京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据热中的冷思考_大数据培训
大数据(Big Data)正在成为公共服务与治理的新边疆。面对私营部门大数据项目的成功案例,各国政府正面临日益增大的压力:如何整合分散的数据源,如何建构有效的数据挖掘和分析能力,以及如何最终走向数据驱动(data-driven)的决策制定过程。但政府别无选择,因为大数据蕴含着提升政府效率和增加公民参与的巨大潜力。接下来的问题是:政府该如何做才能真正实现大数据的美好愿望?美国亚利桑那州立大学(Arizona State University)的公共事务教授 Kevin Desouza基于美国政府的经验尝试对这一问题进行回答。
Desouza教授在2013年历时一年对美国联邦、州、及地方政府的首席信息官(CIO)进行了广泛而深入的访谈,形成了一份研究报告,题为《实现大数据的愿望:实施大数据项目》。该报告由IBM“政府事务中心”(Center for The Business of Government)资助并出版。Desouza教授不仅在报告中清晰而富有启发性地介绍了大数据的概念(“大数据”这个术语虽然受到了极大关注,但到目前为止还是缺乏一个广泛接受的定义),还分析了公共部门与私营部门在使用大数据方面的不同。最后,该报告详实描述了美国各级政府大数据的使用情况,例子包括美国国内税务局、马萨诸塞州和纽约市商业诚信委员会(New York City Business Integrity Commission)等。
报告用5个V帮助理解大数据的概念,共例举了10个发现,以及对美国政府实施大数据项目的17个步骤(3阶段)的政策建议。5个V分别是Volume(量度),Velocity( 速度),Variety(广度),Viscosity( 粘度), Variability( 变异度),以及 Veracity(信度)。10大发现依次为:
1. 政府机构的大数据努力还处于早期试水阶段
2. 许多CIO正努力说服大家大数据不是一个昙花一现的概念
3. 大多数的CIO的当务之急是管理大批量的数据,整合不同数据库的数据,以及建构数据挖据的能力
4. CIO们报告说一些大数据项目的主要关注点在于优化业务流程
5. CIO们预期近期不会因为大数据项目而显著增加技术的投资
6. CIO们报告说他们迫切需要改善人力资本,包括数据分析能力
7. CIO们目前正在着力探索数据治理(data governance)的新模式
8. CIO们不建议由IT部门作为大数据项目的牵头人
9. CIO们认为协作式的领导力(Collaborative Leadership)对于大数据项目的成功至关重要,并建议创造工作组来监督项目进展
10. CIO们正在成为分析学和证据驱动的政策制定的拥护者
报告认为,可以用3个C 来概括17个步骤中最关键的成功因素:详尽的规划(careful planning), 充分的沟通(communication),以及无缝隙的协作(ccollaboration).
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14