京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代背景下,地方政府数据信息如何共享
大数据时代的到来,对于我国政府而言,既是挑战,也是机遇;既是解决问题的良策,也可能成为阻碍社会经济发展的障碍。政府职能部门通过对大数据的分析和应用,使得管理水平和精准施政能力得到了显著提高,进而在日常管理和决策过程中,对数据的依赖性也与日俱增。《关于印发政府信息资源共享管理暂行办法的通知》、《关于运用大数据加强对市场主体服务和监管的若干意见》等文件的印发,也再次说明了数据信息资源共享对于政府施政的重要作用和意义。
1 三大问题阻碍数据共享
从国家层面来看,虽然国家官方数据网站具有共识性强、覆盖面广等优势,但其更新速度较慢,且未包含市、县级数据,导致应用范围有限,而非官方综合数据库也存在类似问题。为了加大对数据信息资源的开发和利用,进一步提高施政效率,地方政府在数据信息资源共享方面也做出了不少尝试和实践,但迄今为止,能够全面囊括市、县级数据,实现高效互联互通的数据信息资源共享系统尚未出现。
归根到底,主要原因有三个方面:
(一)缺乏统一平台,资源难以共享。数据信息并非实体,在进行交换和共享时,必须依托特定的渠道或平台,而我国绝大多数地区却不重视这类渠道或平台的建设。职能部门间常规化、制度化的数据共享行为普遍较少,偶尔的数据交换或共享,也仅仅因为某项业务的需要局限于几个部门之间,数据信息的传递渠道也多是通过社交工具或电子邮箱进行,安全性、保密性和可持续性难以保证。
同时,地方政府数据信息主要来源于各个职能部门,由于缺少共享平台的统一标准和规范,不同职能部门对数据信息的采集和记录标准千差万别,常常导致分属两个部门但又高度相关的数据,由于统计口径和时间不一致等原因无法应用。
(二)部门各自为政,缺乏统筹兼顾。职能部门作为数据共享的参与者,其态度往往是决定数据共享成功与否的关键因素。实践表明,多数职能部门对待跨部门数据共享合作的态度都是消极的、被动的,而导致这种现象的主要原因有两点:
一是政府职能部门间对数据的需求不对等。任何数据信息的获取,都需要付出一定的人力、物力或财力,这些付出可以看作数据信息获取的成本。在数据信息共享实践过程中,由于参与方对数据信息的需求程度不同,且缺乏必要的约束和制度,加之不同数据的成本往往很难衡量并有效地补偿,因此多数情况下,职能部门对于数据的共享都是消极的、被动的。
二是数据资源垄断的保守思想作祟。数据信息作为信息时代的重要资源,数据信息资源的垄断在一定程度上代表着权利,代表着话语权,因此,数据信息的重要性对每个职能部门而言都是不言而喻的。
数据信息的共享,则对每个职能部门来说,意味着放弃权利,而同时又得不到相应的回报,出于自身利益的考虑,职能部门间数据信息难以共享也就不足为奇了。由于以上种种原因,在没有部门强力推行、缺少制度约束的情况下,全面的数据信息资源共享只能成为空谈。
(三)制度保障欠缺,共享渠道不畅。我国数据信息管理方面的法律法规和相关制度大多是原则性、指导性的,对于数据信息的共享和发布没有强制要求,同时也缺乏统一的规划和标准,导致政府部门对数据信息的管理摸不着头脑,各自都有各自的理解。
现实中,基础数据采集部门受限于人力和时间等条件的限制,很难对其采集的全部数据做到有效的利用,而缺乏对数据信息统一的标准和明确的责任划分,又导致其不清楚哪些数据和信息可以跨部门共享,哪些可以向社会公众发布,哪些又需要绝对的保密。同时,数据和信息的共享伴随着一定的风险,而制度不明确,导致风险责任难以界定。一旦发生数据泄露等问题,多数情况下责任只能由该项数据的提供部门承担。
