
“大数据管理局”让大数据共用共享_数据分析师
近日,广州市政府官方网站公布了工信委、商务委和国资委3个部门的“三定方案”。三个部门共“定编”339名,其中商务委编制最多,占比超4成。机构设置方面,工信委下设的广州市大数据管理局(正处级)颇具创新,其承载着建设工业大数据库等9项重要职责。
城市发展到了今天这么大的体量,社会治理模式也需要不断升级。大数据,无疑是一个重要的发展方向。随着网络的普及,越来越多的行为在网上发生,“凡走过必留下痕迹”,有的商业数据公司将其收集起来,分析用户情况,还能卖个高价。政府部门也亟需重新认识自己手中掌握的数据价值。今后,在治安防控、交通治堵、办证服务,乃至灭蚊杀菌、气象预报等方面,政府部门的大数据都将大有作为。广州在机构改革中新设大数据管理局,将成为广州重视大数据、用好大数据的新起点。今后,分散在各个部门的数据将有专门机构来统筹分析,当然是一件大好事。
根据三定方案,大数据管理局任务不轻,共有9项职责,从工业信息到视频资料,从标准制定到平台搭建,都需要投入极大的人力物力。大数据管理局能否扛得起来?一者,人员要给够,9大项职责,涉及生产生活多个方面,人手不足工作没法开展;二者,队伍建设还要讲究针对性,比如要搭建数据平台的至少要懂一些计算机知识,而牵头统筹工业信息数据的又要对工业企业的运行比较熟悉,无论是新招聘还是从其它机构选调,都应注重人员的知识结构和经验背景。三者,大数据管理局要统领全市大数据研究应用工作,政府还需对大数据统筹应用工作有更恰当的考量,比如将大数据共享强制规定为各行政部门的常态工作,或者由市政府牵头召开各部门领导都参加的大数据联席会议,方能帮助大数据管理局一臂之力。否则,若各部门不配合,大数据管理局再努力也是一个巴掌拍不响。
要用好大数据,首先就要有专门机构来抓这件事。广州设立大数据管理局,为今后社会治理智能化开了一个好头。在今后具体开展工作的过程中,还应出台更多配套的扶持措施和制度框架。除了大数据管理局履行职责外,其他各局也得给力。只有各个部门主动敞开胸怀,才能让大数据研究应用形成合力。
只有共享才“有用”
毋庸置疑,政府管理进入大数据时代,管理效率将会大大提高。但其实,对于市民来说,更关心的是这些与市民切身利益相关的政府“大数据”能否共享和开放。政府部门有很多可公开数据,但在现有机构壁垒下并没有达到足够的共享和开放。
我们更希望,大数据管理局能协调政府内部信息平台共享,促进政府信息数据公开和透明,打破信息壁垒,逐步公开、共享各项民生数据。
如何保护个人隐私
世界已进入大数据时代,大数据正在深刻改变着你和我的生活,政府引入大数据管理更是大势所趋。但其实有一个问题要引起我们重视,那就是“个人隐私”,如何避免“个人隐私”变成一些商业非法采集“大数据”对象,这些是我们接下来要面对的问题。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14