
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
在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30