京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代带来了哪些机遇
经过30多年的探索与实践,国家核安全局实现了核与辐射安全监管能力的不断提升,但同时也面临着推进核与辐射安全监管体系和监管能力现代化的时代课题。环境保护部副部长李干杰多次强调要按照系统化、科学化、法制化、市场化和信息化的要求,着力研究,做好顶层设计,逐步推进。
然而,在大数据、互联网时代,任何一种监管或治理都不再是单方面的政府治理。“大数据将不仅是技术或生产力,它同时也是生产关系的重塑”,将对我国治理体系和治理能力产生深远的影响。如何利用大数据加快核安全监管现代化进程是当前我们面临的重大课题。
得数据者得天下
大数据的核心是数据,本质是管理。数据是与物质、能源同等重要的基础性战略资源,数据的采集和分析涉及每一个行业,是带有全局性和战略性的工作。正所谓“得数据者,得天下”。因此,数据从哪里来是关键。
纵观核安全监管30年,系统内累积的大量历史资料可看作是“沉睡数据”;一些被标识但没有得到有效应用的数据可看作是“仅标识数据”;而近年来建立的核与辐射安全监管信息化系统中的结构化数据则可看作“活跃数据”。
此外,系统外的其他政府机构和被监管对象的相关数据也是核安全数据集或数据仓库的重要组成部分,必须加以重视和利用,才能形成真正的大数据。
从我国信息化发展的现实情况看,“不愿共享开放”、“不敢共享开放”、“不会共享开放”的情况依然较为普遍。特别是我国各级政府、公共机构汇聚了海量数据资源,但除了部分自用和信息公开外,大部分没有充分发挥数据资源作为“生产要素、无形资产和社会财富”的应有作用。
因此,要打破国家核安全局与其他政府机构、行业和领域的壁垒,建立数据资源开放与共享机制,让数据流动起来,打破数据孤岛;把沉睡数据发掘出来、把仅标识数据系统化,使之成为活跃型数据,才能让数据共享成为可能,继而创造价值。
然而,最基本的问题即安全问题是大数据应用的保障,大数据安全很大程度上已经上升到国家战略层面安全,目前美国、欧洲和日本等国都出台了数据安全战略。面对大数据时代的机遇,我们能不能把控数据安全、保护数据资产是重大挑战。
大数据带来变革
大数据背景下的政府治理将不仅是权位治理,也是公共治理和多元治理、数字治理,在以数字技术为基础、以网络为载体的新媒体生态环境下,大数据进一步赋权于个人与组织,使其分享原本国家独占的治理权力,这在公共安全与应急管理等方面表现更为突出。同时,原本封闭的治理体系逐渐向开放透明的治理体系转变。中国国际经济交流中心副研究员张茉楠指出,“大数据必然要求数据开放、实现共享,这在一定程度上破解了制度黑箱问题。
在大数据、云计算、社会化媒体等全新信息技术的猛烈冲击下,原来存在于政府和公众之间的信息差、文化差、知识差、能力差正在逐渐消除。
经过30多年的探索与实践,国家核安全局实现了核与辐射安全监管能力的不断提升,但同时也面临着推进核与辐射安全监管体系和监管能力现代化的时代课题。环境保护部副部长李干杰多次强调要按照系统化、科学化、法制化、市场化和信息化的要求,着力研究,做好顶层设计,逐步推进。
然而,在大数据、互联网时代,任何一种监管或治理都不再是单方面的政府治理。“大数据将不仅是技术或生产力,它同时也是生产关系的重塑”,将对我国治理体系和治理能力产生深远的影响。如何利用大数据加快核安全监管现代化进程是当前我们面临的重大课题。
得数据者得天下
大数据的核心是数据,本质是管理。数据是与物质、能源同等重要的基础性战略资源,数据的采集和分析涉及每一个行业,是带有全局性和战略性的工作。正所谓“得数据者,得天下”。因此,数据从哪里来是关键。
纵观核安全监管30年,系统内累积的大量历史资料可看作是“沉睡数据”;一些被标识但没有得到有效应用的数据可看作是“仅标识数据”;而近年来建立的核与辐射安全监管信息化系统中的结构化数据则可看作“活跃数据”。
此外,系统外的其他政府机构和被监管对象的相关数据也是核安全数据集或数据仓库的重要组成部分,必须加以重视和利用,才能形成真正的大数据。
从我国信息化发展的现实情况看,“不愿共享开放”、“不敢共享开放”、“不会共享开放”的情况依然较为普遍。特别是我国各级政府、公共机构汇聚了海量数据资源,但除了部分自用和信息公开外,大部分没有充分发挥数据资源作为“生产要素、无形资产和社会财富”的应有作用。
因此,要打破国家核安全局与其他政府机构、行业和领域的壁垒,建立数据资源开放与共享机制,让数据流动起来,打破数据孤岛;把沉睡数据发掘出来、把仅标识数据系统化,使之成为活跃型数据,才能让数据共享成为可能,继而创造价值。
然而,最基本的问题即安全问题是大数据应用的保障,大数据安全很大程度上已经上升到国家战略层面安全,目前美国、欧洲和日本等国都出台了数据安全战略。面对大数据时代的机遇,我们能不能把控数据安全、保护数据资产是重大挑战。
大数据带来变革
大数据背景下的政府治理将不仅是权位治理,也是公共治理和多元治理、数字治理,在以数字技术为基础、以网络为载体的新媒体生态环境下,大数据进一步赋权于个人与组织,使其分享原本国家独占的治理权力,这在公共安全与应急管理等方面表现更为突出。同时,原本封闭的治理体系逐渐向开放透明的治理体系转变。中国国际经济交流中心副研究员张茉楠指出,“大数据必然要求数据开放、实现共享,这在一定程度上破解了制度黑箱问题。
在大数据、云计算、社会化媒体等全新信息技术的猛烈冲击下,原来存在于政府和公众之间的信息差、文化差、知识差、能力差正在逐渐消除。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 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 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 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 ...
2026-08-24 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 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 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 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19