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Python面向对象编程(OOP)中,类方法是构建模块化、可复用代码的核心载体,也是实现封装、继承、多态特性的关键工具。无论是 ...
2026-02-27在MySQL数据库优化中,索引是提升查询效率的核心手段—— 面对千万级、亿级数据量,合理创建索引能将查询时间从秒级压缩到毫秒级 ...
2026-02-27在数字化时代,企业积累的海量数据如同散落的珍珠,若缺乏有效的梳理与分类,终将难以发挥实际价值。CDA(Certified Data Analys ...
2026-02-27在问卷调研中,我们常遇到这样的场景:针对同一批调查对象,在不同时间点(如干预前、干预后、随访期)发放相同或相似的问卷,收 ...
2026-02-26在销售管理的实操场景中,“销售机会”是核心抓手—— 从潜在客户接触到最终成交,每一个环节都藏着业绩增长的关键,也暗藏着客 ...
2026-02-26在CDA数据分析师的日常工作中,数据提取、整理、加工是所有分析工作的起点,而“创建表”与“创建视图”,则是数据库操作中最基 ...
2026-02-26在机器学习分析、数据决策的全流程中,“数据质量决定分析价值”早已成为行业共识—— 正如我们此前在运用机器学习进行分析时强 ...
2026-02-25在数字化时代,数据已成为企业决策、行业升级的核心资产,但海量杂乱的原始数据本身不具备价值—— 只有通过科学的分析方法,挖 ...
2026-02-25在数字化时代,数据已成为企业核心资产,而“数据存储有序化、数据分析专业化、数据价值可落地”,则是企业实现数据驱动的三大核 ...
2026-02-25在数据分析、机器学习的实操场景中,聚类分析与主成分分析(PCA)是两种高频使用的统计与数据处理方法。二者常被用于数据预处理 ...
2026-02-24在聚类分析的实操场景中,K-Means算法因其简单高效、易落地的特点,成为处理无监督分类问题的首选工具——无论是用户画像分层、 ...
2026-02-24数字化浪潮下,数据已成为企业核心竞争力,“用数据说话、用数据决策”成为企业发展的核心逻辑。CDA(Certified Data Analyst) ...
2026-02-24CDA一级知识点汇总手册 第五章 业务数据的特征、处理与透视分析考点52:业务数据分析基础考点53:输入和资源需求考点54:业务数 ...
2026-02-23CDA一级知识点汇总手册 第四章 战略与业务数据分析考点43:战略数据分析基础考点44:表格结构数据的使用考点45:输入数据和资源 ...
2026-02-22CDA一级知识点汇总手册 第三章 商业数据分析框架考点27:商业数据分析体系的核心逻辑——BSC五视角框架考点28:战略视角考点29: ...
2026-02-20CDA一级知识点汇总手册 第二章 数据分析方法考点7:基础范式的核心逻辑(本体论与流程化)考点8:分类分析(本体论核心应用)考 ...
2026-02-18第一章:数据分析思维考点1:UVCA时代的特点考点2:数据分析背后的逻辑思维方法论考点3:流程化企业的数据分析需求考点4:企业数 ...
2026-02-16在数据分析、业务决策、科学研究等领域,统计模型是连接原始数据与业务价值的核心工具——它通过对数据的规律提炼、变量关联分析 ...
2026-02-14在SQL查询实操中,SELECT * 与 SELECT 字段1, 字段2,...(指定个别字段)是最常用的两种查询方式。很多开发者在日常开发中,为了 ...
2026-02-14对CDA(Certified Data Analyst)数据分析师而言,数据分析的核心不是孤立解读单个指标数值,而是构建一套科学、完整、贴合业务 ...
2026-02-14