京公网安备 11010802034615号
经营许可证编号:京B2-20210330
促进大数据发展行动纲要:推动产业创新发展(2)
专栏2 国家大数据资源统筹发展工程
整合各类政府信息平台和信息系统。严格控制新建平台,依托现有平台资源,在地市级以上(含地市级)政府集中构建统一的互联网政务数据服务平台和信息惠民服务平台,在基层街道、社区统一应用,并逐步向农村特别是农村社区延伸。除国务院另有规定外,原则上不再审批有关部门、地市级以下(不含地市级)政府新建孤立的信息平台和信息系统。到2018年,中央层面构建形成统一的互联网政务数据服务平台;国家信息惠民试点城市实现基础信息集中采集、多方利用,实现公共服务和社会信息服务的全人群覆盖、全天候受理和“一站式”办理。
整合分散的数据中心资源。充分利用现有政府和社会数据中心资源,运用云计算技术,整合规模小、效率低、能耗高的分散数据中心,构建形成布局合理、规模适度、保障有力、绿色集约的政务数据中心体系。统筹发挥各部门已建数据中心的作用,严格控制部门新建数据中心—展区域试点,推进贵州等大数据综合试验区建设,促进区域性大数据基础设施的整合和数据资源的汇聚应用。
加快完善国家基础信息资源体系。加快建设完善国家人口基础信息库、法人单位信息资源库、自然资源和空间地理基础信息库等基础信息资源。依托现有相关信息系统,逐步完善健康、社保、就业、能源、信用、统计、质量、国土、农业、城乡建设、企业登记监管等重要领域信息资源。到2018年,跨部门共享校核的国家人口基础信息库、法人单位信息资源库、自然资源和空间地理基础信息库等国家基础信息资源体系基本建成,实现与各领域信息资源的汇聚整合和关联应用。
加强互联网信息采集利用。加强顶层设计,树立国际视野,充分利用已有资源,加强互联网信息采集、保存和分析能力建设,制定完善互联网信息保存相关法律法规,构建互联网信息保存和信息服务体系。
4.支持宏观调控科学化。建立国家宏观调控数据体系,及时发布有关统计指标和数据,强化互联网数据资源利用和信息服务,加强与政务数据资源的关联分析和融合利用,为政府开展金融、税收、审计、统计、农业、规划、消费、投资、进出口、城乡建设、劳动就业、收入分配、电力及产业运行、质量安全、节能减排等领域运行动态监测、产业安全预测预警以及转变发展方式分析决策提供信息支持,提高宏观调控的科学性、预见性和有效性。
5.推动政府治理精准化。在企业监管、质量安全、节能降耗、环境保护、食品安全、安全生产、信用体系建设、旅游服务等领域,推动有关政府部门和企事业单位将市场监管、检验检测、违法失信、企业生产经营、销售物流、投诉举报、消费维权等数据进行汇聚整合和关联分析,统一公示企业信用信息,预警企业不正当行为,提升政府决策和风险防范能力,支持加强事中事后监管和服务,提高监管和服务的针对性、有效性。推动改进政府管理和公共治理方式,借助大数据实现政府负面清单、权力清单和责任清单的透明化管理,完善大数据监督和技术反腐体系,促进政府简政放权、依法行政。
6.推进商事服务便捷化。加快建立公民、法人和其他组织统一社会信用代码制度,依托全国统一的信用信息共享交换平台,建设企业信用信息公示系统和“信用中国”网站,共享整合各地区、各领域信用信息,为社会公众提供查询注册登记、行政许可、行政处罚等各类信用信息的一站式服务。在全面实行工商营业执照、组织机构代码证和税务登记证“三证合一”、“一照一码”登记制度改革中,积极运用大数据手段,简化办理程序。建立项目并联审批平台,形成网上审批大数据资源库,实现跨部门、跨层级项目审批、核准、备案的统一受理、同步审查、信息共享、透明公开。鼓励政府部门高效采集、有效整合并充分运用政府数据和社会数据,掌握企业需求,推动行政管理流程优化再造,在注册登记、市场准入等商事服务中提供更加便捷有效、更有针对性的服务。利用大数据等手段,密切跟踪中小微企业特别是新设小微企业运行情况,为完善相关政策提供支持。
7.促进安全保障高效化。加强有关执法部门间的数据流通,在法律许可和确保安全的前提下,加强对社会治理相关领域数据的归集、发掘及关联分析,强化对妥善应对和处理重大突发公共事件的数据支持,提高公共安全保障能力,推动构建智能防控、综合治理的公共安全体系,维护国家安全和社会安定。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19