
大数据打造城市“智慧大脑”
随着技术的发展和城市数据建设的跟进,大数据对于城市管理发展的影响日益显现,越来越多的城市通过挖掘“数据金矿”帮助城市发展决策管理。
然而,大数据的成熟应用尚需时日,期盼深度利用大数据的城市还要下一盘谋划长远的棋——
大数据能够为城市带来什么?“实现部门、区域、行业间的数据开放融合、共建共享,构建发展决策、问题诊断、产品研发等支持系统,就能拓展城市民生监测评估、城市管理危机预警的应用。”在日前由经济日报社、中国经济传媒集团指导,《经济》杂志社、北京建谊集团联合主办的首届经济决策研讨会上,北京建谊集团董事长张鸣如是说。
“大数据的应用和研究,事关城市的核心竞争力。”中国统计信息服务中心大数据研究实验室主任江青在研讨会上的话代表了专家们的意见。他们认为,发展和应用好城市经济各类大数据,是以创新推进供给侧结构性改革的重大民生工程,有利于提高城市经济发展过程中的服务效率和质量,增加有效供给、满足群众需求,促进培育新业态、形成新的经济增长点。
在城市运行和经济发展中,大数据被视为支撑城市发展的“智慧大脑”。正如国家信息中心专家委员会副主任宁家骏所说,作为智慧城市建设的核心内容,大数据能够帮助政府提升公共服务效率,进一步改进惠民服务。
然而,大数据究竟能给城市决策者们带来什么?变化又从何而来?
支撑决策的“橡皮泥”
今年5月,上海长宁区市场监管局查处了两家非法加工出售河豚的餐厅,线索来自消费者在大众点评网上的“吐槽”,通过与互联网平台联手展开的数据共享,长宁区市场监管局已经查处“下架”了区内700多家餐饮单位。“这就是利用了来自互联网平台庞大的数据,我们制定了一份餐饮企业食品安全负面评论关键词搜索清单,对消费者的评价中含有‘河豚’‘腹泻’‘脏乱差’等关键词的餐厅进行实地排查。”长宁区市场监管局副局长赖树生这样介绍。
这正是大数据在城市管理中的创新应用。城市的管理和运营需要科学决策,涓滴汇流而来的数据,正在成为城市管理者的有效参考。市政、警务、消防、交通、通信、商业被融合打通,汇集在统一的大数据平台上,并在对海量数据进行分析后,形成智慧应用。同方智慧城市产业总工程师李小华用“橡皮泥”来形容大数据的作用:“在保持材质不变、颜色不变、整体性不变的情况下,能够根据不同部门的决策需求和目标呈现出不同的方式和结果,就像是小朋友玩的橡皮泥一样,这就是大数据能够提供的柔性变换。”
“利用大数据技术进行信息清洗和梳理分析,最终得到的是能够汇集各类活动的全部信息,作出相对全面、客观和及时的评价。这是以往抽样调查做不到的。”西南财经大学工商管理学院教授寇纲告诉记者,“拿对城市经济运行分析来说,包括每个企业的用水用电、税收社保、电商社交等等,这些数据都可以打通进行分析,从而对某个行业的运行情况作出评价”。
大数据对城市决策的支撑能力,既来自于技术发展,更来自于城市“顶层设计”的跟进。大数据服务商东方通副总裁李晓钢坦言:“一方面随着信息化的发展,政府手中的数据来源变多了,另一方面,各个城市都在做大数据中心,汇集数据的能力变强了。以浙江省为例,浙江省成立了大数据办,政府所有数据资源的所有权、使用权、开发权和服务权都由大数据办统一管理,这是在数据共享上大的机制突破,让各部门的数据资源不再是一个个‘孤岛’。在技术上则是数据运算支撑能力的提升,以前一个数据库处理1亿条数据都很慢,现在可以轻易地支撑几十亿条数据的处理。通过这些,营造一个宏观、中观、微观结合的数据大环境,从不可能变成了可能。”
着眼长远的“一盘棋”
“尽管我国目前正在从自上而下和自下而上两个途径来推动大数据发展,但大数据核心技术要在5到10年后才能真正成型,大数据对城市经济的影响也要在2到3年后才能呈现出显著的效果。”国家信息中心信息化研究部副主任单志广这样告诉记者,“这意味着我们真正‘摘果子’还要有一段很长的时间”。
在专家们看来,尽管大数据对城市经济的发展和决策将起到越来越多的指导作用,但采用新技术,城市管理者依然要有充分的耐心,放眼长远下好这盘棋。国家发展和改革委国土开发与地区经济研究所所长肖金成认为:“在城市管理中应用大数据,规划要有前瞻性,要依照现有的数据预测未来城市的发展规模。其次,规划要有全局性,要放眼全国,甚至全世界,不能只看到一个城市。更重要的是,规划还要有共识性,一旦制定出来,就不能随意更改。”
之所以强调要有耐心,是由于从目前来看,应用大数据,突破“瓶颈”依然需要时间,其中重点之一,就是对海量数据进行挖掘时如何建模。大数据服务商金电联行CEO范晓忻说:“数据挖掘的建模非常繁琐,需要花费大量时间,无法一蹴而就。目前有了数据只是第一步,寻找数据维度之间的相关性,总结规律,需要经历很长时间,还需要通过实践来检验算法模型,同时适应新数据的涌入,发展大数据没有捷径,需要一砖一瓦累积起来。”
李晓钢则举出了生动的例子:“通常情况下,我们会认为用电量和GDP之间存在很强的相关性,但在杭州,发现一点关系也没有,因为杭州以旅游业为重点,很少用电,但在无锡,用电情况和GDP之间的相关性就有96%以上。每个地区的经济特点、发展规律和产业结构都不一样,只能拿本地数据和当地环境进行拟合。”他还认为,现在大数据应用遇到最大的困难就是不同专业的专家聚在一起,语境并不统一。“比如搞计算机出身的,想象重点是每秒要处理多少数据量,用什么支撑手段;但来了个经济学家,就说这个指标定义有问题,应该按什么方式来定;做数据交换领域的,就要看需要的数据政府部门到底有没有,质量怎么样。大家的重点不同,在项目管理和工程管理中就会带来困难。”
而在技术应用之外,大数据要想持续健康发展,也依然需要产业化和生态链的建设,比如建立数据交换和分享的机制。李晓钢坦言,目前不少地方已经开始建设大数据交易市场,但现阶段依然缺乏可供交易的产品。“如果有足够多的‘货’,买方和卖方之间的关系自然会活跃起来,但现在的关键还是先要有数据服务商能够拿出切实可用的数据服务产品。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16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