京公网安备 11010802034615号
经营许可证编号:京B2-20210330
运用大数据提升国家治理现代化水平
一、您是怎么理解大数据的?大数据对国家治理、经济社会发展带来哪些影响?
信息技术的出现为数据处理提供了自动化的方法和手段,推动数据(信息)成为继物质、能源之后的第三大战略资源。大数据作为信息技术及其普适应用发展到一定阶段的“自然现象”,源于互联网及其延伸所带来的无处不在的信息技术应用以及信息技术的不断低成本化。当前对大数据基本共识是:大数据泛指无法在可容忍的时间内用传统信息技术和软硬件工具对其进行获取、管理和处理的巨量数据集合,具有海量性、多样性、时效性及可变性等特征,需要可伸缩的计算体系结构以支持其存储、处理和分析。大数据最根本的价值在于为人类提供了认识复杂系统的新思维和新手段,著名计算机科学家、图灵奖获得者Jim Gray将数据密集型科研称为继实验观测、理论推导和计算模拟之后,人类探索未知、求解问题的“第四范式”,即数据驱动。基于数据,我们可以去触摸、理解和逼近现实复杂系统。
大数据的重大价值和意义体现在:大数据是提升国家治理能力的新途径,政府可以透过大数据揭示政治、经济、社会事务中传统技术难以展现的关联关系,并对事物的发展趋势做出准确预判,从而在复杂情况下做出合理、优化的决策;大数据是促进经济转型增长的新引擎,大数据与实体经济深度融合,将大幅度推动传统产业提质增效,促进经济转型、催生新业态,同时,对大数据的采集、管理、交易、分析等业务也正在成长为巨大的新兴市场;大数据是提升社会公共服务能力的新手段,通过打通各政府、公共服务部门的数据,促进数据流转共享,将有效促进行政审批事务的简化,提高公共服务的效率,更好地服务民生,提升人民群众的获得感和幸福感。
二、不久前,中共中央政治局就实施国家大数据战略进行第二次集体学习。您怎么看待国家大数据战略?
当前,世界各主要发达国家都已意识到了大数据的重要意义,美国、欧盟、英国、日本、韩国、澳大利亚等国均出台了政策,大力推动大数据应用及产业发展。在我国,发展大数据也受到高度重视。2015年8月,国务院印发了《促进大数据发展行动纲要》。党的十八届五中全会将大数据上升为国家战略。在党的十九大报告中,习近平总书记明确指出:“推动互联网、大数据、人工智能和实体经济深度融合”。2017年12月8日,在中共中央政治局第二次集体学习时,习近平总书记发表了“审时度势精心谋划超前布局力争主动,实施国家大数据战略,加快建设数字中国”的讲话,明确提出了“大数据是信息化发展的新阶段”这一重要论断,并指明了推动大数据技术产业创新发展、构建以数据为关键要素的数字经济、运用大数据提升国家治理现代化水平、运用大数据促进保障和改善民生、切实保障国家数据安全等五项工作部署,为我国发展大数据开启了新的篇章。
大数据是基础性战略资源,数据资源的共享开放和对大数据的开发应用,将赋予我们在各个领域“全面了解、精准预测和智慧决策”的能力。国家大数据战略的实施,对我国实施系列强国战略及创新驱动发展战略、乡村振兴战略、区域协调发展战略、可持续发展战略、军民融合战略等都具有基础性支撑作用。
我国是数据资源大国,同时,通过前期的科研投入,在大数据相关技术领域系统性部署了研发任务,成果斐然,已具备加快技术创新的良好基础。“十三五”期间,在国家重点科技研发计划中实施了“云计算和大数据”重点专项,部分领域已取得较大进展。国家发改委组织建设11个国家大数据工程实验室,加强大数据领域相关技术创新的基地建设。各地也积极推出了一批大数据相关的政策和措施。发改委、工信部、中央网信办联合批复贵州、上海、京津冀、珠三角等8个综合试验区,正在加快建设。
然而,较之国际先进水平,我国大数据发展仍存在较大差距。具体表现在三个方面:一是基础理论与核心技术落后,这是导致我国信息技术发展长期处于“空心化”和“低端化”的根本原因,大数据时代如何避免此问题在新一轮发展中再次出现,是一个重大挑战。二是数据治理体系远未形成,原始数据资源丰富,然而数据壁垒广泛存在、法律法规发展滞后,制约了数据资源中所蕴含价值的挖掘与转化。三是应用发展不均衡,互联网应用市场化程度高、发展较好,但行业应用广度和深度明显不足,特别是和实体经济融合不够,生态系统亟待形成和发展。当前,国家大数据战略的实施可谓是恰逢其时,为我国建设自主可控的大数据技术体系和产业生态,构建完整的数据治理体系,以及全面推进大数据应用注入了强大动力。我相信,随着国家大数据战略的稳步推进,我国从数据资源大国发展为数据强国的目标一定可以实现!
