京公网安备 11010802034615号
经营许可证编号:京B2-20210330
完全可用大数据来“证明我活着”
以往常见的是,公民到某个部门办理事项,该部门要公民提供某个证明,公民得自己跑到有关部门去开这个证明,然后拿着这个证明,回到前面那个部门办理事项。
“证明我妈是我妈”、“证明我活着”、“证明我结婚前未婚”之类“奇葩证明”,让人哭笑不得而又苦不堪言。公众和媒体对“奇葩证明”的揭露声讨,给公安、民政、教育等职能部门施加了不小的压力,继公安部宣布不再开具“偿还能力证明”、“生存(健在)或死亡证明”、“婚姻状况证明”、“身份证丢失证明”等18种不在公安机关办理范围内的证明后,日前民政部下发《关于进一步规范(无)婚姻登记记录证明相关工作的通知》,规定除对涉台公证事项和涉哈萨克斯坦、芬兰等9个国家的公证事项仍可继续出具证明外,各地民政部门不再出具(无)婚姻登记记录证明(即婚姻状况证明,包括“单身证明”)。
民政部不再开具婚姻状况证明,作为落实简政放权之举受到了舆论的好评,同时也引来不少人担心——不再出具婚姻状况证明,民政部门倒是省事了,但现在办理买房、贷款、上学等许多事项都要提供婚姻状况证明,民政部门甩手不管了,老百姓的“证明难”岂不是更难了?
公安部宣布不再开具18种非公安机关办理范围内的证明时,详细介绍这18种证明分别应该到哪些部门去开具,其中针对开具婚姻状况证明,公安部的指引是“民政部门是婚姻登记机关,公民应到民政部门取证,派出所不予出具证明”。公安部认为婚姻状况证明应由民政部门开具,而今民政部规定民政部门不再开具婚姻状况证明,如此相互矛盾,到底是咋回事?
民政部随后做出解释,称已与教育、住建部、银监会等婚姻登记信息的主要使用部门协商,如相关部门根据法律法规规定,需要了解核对当事人婚姻登记情况的,可以通过开放信息核对端口、公函往来等多种方式,在部门间直接完成信息核对工作,不再需要当事人在婚姻登记信息使用部门和民政部门之间往返奔波,以切实减轻当事人办事创业的负担,真正将简政放权要求落到实处。这个解释不但很快消除了人们的担心,而且显示了一种全新的工作思路,让人刮目相看。
以往常见的是,公民到某个部门办理事项,该部门要公民提供某个证明,公民得自己跑到有关部门去开这个证明,然后拿着这个证明,回到前面那个部门办理事项。现在,民政部提出的全新工作思路是,教育、城建、银行等确需公民提供婚姻状况证明的,可以通过开放信息核对端口、公函往来等方式与民政部门商调、核查,无需公民自己在不同部门之间往返奔波。这就把解决公民“证明难”的压力和负担,从公民身上转移到了职能部门身上,并且可以提高公民信息证明的共识性和准确性,减少违规开具证明、制售假证明等违规违法行为的发生几率。
民政部的上述全新工作思路,体现了国家促进大数据发展与应用的方向。国务院上月底印发《促进大数据发展行动纲要》,提出在公用事业、市政管理、城乡环境、健康医疗、社会救助、养老服务、劳动就业、社会保障、文化教育、消费维权、社区服务等领域全面推广大数据应用,在2017年年底前形成跨部门数据资源共享共用格局。《纲要》要求明确各部门数据共享的范围边界和使用方式,厘清各部门数据管理及共享的义务和权利,依托政府数据统一共享交换平台,实现公共服务的多方数据共享、制度对接和协同配合。
为建成跨部门数据资源共享共用体系,所有涉及和参与的部门、机构都应当摒弃门户之见,淡化利益之争,对数据资源互通互利形成基本共识,才能积极主动把自己掌握和积累的数据“交”出来,与其他部门、机构交流分享,为其他部门、机构提供数据支持和服务。在此问题上,越是具有数据资源优势的部门、机构,往往越难以摒弃门户之见,越容易陷入斤斤计较、讨价还价的误区。因为他们会觉得,自己的数据资源更丰富,含金量和利用价值更高,不能轻易“交”出去与他人共享。
与其他一些部门、机构相比,民政部门在大数据资源上具有明显优势,但他们没有囿于门户之见,而是主动向教育、住建、银行等部门表示愿意开放民政数据信息,希望这些部门通过数据信息平台,向民政部门商调、核查有关数据信息。这说明在大数据建设和应用工作中,民政部门走在了其他一些政府部门的前面。
当然,大数据也是一把双刃剑,数据开放、共享共用的同时也容易造成数据泄露滥用,以大数据发展化解“证明难”的同时,还要最大限度防止数据泄露滥用,避免对公民人身权利造成威胁侵害。《纲要》为此提出,要积极研究数据开放、保护等方面制度,修订政府信息公开条例,明确政府统筹利用市场主体大数据的权限及范围;明确数据采集相关主体的权利、责任和义务,加强对数据滥用、侵犯个人隐私等行为的管理和惩戒。民政、公安、住建等部门以大数据发展积极化解“证明难”,应恪守个人数据信息采集和应用的权力边界,依法保护居民个人信息和隐私信息,在促进大数据发展和保障公民权益之间找到最佳平衡点。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27在CDA(Certified Data Analyst)数据分析师的能力体系与职场实操中,高维数据处理是高频且核心的痛点——随着业务场景的复杂化 ...
2026-03-27在机器学习建模与数据分析实战中,特征维度爆炸、冗余信息干扰、模型泛化能力差是高频痛点。面对用户画像、企业经营、医疗检测、 ...
2026-03-26在这个数据无处不在的时代,数据分析能力已不再是数据从业者的专属技能,而是成为了职场人、管理者、创业者乃至个人发展的核心竞 ...
2026-03-26在CDA(Certified Data Analyst)数据分析师的能力体系中,线性回归是连接描述性统计与预测性分析的关键桥梁,也是CDA二级认证的 ...
2026-03-26在数据分析、市场研究、用户画像构建、学术研究等场景中,我们常常会遇到多维度、多指标的数据难题:比如调研用户消费行为时,收 ...
2026-03-25在流量红利见顶、获客成本持续攀升的当下,营销正从“广撒网”的经验主义,转向“精耕细作”的数据驱动主义。数据不再是营销的辅 ...
2026-03-25在CDA(Certified Data Analyst)数据分析师的全流程工作中,无论是前期的数据探索、影响因素排查,还是中期的特征筛选、模型搭 ...
2026-03-25在当下数据驱动决策的职场环境中,A/B测试早已成为互联网产品、运营、营销乃至产品迭代优化的核心手段,小到一个按钮的颜色、文 ...
2026-03-24在统计学数据分析中,尤其是分类数据的分析场景里,卡方检验和显著性检验是两个高频出现的概念,很多初学者甚至有一定统计基础的 ...
2026-03-24在CDA(Certified Data Analyst)数据分析师的日常业务分析与统计建模工作中,多组数据差异对比是高频且核心的分析场景。比如验 ...
2026-03-24日常用Excel做数据管理、台账维护、报表整理时,添加备注列是高频操作——用来标注异常、说明业务背景、记录处理进度、补充关键 ...
2026-03-23作为业内主流的自助式数据可视化工具,Tableau凭借拖拽式操作、强大的数据联动能力、灵活的仪表板搭建,成为数据分析师、业务人 ...
2026-03-23在CDA(Certified Data Analyst)数据分析师的日常工作与认证考核中,分类变量的关联分析是高频核心场景。用户性别是否影响商品 ...
2026-03-23在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20