京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据如何优化公共服务
公共服务领域采用大数据技术和大数据思维,既可以为政府进行公共服务决策和加强公共服务监管服务,可以为公共服务消费者在内的社会公众提供个性化和精准化服务,也有助于公共服务提供者降低成本,从而更好地实现公共服务自身的经济和社会特性并存的要求。但是,大数据不仅是一种海量的数据状态及相应的数据处理技术,更是一种思维方式,是一场由技术变革推动的社会变革。在公共服务领域真正实现与大数据的融合,现实中还存在着多重挑战。
公共服务提供主体运用大数据的意识差异大。从公共服务提供者的角度来看,虽然公共服务提供机构对于数据的重视程度较高,但是范围更多地局限于对内部的数据认知。从总体来看,公共服务提供机构的管理人员并没有意识到外部数据如互联网数据与内部数据的结合所产生的价值,而是更多地把数据进行了存储,没有进行分析。这也加重了现有的数据孤岛问题和数据闲置现象。以人口管理为例,掌握准确的基础人口数据是人口管理的一大难点。涉及人口管理的有八九家部门,税务部门有纳税人口数据,教育部门有在读人口数据,公安局有户籍人口数据,社保局有参保人口数据,等等。孤立的任何一个数据库都不能全面展现一个地方的实有人口情况。
公共服务数据格式和采集标准不统一,导致数据可用性差。大数据预处理阶段需要抽取数据并把数据转化为方便处理的数据类型,对数据进行清洗和去噪,以提取有效的数据等操作。很多公共服务部门,每天都在产生大量的数据,但在数据的预处理阶段不重视,不同部门的数据格式、采集标准也非常不同,很多数据是非结构化的,导致数据的可用性差,数据质量差,数据处理很不规范。如危险化学品的监管问题,在目前的监管格局下,危险化学品在生产、储存、使用、经营、运输的不同环节,除企业承担主体责任外,由安监、交通、公安等部门分别承担监管职责,这些主体对信息报备的宽严尺度不一。这样的宽严不一,以及各监管部门、企业主体间存在的种种信息壁垒,大大影响了监管效能。
公共服务部门从业人员多元化,大数据专业人才缺乏。数据采集工作牵涉的绝不仅仅是数据问题,它与政府以及事业单位等的改革深刻关联,势必对基层人员的工作能力和责任感都提出更高的要求。数据的采集和分析是一个多专家合作的过程,这要求相关人员是复合型人才,既熟悉本单位业务和需求,具备相关专业知识和经验,同时又要了解大数据技术,能够综合运用数学、数据分析、机器学习和自然语言处理等多方面知识。面对大数据,如果不会分析,数据就只是数据;如果错误分析,数据反而还会造成新的问题。
教育、医疗、社会保障、环境保护等公共服务领域,由于技术难度相对小,而且推广意义大,可以起到“四两拨千斤”的作用,应当率先突破大数据的应用障碍,政府部门应当而且也可以在这一方面发挥更大的作用。
科学规划和合理配置网络资源,加强信息化的基础设施建设。没有信息化的基础设施建设,就谈不上信息化,更谈不上大数据。2013年8月,澳大利亚政府信息管理办公室(AGIMO)发布了公共服务大数据战略。到2013年底,澳大利亚人可以享受到每秒1G的互联网下载速度,而且安装宽带所需要的费用全部由政府免单,完全免费。对我国来讲,这一项工作只有以政府部门为主,根据发展需求,科学规划和合理配置网络地址、网络带宽等网络资源,并且鼓励大数据企业参与网络设施投资和电信服务运营。
与此同时,还应做好数据标准统一工作,为数据的采集、整合等提供支持。统一的标准是用好大数据的关键所在。应当加快研究建立健全大数据技术标准、分类标准和数据标准。针对行政记录、商业记录、互联网信息的数据特点,研究分析不同数据口径之间的衔接和数据源之间的整合,规范数据输出格式,统一应用指标涵义、口径等基本属性,为大数据的公开、共享和充分利用奠定基础。
政府搭建平台,推动公共服务部门与第三方数据平台合作,建设好社会基础数据库,助力提高公共服务效率和开展公共服务创新。公共服务部门可以考虑借助如百度、阿里、腾讯等第三方数据平台解决数据采集难题,为包括政府各职能部门在内的各种社会主体提高公共服务效率和开展公共服务创新提供可能。另外,在政府信息公开不断加强的基础上,加大数据的开放和共享,建立起公共服务领域的数据联盟。大数据越关联就越有价值,越开放就越有价值。须尽快确立数据开放基本原则,政府带头开放公共领域的行政记录等公共数据,鼓励事业单位等非政府机构提供在公共服务过程中产生的数据,推动企业等开放其在生产经营、网络交易等过程中形成的数据。最终建立起公共服务领域的数据联盟。
按照“抓两头,带中间”的思路做好大数据人才的培训和储备工作。大数据的核心说到底是“人”。相应的人才培训和储备工作要抓好两头。一头是基层。由于公共服务领域中相当多的数据是从基层采集的,因此需要加强基层基础建设,要求公共服务部门要有完整的原始记录和台账,确保原始数据采集的准确性。而且也要求基层工作人员理解统一的数据平台、统一的软件操作、统一的指标含义。随着采集数据标准的逐步统一,采集数据的各个部门还需要相应地修改原来的流程、采集方式、人力配置等等。政府有关部门应当制定适当的激励和约束机制,保障基层工作人员的素质和能力跟得上新形势的要求。另一头是高端。数据分析对国内高校人才培养也提出了新的要求。大数据人才的培养更多地集中在研究生阶段,从政府有关管理部门的角度来看,应该按照国务院简政放权、放管结合、优化服务的要求,放宽对高校专业设置的审批,真正落实高校管理自主权。鼓励并积极创造条件推动高校以及企业在大数据人才的培养方面进行探索。
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在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12