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(3)
3 政府治理大数据工程
推动宏观调控决策支持、风险预警和执行监督大数据应用。统筹利用政府和社会数据资源,探索建立国家宏观调控决策支持、风险预警和执行监督大数据应用体系。到2018年,开展政府和社会合作开发利用大数据试点,完善金融、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、节能减排等领域国民经济相关数据的采集和利用机制,推进各级政府按照统一体系开展数据采集和综合利用,加强对宏观调控决策的支撑。
推动信用信息共享机制和信用信息系统建设。加快建立统一社会信用代码制度,建立信用信息共享交换机制。充分利用社会各方面信息资源,推动公共信用数据与互联网、移动互联网、电子商务等数据的汇聚整合,鼓励互联网企业运用大数据技术建立市场化的第三方信用信息共享平台,使政府主导征信体系的共识性和互联网大数据征信平台的规模效应得到充分发挥,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,实现覆盖各级政府、各类别信用主体的基础信用信息共享,初步建成社会信用体系,为经济高效运行提供全面准确的基础信用信息服务。
建设社会治理大数据应用体系。到2018年,围绕实施区域协调发展、新型城镇化等重大战略和主体功能区规划,在企业监管、质量安全、质量诚信、节能降耗、环境保护、食品安全、安全生产、信用体系建设、旅游服务等领域探索开展一批应用试点,打通政府部门、企事业单位之间的数据壁垒,实现合作开发和综合利用。实时采集并汇总分析政府部门和企事业单位的市场监管、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,有效促进各级政府社会治理能力提升。
8.加快民生服务普惠化。结合新型城镇化发展、信息惠民工程实施和智慧城市建设,以优化提升民生服务、激发社会活力、促进大数据应用市场化服务为重点,引导鼓励企业和社会机构开展创新应用研究,深入发掘公共服务数据,在城乡建设、人居环境、健康医疗、社会救助、养老服务、劳动就业、社会保障、质量安全、文化教育、交通旅游、消费维权、城乡服务等领域开展大数据应用示范,推动传统公共服务数据与互联网、移动互联网、可穿戴设备等数据的汇聚整合,开发各类便民应用,优化公共资源配置,提升公共服务水平。
专栏4 公共服务大数据工程
医疗健康服务大数据。构建电子健康档案、电子病历数据库,建设覆盖公共卫生、医疗服务、医疗保障、药品供应、计划生育和综合管理业务的医疗健康管理和服务大数据应用体系。探索预约挂号、分级诊疗、远程医疗、检查检验结果共享、防治结合、医养结合、健康咨询等服务,优化形成规范、共享、互信的诊疗流程。鼓励和规范有关企事业单位开展医疗健康大数据创新应用研究,构建综合健康服务应用。
社会保障服务大数据。建设由城市延伸到农村的统一社会救助、社会福利、社会保障大数据平台,加强与相关部门的数据对接和信息共享,支撑大数据在劳动用工和社保基金监管、医疗保险对医疗服务行为监控、劳动保障监察、内控稽核以及人力资源社会保障相关政策制定和执行效果跟踪评价等方面的应用。利用大数据创新服务模式,为社会公众提供更为个性化、更具针对性的服务。
教育文化大数据。完善教育管理公共服务平台,推动教育基础数据的伴随式收集和全国互通共享。建立各阶段适龄入学人口基础数据库、学生基础数据库和终身电子学籍档案,实现学生学籍档案在不同教育阶段的纵向贯通。推动形成覆盖全国、协同服务、全网互通的教育资源云服务体系。探索发挥大数据对变革教育方式、促进教育公平、提升教育质量的支撑作用。加强数字图书馆、档案馆、博物馆、美术馆和文化馆等公益设施建设,构建文化传播大数据综合服务平台,传播中国文化,为社会提供文化服务。
交通旅游服务大数据。探索开展交通、公安、气象、安监、地震、测绘等跨部门、跨地域数据融合和协同创新。建立综合交通服务大数据平台,共同利用大数据提升协同管理和公共服务能力,积极吸引社会优质资源,利用交通大数据开展出行信息服务、交通诱导等增值服务。建立旅游投诉及评价全媒体交互中心,实现对旅游城市、重点景区游客流量的监控、预警和及时分流疏导,为规范市场秩序、方便游客出行、提升旅游服务水平、促进旅游消费和旅游产业转型升级提供有力支撑。
(二)推动产业创新发展,培育新兴业态,助力经济转型。
1.发展工业大数据。推动大数据在工业研发设计、生产制造、经营管理、市场营销、售后服务等产品全生命周期、产业链全流程各环节的应用,分析感知用户需求,提升产品附加价值,打造智能工厂。建立面向不同行业、不同环节的工业大数据资源聚合和分析应用平台。抓住互联网跨界融合机遇,促进大数据、物联网、云计算和三维(3D)打印技术、个性化定制等在制造业全产业链集成运用,推动制造模式变革和工业转型升级。
2.发展新兴产业大数据。大力培育互联网金融、数据服务、数据探矿、数据化学、数据材料、数据制药等新业态,提升相关产业大数据资源的采集获取和分析利用能力,充分发掘数据资源支撑创新的潜力,带动技术研发体系创新、管理方式变革、商业模式创新和产业价值链体系重构,推动跨领域、跨行业的数据融合和协同创新,促进战略性新兴产业发展、服务业创新发展和信息消费扩大,探索形成协同发展的新业态、新模式,培育新的经济增长点。
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