京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据,对政府管理的挑战
数据是当今信息化社会的”珍宝”,随着人类历史的发展规律,在未来或迎来数据爆炸时代。如何面对大数据,将大而化的数据建立成相互联系、智能分析的系统是一大难题,而大数据之战对政府管理来说,也是一场挑战。
大数据对商业、社会管理、安防三领域的价值
数据正成为与物质资产和人力资本相提并论的重要生产要素,大数据的使用将成为未来提高竞争力的关键要素。大数据作为重要的生产要素,其价值主要体现在如下三个方面。
实现巨大商业价值。大数据在商业领域的应用,可以通过对顾客群体细分来实现对每个群体量体裁衣般的采取独特的行动,通过模拟现实来发掘新的需求和提高投入的回报率,通过分析消费者的行为特征进行商业模式、产品和服务的创新等,这些应用将会产生巨大的商业价值。
增强社会管理水平。大数据在政府和公共服务领域的应用,可有效推动政务工作开展,提高政府部门的决策水平、服务效率和社会管理水平,产生巨大社会价值。2009年,谷歌公司通过把5000万条美国人最频繁检索的词条和美国疾控中心在2003年至2008年间季节性流感传播时期的数据进行比较,成功预测了当年甲型H1N1流感的爆发及其传播源头,远早于疾控中心官方。
提高安全保障能力。大数据在国防、反恐、安全等领域的应用,将对各部门搜集到的各类信息进行自动分类、整理、分析,有效解决情报、监视和侦察系统不足等问题,提高国家安全保障能力。从纯技术角度观察,美国的“棱镜”项目就是一个典型的通过分析海量通讯数据获取安全情报的大数据案例。
大数据面临数据共享和隐私保护挑战
如果从数据结构复杂多样,数据规模爆炸增长,对社会生活产生巨大影响的角度看,全球已经进入大数据时代。但是从对数据的应用角度看,当下还处于大数据时代的早期。特别是对我国来说,大数据真正落地,还需面临几个重大的挑战。
对数据共享和隐私保护的挑战。中国人口居世界首位,将会成为产生数据量最多的国家,但对数据保存不够重视,对存储数据的利用率也不高。此外,我国一些部门和机构拥有大量数据但受行政垄断和商业利益所限,数据开放程度也较低,这给数据利用造成极大障碍。制约我国数据资源开放和共享的一个重要因素是政策法规不完善,一方面欠缺推动政府和公共数据开放的政策;另一方面数据保护和隐私保护方面的制度不完善,抑制了开放的积极性。所以,如何使政府从垄断和保密的历史惯性思维方式中解脱出来,在确保隐私、机密和国家安全的前提下带头开放数据,降低公众获取和利用政府数据资源难度和成本,至少是我国大数据时代开启阶段的瓶颈。
对数据储存和分析技术的挑战。大数据中大部分都是非结构化的数据,如网络日志、RFID、传感器网络、社交网络、互联网搜索索引、详细通话记录、医疗记录、摄影档案、视频档案等。现有的软件和工具主要适用于以结构化数据为主的传统数据,要想及时捕捉、存储、聚合和管理这些大数据,以及对数据进行深度分析和挖掘,需要新的技术和能力。在大数据软件平台和算法方面,国外又一次走在我国前面。特别是近年来以开源模式发展起来的Hadoop等大数据处理软件平台及其相关产业已经在美国初步形成。而我国数据存储、处理技术基础薄弱,总体上以跟随为主,难以满足大数据大规模应用的需求。
对管理理念和运作方式的挑战。大数据的技术挑战显而易见,但其带来的决策挑战更为艰巨。大数据开发的根本目的是以数据分析为基础,帮助人们作出更明智的决策,优化企业和社会运转。哈佛商业评论说,大数据本质上是“一场管理革命”。多年前出现的互联网将企业经营、政府运作以及人们生活的方式做出了很大改变。大数据的出现,又一次激起了这种巨大的变革能力。在大数据时代,决策将日益基于数据和分析而作出,而并非基于经验和直觉。在我国,无论是政府部门还是企业,对大数据可能产生的价值的认识,以及如何利用数据分析实现科学决策依然有相当长的路要走。
大数据时代呼唤政府管理
现代历史上的历次技术革命,中国均是学习者。而在这次云计算与大数据的新变革中,中国与世界的距离最小,在很多领域甚至还有着创新与领先的可能。一方面,大数据技术以开源为主,迄今为止,尚未形成绝对技术垄断。即便是英特尔、IBM、甲骨文等IT巨头,也同样是集成了开源技术,和本公司原有产品更好的结合而已。另一方面,中国人口和经济规模,决定中国的数据资产规模将冠于全球,客观上为大数据技术的发展,提供了广阔的发展空间。从国家角度来看,大数据是重要战略资源。因此,挖掘大数据价值,推动大数据发展,需要政府发挥作用。