三、在您看来,大数据在反腐败领域能有哪些应用前景?
大数据在反腐领域具有广阔的应用前景,可以从两个方面来认识。一方面,各个领域大范围的数据共享开放,将极大提升我国公权力机构的透明度,“让权力在阳光下运行”,可以有效地预防腐败现象的产生。另一方面,不同来源的数据经过有效的关联、融合,可以形成针对某个领域、某个对象的完整视图,使已经发生的腐败行为难以遁形。
大数据在侦破反腐案件方面,至少可以有以下两种应用场景。一是基于关联分析的隐含关系发现。通过融合公安、税务、金融、物流、出行、通信、消费等多源数据,可以建立人、钱、物、事之间完整、复杂的关系网络,从而帮助反腐案件侦办人员发现隐含关联关系、理清事件来龙去脉,辅助案件侦办。二是基于异常检测的疑似腐败行为预警。反腐领域涉及面广、相关信息非常庞杂,虽然腐败行为的蛛丝马迹被各种信息系统所记录,但这些信息“藏身于”海量的其他数据之间,往往很难发现。然而,腐败行为一般都具有一个共性的特征:异常性。例如:人员财产的异常变动、办事流程的异常变更、人际交往的异常行为等等。可以基于多源数据的分析和挖掘,有效地监测这些异常,从而为反腐侦办提供预警和线索。
随着大数据技术的发展和应用水平的提升,相信大数据将成为我国反腐斗争的一把利剑,在反腐领域大有所为!
四、大数据对领导干部的素质提出了哪些新要求?
习近平总书记在中共中央政治局第二次集体学习的讲话中指出:“善于获取数据、分析数据、运用数据,是领导干部做好工作的基本功。”这对领导干部的素质提出了新要求。
我个人理解,要“懂得大数据,用好大数据”,应具备三方面的能力。一是要理解大数据的内涵。认识到大数据不仅是体量巨大的数据集,更多地强调的是多源数据的聚集关联后所形成的某个领域的数据全集,对多源数据的充分融合和深度挖掘是大数据价值实现的重要途径。二是要建立大数据思维方法。思维是一种构造心理联想和对世界建立模型的脑力过程,是对信息的处理,用于建立概念、解决问题、推理和决策。大数据时代,信息技术和数据深入渗透到经济社会的方方面面,“数字化生存”的时代已经到来,为了更好地“建立概念、解决问题、推理和决策”,需要具备与“数字化”和“数据为中心”相匹配的新思维方式。三是要学习和掌握运用大数据的相关技能。掌握获取数据、分析数据、应用分析结果解决问题的基本方法。
在充分利用大数据推进各项工作的同时,我们也应认识到,大数据理论和技术都还处于发展早期阶段,远未成熟。当前对大数据相关的一些核心命题仍然存在争议,例如:数据“大”与“小”的对立统一,“关联”与“因果”的辩证性,“全数据”的相对性等等。近年来,虽然出现了一批数据应用的成功案例,但是针对大数据本质特征和规律,以及利用大数据求解问题的科学方法论体系等相关基础理论的研究却相对滞后,数据分析的结论往往缺乏坚实的理论支撑,缺乏“可解释性”,因此,我们在利用大数据分析的结论辅助决策时,仍需保持谨慎态度,“批判性思维”先行。
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