京公网安备 11010802034615号
经营许可证编号:京B2-20210330
广州智慧城市建设应充分利用“大数据”
目前,随着各地“智慧城市”建设的火热进行,政府大数据应用进入实质性建设阶段,大数据在各个领域的应用价值初显。
在城市管理方面,一些地方合作推出的“警务云”已大显神威。比如,深夜时发现有人形迹可疑,警察可以通过云系统,找出这个人的各种信息,包括他何时坐过什么车、住过什么酒店、家庭情况等等。现在的大数据技术可以把所有的数据关联起来,为快速破案创造了有利条件。
然而笔者不久前采访广州超算中心得知,虽然广州“智慧城市”的建设也在推进,但这样的大手笔项目却很少。而连续四次蝉联世界500强第一名的天河二号超级计算机,目前也只有40%的利用率。
为何守着世界第一的超算,广州智慧城市的建设没有走在全国前列呢?有关专家认为,主要是政府对大数据的理解和重视程度远远不够。长期以来,我们的文化基因当中,数据文化很弱。没有把数据作为一种方法论,作为一种价值观,作为一种社会运转尺度来看待。
据了解,目前广州市各级政府掌握着全社会信息资源的80%,其中包括1000余个数据库。然而这些数据共享程度低。广州智慧城市的建设用到“超算”的,也主要是对20万个摄像头的数据进行分析与利用。很多数据因为部门利益和“保密”等因素,仅限于部门内部人员使用。而政府、企业和行业信息化系统建设也往往缺少统一规划和科学论证,没有统一标准,形成了众多“信息孤岛”,这给数据利用造成极大障碍。
维克托·迈尔—舍恩伯格所著的《大数据时代》一书中认为,“通过对海量数据进行分析,获得有巨大价值的产品和服务,或深刻的洞见”,这正成为“当今社会所独有的一种新型能力”。
总的来说,大数据对城市管理最重要的借鉴就是通过全方位的数据控制和分析,为政策制定提供高准确率的参考性和预见性,推动城市管理更加科学化。
在如今的城市,供水、排水、排污、供电、燃气、电话电缆、移动通讯等十几种地下管线盘根错节,基本上由各产权单位进行封闭式管理。这种多头管理给一些民生工程的推进造成很大压力。如果能采用建立数据标准和普查建库等方式实现地下管线的数据共享,地下管线的整治将事半功倍。不仅如此,通过对地下管线密度或受力情况的区域横向比对,还能预测/分析出工程项目对邻近管线的影响,从而使建设方案得到最大程度的优化,避免“拉链路”现象。
此外,大数据的真正价值在于挖掘和分析。大数据产业的战略意义不在于掌握庞大的数据信息,而是要提高对数据的“加工能力”,通过“加工”实现数据的“增值”。在政策制定方面,大数据作用应该更大。
目前,我国相当一部分公共政策的制定,通常是基于各个部门分别上报的零散数据,综合考虑专家学者的建言献策、民意调查等,科学实证的支持相对较少。为进一步提升公共政策制定的科学性,更应该引入“大数据”理念,将理性的数据分析与感性的经验判断结合起来作为决策依据。
如在交通方面,可以根据车流方向、密度来适时调整交通信号灯,让出租车在打车需求缺口最大的时间和地点出现;在健康医疗方面,通过研究气温、病种、门诊量的变化,可以预测未来传染病的发展趋势。今年初全国手足口病高发期间,有互联网公司就收集了相当宝贵的数据,向国家疾控中心提交了疫情预测和分析报告……
据市场调研机构预测,未来几年,中国大数据应用市场将呈现爆发式增长,并以近90%的年均复合增长率增长,到2018年,大数据产业规模预计将达到近6000亿元。从政府决策与服务,到城市的产业布局和规划,再到人们衣食住行的生活方式,都为广州的超算平台提供了广阔的空间。
当然,政府部门的大数据往往涉及机密,一旦泄露或者处理不当,将严重损害国家权益。这就要求IT企业加大对电子认证、加密解密、攻击检测与防御等技术的研发投入,加强产品系统应用安全。而政府部门要抓紧推进信息安全等级保护制度,加强对数据中心及信息系统运维的监督管理。
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】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-05在数据库数据查询、业务报表统计、多表关联分析中,LEFT JOIN左连接是使用率最高的SQL关联查询语句。其核心特性是保留左表全部数 ...
2026-06-05 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-06-05任何一款产品从诞生、普及到最终退出市场,都会遵循一套固定的发展规律,这就是产品生命周期理论。在市场竞争日益激烈、产品迭代 ...
2026-06-04在Excel数据分析、办公统计、业务报表制作场景中,数据透视表是数据汇总、分类统计、快速复盘的核心工具,能够高效完成海量原始 ...
2026-06-04 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-06-04在问卷调查与社会科学数据分析中,卡方检验是最常用、最基础的非参数检验方法,广泛应用于市场调研、用户分析、行为统计、满意度 ...
2026-06-03【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-03 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 ...
2026-06-03逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 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 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 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 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 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 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 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。 ...
2026-05-28