将大数据上升为国家战略。我国尽管已经意识到大数据的竞争力和战略性,却并未在真正意义上将其提升到国家战略高度,数据财富尚未形成全民意识。因此有必要从国家层面上制定大数据发展规划,将大数据上升为国家战略。通过国家层面的战略规划明确大数据产业的发展重点、空间布局和保障措施,推动和改善与大数据相关的收集、储存和分析工具及技术,并在公共服务领域(如安防、医疗、卫生、教育等),开展大数据应用示范,提高应急处置能力和安全防范能力,提升服务能力和运作效率。
推动数据公开,同时保护“隐私权”。如同工业革命要开放物质的交易、流通一样,开放的、流通的数据是时代的要求。美国政府创建了Data.gov网站公开数据,英国、印度也有“数据公开”运动。中国要赶上这样一场大数据变革,首先要从政府开始公开数据,让社会享受公开数据的好处,同时也可以提升政府的办事效率。其次要通过数据立法,对“隐私权”“所有权”等敏感问题通过法律形式加以保护。
推动政府2.0建设。通过以移动技术为代表的云计算、大数据等新一代IT技术工具和社会性网络服务(SNS)、社交媒体为代表的社会工具应用,打造以用户创新、大众创新、开放创新、协同创新为特征的政务平台,实现从生产范式向服务范式的转变,通过政府、市场、社会的协同与互动塑造公共价值。
大数据时代,带来的不仅仅是技术革命,智能分析的背后数据管理方式的优化才能让智能分析达到最大效用。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA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在Power BI实操中,函数是实现数据清洗、建模计算、可视化呈现的核心工具——无论是简单的数据筛选、异常值处理,还是复杂的度量 ...
2026-02-13在互联网运营、产品迭代、用户增长等工作中,“留存率”是衡量产品核心价值、用户粘性的核心指标——而次日留存率,作为留存率体 ...
2026-02-13对CDA(Certified Data Analyst)数据分析师而言,指标是贯穿工作全流程的核心载体,更是连接原始数据与业务洞察的关键桥梁。CDA ...
2026-02-13在机器学习建模实操中,“特征选择”是提升模型性能、简化模型复杂度、解读数据逻辑的核心步骤——而随机森林(Random Forest) ...
2026-02-12在MySQL数据查询实操中,按日期分组统计是高频需求——比如统计每日用户登录量、每日订单量、每日销售额,需要按日期分组展示, ...
2026-02-12对CDA(Certified Data Analyst)数据分析师而言,描述性统计是贯穿实操全流程的核心基础,更是从“原始数据”到“初步洞察”的 ...
2026-02-12备考CDA的小伙伴,专属宠粉福利来啦! 不用拼运气抽奖,不用复杂操作,只要转发CDA真题海报到朋友圈集赞,就能免费抱走实用好礼 ...
2026-02-11在数据科学、机器学习实操中,Anaconda是必备工具——它集成了Python解释器、conda包管理器,能快速搭建独立的虚拟环境,便捷安 ...
2026-02-11在Tableau数据可视化实操中,多表连接是高频操作——无论是将“产品表”与“销量表”连接分析产品销量,还是将“用户表”与“消 ...
2026-02-11在CDA(Certified Data Analyst)数据分析师的实操体系中,统计基本概念是不可或缺的核心根基,更是连接原始数据与业务洞察的关 ...
2026-02-11在数字经济飞速发展的今天,数据已成为核心生产要素,渗透到企业运营、民生服务、科技研发等各个领域。从个人手机里的浏览记录、 ...
2026-02-10在数据分析、实验研究中,我们经常会遇到小样本配对数据的差异检验场景——比如同一组受试者用药前后的指标对比、配对分组的两组 ...
2026-02-10在结构化数据分析领域,透视分析(Pivot Analysis)是CDA(Certified Data Analyst)数据分析师最常用、最高效的核心实操方法之 ...
2026-02-10在SQL数据库实操中,字段类型的合理设置是保证数据运算、统计准确性的基础。日常开发或数据分析时,我们常会遇到这样的问题:数 ...
2026-02-09