因此,对于非数据需求方来说,这项工作既要投入人力、物力和财力,又要承担一定的风险,而自身数据获取的成本又无法补偿。因此,对绝大多数地方职能部门来说,出于规避风险和责任的考虑,宁可数据安静地躺在电脑的硬盘当中,也不愿因数据共享而承担未知的责任。此外,这一问题也常常会导致多部门数据信息资源交换时,不同职能部门间相互推诿,协调和沟通困难,而最终预期目标不尽如人意。
2建议:建立平台 完善政策
(一)建立规范、全面的数据信息共享平台。数据信息资源的共享与统一、规范、全面的共享平台息息相关,也是在操作层面首先需要解决的问题。一方面,各项数据信息资源的统计和采集需要统一的标准,而共享平台则是标准的载体,不同职能部门间的数据和信息通过共享平台的整合,从而实现统一化和标准化。
另一方面,数据信息资源的共享需要畅通的渠道,而共享平台则可以很好地链接各个职能部门,作为各部门之间共享关系的载体,通过其实现数据信息的录入上传和查询应用。
此外,在搭建数据信息资源共享平台过程中,可以采取循序渐进的方式,依托于政府门户网站建立,降低共享平台初期搭建和后期维护成本,在运行一段时间并取得一定成效后,再根据业务需要,逐步搭建独立的数据信息共享平台。
(二)建立统一、高效的协作组织。目前,已建立共享关系的职能部门之间,大多采取一对一的方式进行数据信息的交换和共享,由于两个部门数据获取成本和需求程度不同,付出和回报不对等,且双方关系缺乏必要的约束,随着双方数据信息需求的变化,这种关系很难持久。因此,数据信息的共享必须建立在具有广泛性和约束力的组织之上,并且参与各方均能从中获取回报,以使得这种共享关系可以长期化。
这也就要求一个成功的数据信息共享组织必须具备三个要素:一是要具备一定的管理约束力。由于组织的成员单位都属于平级,相互之间没有隶属关系,甚至毫无业务网来,这就需要组织的牵头方对全体成员必须具有领导关系,从而确保组织目标——跨部门间数据信息资源共享能够顺利进行。在实践过程中,要借助行政管理约束力,可以将地方政府“一把手”作为该项工作的负责人,而牵头部门可以由当地政府办兼任,负责具体组织和协调工作。
二是必须具备较为健全的制度框架。数据信息的共享必须具有可操作性,而制度约束则正是成员单位间数据信息能够正常共享的保障。制度必须明确和规范数据交换的范围、流程及成员单位责任和义务等相关内容,使全体成员明晰需要做什么,怎么做。
三是必须具有广泛性,即组织成员单位必须能够囊括当地政府主要职能部门。数据信息的共享必须建立在组织成员单位互惠互利的基础之上,而只有这个组织成员单位具备一定的数量,才能提供足够多的数据信息,从而使得组织的每个成员都能够从中获取需要的数据信息,进而达到互惠互利的目的。
(三)建立完善的长效机制与考核机制。为了实现数据信息共享渠道畅通无阻,在建立跨部门数据信息共享协作组织的基础上,还需要建立完善的长效机制,增强各部门的责任意识,并辅以必要的激励措施,确保组织可以长期、高效运转。
一方面,地方政府需要实施带有强制力的措施,通过法律、制度等形式,对不同类别的数据信息进行明确的划分和界定,并将数据信息资源共享工作作为各职能部门的责任和义务,使其清楚地认识到,什么数据必须共享,什么数据需要严格保密,什么数据可以向社会发布。
另一方面,还应建立行之有效的考核评估体系,并将最终结果与各部门年终考核结果挂钩,并对数据信息资源共享工作考核评估结果较好的部门和一线操作人员,通过表彰和财政资金予以激励,提升各部门参与该项工作的积极性。通过完善的奖惩措施,从而有效调动参与部门积极性,确保跨部门数据信息共享工作能够顺利推进。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14