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
【核心关键词】产品、经营、客户、调研、销售额、宏观、会计行业、客户满意度、发展趋势、经营状况、数据分析、竞争对手、数据 ...
2026-07-14问卷调查是市场调研、用户研究、社会调研与产品分析的核心数据采集方式。问卷数据大多以分类数据为主,例如用户性别、年龄分层、 ...
2026-07-14 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-07-14在数据分析、业务效果验证、AB实验扩展、行业对比等场景中,我们经常需要对比三组及以上样本的均值差异,例如不同区域的客单价对 ...
2026-07-13在互联网产品运营、用户生命周期管理与商业化数据分析中,留存指标是判断产品价值、用户满意度与商业模式健康度的核心基准。常规 ...
2026-07-13 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-07-13【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-07-09【核心关键词】采购、周期、原材料、企业、产品、成本、要素、库存、供应商、数据分析、生产计划、生产制造、加工制造、技术工 ...
2026-07-08在数据分析、特征工程、机器学习建模的工作流程中,原始数据往往包含多个不同维度的数值指标,例如客户交易数据中的消费金额、交 ...
2026-07-08 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-07-08商业谈判是企业采购合作、渠道签约、价格议价、项目合作、客户签约的核心关键环节,直接决定企业的合作成本、利润空间与经营风险 ...
2026-07-07在数据分析、业务效果验证、AB 测试、学术研究等场景中,T 检验是假设检验体系里最基础、应用最广泛的统计方法,也是均值差异分 ...
2026-07-07 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-07-07【核心关键词】转化率、企业、策略、岗位、互联网、拆分、产品、运营、分析师、指标体系、数据分析、用户画像、数据诊断、产品 ...
2026-07-06在数据分析工作中,文本数据处理是高频刚需场景,用户评论、客服工单、日志信息、调研问卷、商品文案等数据都包含大量文本内容。 ...
2026-07-06