
互联网+时代,大数据如何助力政务服务
“互联网++政务服务”落地关键在于政府数据开放共享,但如何开放共享以及开放共享后如何让这些数据真正发挥价值,则是当前值得深入思考的问题。
对政府开放数据呼声很高
当前,政府服务互联网化已大势所趋。政务信息化或者电子政务经过多年的发展,其信息系统更多的还是面向办事流程相关的工作人员,而不是面向决策者和被服务的公众。如何为决策者、为社会公众提供服务,让政务服务互联网化,变得更快捷、更便利,是政务服务要解决的问题,也是“互联网+政府服务”的目标。
对于“互联网+政务服务”,大数据应用起到关键作用。不过,当前部门间数据共享及数据开放仍然亟待加强,业界对政府开放数据的呼声很高。
工信部赛迪智库电子信息产业研究所所长安晖表示,由各级各类政府部门及公共机构掌握的政务数据,是现阶段我国数量最庞大、价值密度最高的一类数据资源,该金矿若能被挖掘利用,将有效提高我国社会信息化水平和全社会发展质量。
在全球范围内,加快数据开放已成为必然趋势,英美等国家已经普遍实施数据开放战略。我国2015年发布的《促进大数据发展行动纲要》明确表示,加快政府数据开放共享,推动资源整合,提升治理能力,实施政府数据资源共享开放工程,2017年年底前形成跨部门数据资源共享共用格局。
目前,我国一些经济发达地区如北京、上海、广州等地,先后出台数据开放相关政策,梳理数据开放目录,搭建政府数据开放平台。但业界认为,相对于发达国家,我国的数据开放工作还相对落后。
中国信息化百人会成员、北京市经信委副主任童腾飞被《中国电子报》采访时说:电子政务发展正落后于时代的步伐,我国电子政务积累了丰富的信息资源,但是这些资源没有得到充分的共享和利用。
值得一提的是,我国政府数据开放共享已经进入落地阶段。“十三五”规划纲要明确提出,加快政府数据开放共享,全面推进重点领域大数据高效采集、有效整合,深化政府数据和社会数据关联分析、融合利用,提高宏观调控、市场监管、社会治理和公共服务精准性和有效性。
依托政府数据统一共享交换平台,加快推进跨部门数据资源共享共用。加快建设国家政府数据统一开放平台,推动政府信息系统和公共数据互联开放共享。制定政府数据共享开放目录,依法推进数据资源向社会开放。统筹布局建设国家大数据平台、数据中心等基础设施。研究制定数据开放、保护等法律法规,制定政府信息资源管理办法。
“国家大数据战略让我们明确了发展与运用大数据是国家意志,是实施创新驱动发展战略的重大举措之一。这个战略应由一系列的规划、政策、布局等构成。国家应在战略上特别是在促进数据资源开放和共享、重点行业先行、产业转型升级等方面统筹规划、出台政策、扎实推进。”中国科学院院士徐宗本表示。
落地三步走
政府数据开放共享已经成为业界一致的观点,那么如何开放共享,开放共享后如何让这些数据真正发挥价值,实现高效、快捷而又完备的政务服务,成为当前需要深入思考的问题。
让“互联网+政府服务”有效落地,需要三步走。第一步是“业务上云”。通过云计算将政府业务进行整合,打通信息孤岛,为政务数据的交换共享提供基础。
第二步是“数据整合”。搭建可以对外提供支撑服务的大数据中心或平台,该大数据中心或平台可以支撑政府的决策、提高政府的效率、改善政府的治理结构,同时更能够支撑政府对社会的便民服务、支撑中小微企业创新创业的发展。
第三步是“业务创新”。政府部门结合不同业务的需要、不同领域的需要以大数据中心或平台为纽带和企业一起,实现应用创新。
对于如何整合数据,政府大数据中心或平台中的数据分两类,一类是政府内部数据,一类是互联网数据。对于政府内部数据,需要对数据进行“打标分类”,将可公开的、半公开的和绝密的数据进行细化,才能进行整合和开放共享。此外,政府还需要将内部数据和互联网数据进行融合、比对、碰撞,这样才能更好地发挥数据价值,为政务服务提供支撑。
除了数据整合,建立开放的机制也至关重要。例如,政府制定数据开放的规划和规范,在此基础上建设多层次的数据开放平台,政府还可以组织数据开放的应用大赛促进开放数据的应用,并为数据开放提供稳定的财政资金,最后引入企业参与大数据开发和运营。
政府还应建立多方参与的机制,创造条件发挥公民、社会、市场和第三方的积极性,使其能够参与到电子政务的供给中。使众多的市场和社会主体主动参与到电子政务的管理、建设和设计之中,形成政府、市场、社会相互促进的发展机制。
让创业者、企业、NGO、市民都成为电子政务的创新主体:政府是电子政务创新的“召集者”、创业者是电子政务创新的“探路者”、企业是电子政务创新的“合创者”、非营利组织是电子政务创新的“补全者”、市民是电子政务创新的“投票人”。
数据交易行为走向成熟
一旦政府大数据中心或平台搭建起来,将为包括政府服务在内的业务创新带来巨大的推动作用。不过,要让数据产生更大能量,交易流通是重要手段,其可以打破信息孤岛及行业信息壁垒,汇聚海量高价值数据,对接数据市场的多样化需求,完善产业生态环境,实现数据价值的最大化,对推进大数据产业创新发展方面具有深远意义。中科点击作为大数据应用领域里的领军企业,凭借多年的技术优势和多行业的数据服务经验,在政务大数据方面拥有一套全新和专业的应用服务模式,将政府大数据应用平台化落地,切实解决政府部门在信息处理中的痛点。
展望未来,将有更多政府部门主动引入社会力量,通过合理有序开放政务数据资源及政府购买服务、协议约定、依法提供等方式,依靠公众智慧,推动政务大数据的发展与应用,也将在不久的将来走向成熟。
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