京公网安备 11010802034615号
经营许可证编号:京B2-20210330
用大数据打造“三共”社会治理格局
近些年来,社会变迁使得我国社会治理创新面临多重挑战,大数据思维可以促进整体性治理、精准化治理和参与式治理,提升我国社会治理的水平。我国各级政府的治理手段越来越依靠以云端存储为载体的大数据平台,民众生活也越来越依赖以大数据分析为基础的智慧化终端,大数据平台的建构越来越成为社会治理必不可少的一环。政府要不断增强大数据在创新社会治理方面的优越性,通过建构多种模式的大数据社会治理平台加以实现。
其一,需求导向模式。即从“用户”出发来构建大数据治理平台,“用户”即普通民众。十九大报告指出,中国特色社会主义进入新时代,我国社会主要矛盾已经转化为人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾。百姓美好生活需求是什么、民众的痛点在哪里,成为大数据参与社会治理的前提。获取“用户”需求,仍需要诸如智库等第三方社会主体通过科学的方法来收集,并长期跟踪获得不断变化的需求,为大数据社会平台提供准确的需求信息。获知用户需求后,政府和市场联手搭建大数据社会治理平台,开发符合民众需求的产品和服务。
其二,政绩评估模式。在当前我国行政体制的运转模式下,社会治理的绩效在相当程度上应体现为政府绩效,要杜绝“唯GDP论”的考核方式,将大数据平台的搭建纳入干部考核范围,敦促政府寻求建立科学、高效、易用的大数据平台。目前较为流行的是BOO(Building-Owning-Operation)模式,即各级政府根据当地情况提出建设要求,大数据公司依托专业技术完成平台设计,社会主体按照实际需求进行运营评估。在这种模式下,政府不投入人力、不干预运营、不主导评估、不获得产品所有权,仅需为交付的产品买单而获得使用权,不仅节省人力物力,而且让专业人员运营平台更保证了数据的真实性。
其三,市场运营模式。构建大数据平台是一个共建共治共享的工程,它的建设成败在于社会是否有活力,市场是否有热情。在市场运营模式中,政府和社会主体分别提出需求,通过大数据公司的市场化创建与运营,调动市场主体的积极性,促进供需方进行公平交易,为顶层制度设计和基层社会治理提供保证,实现收支平衡的大数据平台常态化运转。例如目前走在互联网技术创新前沿的BAT(百度、阿里巴巴、腾讯)等大型互联网企业正立足既有资源再创新,利用企业自身力量推出大数据的治理平台,推动政务服务便利化。
目前我国大数据推动社会治理创新还刚刚起步,对社会治理创新未能发挥真正的引导作用。而大数据的开放精准运用,必定会将社会引向共治共享。这需要突破以下瓶颈:
打破“数据孤岛”,完善大数据基础建设,由政府、市场和社会多主体共建大数据治理平台。由于收集技术和制度体系不健全,我国目前政府数据的调查、编码和存储的科学程度并不高;政府部门条块分割,形成“数据孤岛”,许多政府公共信息仍处于零散、分割、封闭状态;政府主导建立大数据治理平台缺乏其他主体参与,完全依靠政府力量往往难以完成或者效率不高。此外,大数据前提是统一、连接和共享。政府部门之间要摒弃“地方保护主义”和“自我保护主义”,通过规范政府数据采集的标准、建设统一的政府大数据中心,推进公共数据开放和基础数据资源跨部门、跨区域共享,优先推动信用、交通、医疗、卫生、就业等领域数据向社会开放。除了打通政府各个部门和条块,还需要政府、市场及社会的共同参与构建大数据治理平台。目前以BAT为代表的互联网巨头成为收集大数据的先头兵。社会民众也在生产大量数据,如社区居民通过互联网互动就是大数据的生成过程。因此要推动政府、企业和社会信息资源共建共享和开发利用,形成优势互补、多元参与、开放竞争的发展格局。
运用大数据思维,深入挖掘大数据,多方低成本使用此平台的大数据库及分析成果推进社会治理。“大数据”真实价值隐藏于各种各样、毫无规则的数据之下,要发掘数据背后的价值并真正加以利用,才是大数据推动社会治理创新的关键。建立大数据社会治理平台仍是第一步,不解决好应用和服务的问题,重金打造的开放大数据平台很容易“空心化”,难以对社会治理和社会福祉产生应有的支持。从大数据社会治理平台上,政府、市场和社会等各类社会治理主体可以低成本地通过获取、存储、管理、分析等手段,将具有海量规模的大数据变成活数据,并广泛应用于社会治理领域,服务不同社会群体。
全面提升共享意识,助力治理能力升级,引导由此形成的福利增值和精神归属。大数据的平等、开放和共享,与社会治理共享共融的本质有共通之处,政府利用大数据的契机,在全社会形成共享的精神:引导各类社会主体整合和开放数据,形成政府信息与社会信息交互融合的大数据治理平台,构建民主开放的社会氛围;引导基层民众参与社会协商、社区自治,促进政府与社会之间的协同和合作;引导社会和民众尊重规则、秩序、信用等,培育全社会的公共文明和契约精神
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据驱动决策的时代,“数据质量决定分析价值”已成为行业共识。数据库、日志系统、第三方平台等渠道采集的原始数据,往往存在 ...
