建设,运用大数据手段改革公共服务管理模式,打破部门数据的条块分割,促进数据信息平台的大融合,既是经济转型升级的迫切需要,也是优化公共服务、提高政府行政效能,进一步提升公共服务管理水平,创新社会治理体制、建设服务型政府的难得历史机遇。
第一,树立“大数据”意识,更新公共服务管理理念。当前,数据日益成为帮助人们认识世界、找出问题、想出办法的基本来源,不断积累的大数据包含着深度知识和价值。“大数据”所展现出的精确分析、相关作用、统合集成等鲜明特点,也给社会公共服务管理带来了一场新的革命。一方面,政府应积极适应大数据时代的发展要求,运用大数据集成思维,积极更新公共服务管理理念,推行信息化服务,不断提高公共服务管理水平。另一方面,各级民政部门要实现保障基本民生、提供社会服务、加强基层治理等具体职能,就应适应国内外信息化发展大趋势,积极探索信息化条件下服务群众的新方法、新途径,更新信息化发展理念,充分借鉴、运用“大数据”的新理念、新技术,采集、分析、运用各类社会数据信息,全面推进管理服务人性化。
第二,提高服务工作效能,推进民政专业化建设。民政工作直接关系着人民群众的切身利益和社会大局的稳定,当前,相当一部分基层政府的数据采集、计算、存储和查询调用,仍用传统、落后的方式进行,难以适应大数据的发展需求,亟待改进和加强。首先,要明确服务方向,强化服务措施。政府要从大数据的角度,深入开展综合化、信息化服务管理改革,将居民家庭经济状况、健康指数、养老服务需求等一系列民生社会问题,梳理成一项项综合数据,形成大综合、大服务、大管理格局,通过建立城乡社会公共服务信息平台,综合提升社会管理服务能力。其次,要逐步建设好信息化基础设施。各级政府应抓紧完善大数据急需的基础建设,比如计算机的更替、技术人员提升及大数据运行规则制定等方面的建设,实现政府服务信息化基础建设的一个大飞跃。此外,还要推进管理服务机制的制度化建设,大力推进民政工作专业化建设,提升社会服务的专业化水准。
第三,推行大数据信息公开,引导社会参与共建共享。《2015年政府信息公开工作要点》紧紧围绕党和政府中心工作以及公众关切,已对今年政府信息公开工作细致地作出部署。需要我们从国家层面统筹规划,尽快着手制定全国统一的政府开放数据标准,加大信息公开惠民政策的落实力度,注重多方参与合作,提升综合服务能力水平,充分发挥政府数据信息对人民群众生产、生活和经济社会活动的服务作用。
第四,促进大数据技术创新,积极发掘民生价值。大数据在带来巨大技术挑战的同时,也带来巨大的技术创新与商业机遇。一方面,要加大大数据产业的政策资金扶持力度。要增加政策信息透明度,促进大数据工程和学术紧密结合,加大技术资金扶持力度,建设公共服务平台,鼓励发展云计算与大数据通用基础软件、移动互联网应用软件等产品的企业,大力发展面向信息技术产业的公共服务。另一方面,要加快培养大数据技术人才,鼓励大数据产业人才创业。以大数据领域研发和产业化项目为载体,不断深化行政服务管理创新,加快培训创新型技术人才和应用型大数据技术人才,加快大数据分析能力和利用能力平台建设。
第五,加强监管与法治,保障大数据合理应用。大数据属于网络和信息范畴,在给互联网行业乃至国家甚至全世界带来变革性影响的同时,诸多社会问题也随之而来。在这一过程中,既要强化合理监管,还要循序渐进地加强大数据领域法制建设。只有加强监管与渐进式的大数据领域法制建设,才能保障大数据合理应用于改革公共服务管理,推进大数据服务民生的战略才有可能得以顺利实施。CDA数据分析师官网
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08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 ...
2025-09-03