
张涵诚:贵阳模式值得参考,政府发展大数据需要方法论
导语:大数据是提升政府管理能力的有效技术路径,驱动智慧政府转型的关键力量,这已是各地政府的广泛共识,但能真正将大数据应用落地到政府日常工作管理中的目前为数不多。对于大部分地方政府而言,大数据对于政府管理工作的变革还处在有了“世界观”缺少“方法论”的阶段。如何找到“方法论”,促进政府大数据应用落地,利用大数据提升政府工作创造力,是本文想要与各位探讨的话题。
(数据生态)
最近半年笔者为政府做了很多大数据培训和咨询的工作,政府需要构建数据生态,驱动经济增长,但如何参考贵阳模式,利用数据,为人民服务?笔者梳理如下几个“关系”供参考:
一、要明确大数据与政府管理的关系
大数据因为巨大的商业价值而备受企业关注,但其实政府作为掌握更多信息的管理者,很多时候都是数据的首要获得者,因此政府更有能力也有优势率先合理利用大数据来开展工作。而随着大数据价值的逐步释放,大数据对于政府管理的巨大作用和意义也日益显现。
1、大数据推动透明政府建设
随着信息浪潮的到来,信息革命会产生一种新型的信任政治,信息公开对政府良好运行具有重大意义。信息不对称会使权利失去监督,滋生不良作风,甚至腐败行为。政府数据公开是权利运行公开透明的基础。
2、大数据促进政府治理变革
大数据的发展促进政府治理从经验决策到数据决策的变革。传统政府决策往往主要依靠政治精英和业务专家的知识和经验做出判断,随着大数据技术的发展,让决策者们可以依据科学客观的数据进行决策、分析和预测,通过“数据化决策”实现政府智慧转型。
3、大数据驱动政府服务转型
对公众而言,大数据带来的最直观变化,就是政府从管理型向服务型、精准服务型转变。以往政府工作人员只是被动等待百姓上门办理业务,现在有了大数据的海量信息支撑后,就可以精准定位各类人群,提高政府部门行政效率,增强服务能力。
4、政府管理具有大数据思维更能促进经济发展
大数据最重要的价值之一在于通过对数据的分析发现事物的变化规律,从而对未来进行科学预测。大数据有助于政府对国民经济发展进行合理规划,规避风险,提高经济发展与政府管理的协调性,进而挖掘出我国经济发展更多潜力。
(贵阳模式)
从目前来看,政府的数据包括水电煤气、医疗、教育、工商法务、交通基建等,这些数据用以:
激励城市产业创新;促进产业结构升级;提升城市形象、城市吸引力、政府品质;促进城市经济增长。在这方面贵阳无疑是一个典范,贵阳模式值得参考。2016年,全市大数据产业规模总量达1300亿元,同比增长41.9%;主营业务收入达650亿元,占全省比重超过50%;大数据及关联企业超过4000家。
二、发展大数据项目,有助于推动政府工作创新
政府发展大数据也需要建设一个生态系统,不仅可以让大数据从质和量上得到发展,同时可获取更全面的业务创新,可以让数据生生不息,最终发展成为一个良性的循环。如何构建政府的大数据生态系统,单纯依靠传统的政府管理思路和力量是不够的。
1、发展大数据项目有助于提升政府大数据技术应用水平
大数据是信息技术的新热点,政府部门作为国家行政管理职能部门也应积极参与到大数据技术的应用实践中来。如何提高政府大数据技术的应用水平?除了对政府工作人员进行大数据系统培训,发展大数据项目也是政府提升大数据技术应用能力的有效途径之一。政府部门就职人员也应积极利用各种大数据项目实践机会,提高个人大数据技术能力,促进政府大数据技术应用水平的提升。
2、发展大数据项目有助于促进政府大数据应用落地
前面我们说到政府发展大数据也需要建设一个生态系统,而政务大数据产业链按上、中、下游可以分为数据采集与制造、数据加工和使用以及大数据服务提供三个板块,而每一个环节都需要落实到具体的业务应用场景中去。如何将政府数据与具体的政府大数据应用场景相结合,则需要通过开展具体的大数据项目才能实现。
3、发展大数据项目能推动政府管理工作创新
政府管理工作要实现科学创新离不开智能化。智能化意味着精准分析、精准治理、精准服务、精准反馈。如何做到政府管理智能化,需要政府通过获取、存储、管理、分析等手段,将海量大数据变成活数据,广泛应用于社会治理领域。
4、传统产业和新兴战略产业对于大数据的思考在哪里?
这些产业是否有大数据平台、产品、和第三方服务公司做数据服务。如果没有是不是要引进,培育扶持
三、如何把握好机遇做好大数据创新项目
1、充分利用大数据政策红利
随着国家层面对发展大数据的重视,大数据已正式上升为我国国家战略,各地政府也相应出台不少发展大数据项目相关扶植政策。各地政府都应把握好大数据政策红利,抓紧机遇发展大数据创新项目。
2、借鉴西方欧美国家先进经验
欧美等西方国家作为全球大数据领域的先行者,在发展大数据创新项目,运用大数据手段提升社会治理水平、维护社会和谐稳定方面已先行实践并取得显着成效。以之为标杆,分析其典型做法,并与国内大数据发展状况相结合,摸索出一条适合我们自己的大数据发展之路。
3、政企合作,优势互补,合作共赢
政府拥有大量的政务及城市信息数据与巨大的应用需求,而企业则掌握着与居民生活消费相关的数据与大数据采集、处理、分析的关键技术。政企合作共建大数据项目,可以形成优势互补,将双方的资源盘活,各取所需,实现政府与企业的互利共赢。
贵阳模式促进了全国大数据的发展,那么人工智能呢,区块链呢,脑科学呢,量子计算呢,传感器物联网呢?其实都可以是有相同的“套路”的,但关键的问题是,新产业的眼球经济、优秀企业的落地、博得大家偏好,更重要的在于关键还是一把手重视、战略的布置,战术的执行。否则也就只能YY下。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02