2026-01-13在CDA(Certified Data Analyst)数据分析师的核心能力体系中,“通过数据建立模型、实现预测与归因”是进阶关键——比如“预测 ...
2026-01-13在企业数字化转型过程中,业务模型与数据模型是两大核心支撑体系:业务模型承载“业务应该如何运转”的逻辑,数据模型解决“数据 ...
2026-01-12当前手游市场进入存量竞争时代,“拉新难、留存更难”成为行业普遍痛点。对于手游产品而言,用户留存率不仅直接决定产品的生命周 ...
2026-01-12在CDA(Certified Data Analyst)数据分析师的日常工作中,“挖掘变量间的关联关系”是高频核心需求——比如判断“用户停留时长 ...
2026-01-12在存量竞争时代,用户流失率直接影响企业的营收与市场竞争力。无论是电商、互联网服务还是金融行业,提前精准预测潜在流失用户, ...
2026-01-09在量化投资领域,多因子选股是主流的选股策略之一——其核心逻辑是通过挖掘影响股票未来收益的各类因子(如估值、成长、盈利、流 ...
2026-01-09在CDA(Certified Data Analyst)数据分析师的工作场景中,分类型变量的关联分析是高频需求——例如“用户性别与商品偏好是否相 ...
2026-01-09数据库中的历史数据,是企业运营过程中沉淀的核心资产——包含用户行为轨迹、业务交易记录、产品迭代日志、市场活动效果等多维度 ...
2026-01-08在电商行业竞争日趋激烈的当下,数据已成为驱动业务增长的核心引擎。电商公司的数据分析师,不仅是数据的“解读官”,更是业务的 ...
2026-01-08在数据驱动决策的链路中,统计制图是CDA(Certified Data Analyst)数据分析师将抽象数据转化为直观洞察的关键载体。不同于普通 ...
2026-01-08在主成分分析(PCA)的学习与实践中,“主成分载荷矩阵”和“成分矩阵”是两个高频出现但极易混淆的核心概念。两者均是主成分分 ...
2026-01-07在教学管理、学生成绩分析场景中,成绩分布图是直观呈现成绩分布规律的核心工具——通过图表能快速看出成绩集中区间、高分/低分 ...
2026-01-07在数据分析师的工作闭环中,数据探索与统计分析是连接原始数据与业务洞察的关键环节。CDA(Certified Data Analyst)作为具备专 ...
2026-01-07在数据处理与可视化场景中,将Python分析后的结果导出为Excel文件是高频需求。而通过设置单元格颜色,能让Excel中的数据更具层次 ...
2026-01-06在企业运营、业务监控、数据分析等场景中,指标波动是常态——无论是日营收的突然下滑、用户活跃度的骤升,还是产品故障率的异常 ...
2026-01-06在数据驱动的建模与分析场景中,“数据决定上限,特征决定下限”已成为行业共识。原始数据经过采集、清洗后,往往难以直接支撑模 ...
2026-01-06在Python文件操作场景中,批量处理文件、遍历目录树是高频需求——无论是统计某文件夹下的文件数量、筛选特定类型文件,还是批量 ...
2026-01-05在神经网络模型训练过程中,开发者最担心的问题之一,莫过于“训练误差突然增大”——前几轮还平稳下降的损失值(Loss),突然在 ...
2026-01-05在数据驱动的业务场景中,“垃圾数据进,垃圾结果出”是永恒的警示。企业收集的数据往往存在缺失、异常、重复、格式混乱等问题, ...
2026-01-05