京公网安备 11010802034615号
经营许可证编号:京B2-20210330
政府需要怎样的大数据思维_数据分析师考试
深圳向来是个思想开放的城市,也一直不缺民间人士针对城市的改革与发展建言献策。10多年前,网友呙中校曾以《深圳,你被谁抛弃?》一文轰动全国。10多年后的今天,又有机构以《对深圳改革开放重大战略问题的建议》为题,洋洋洒洒谈了许多意见。
在诸多建议中,我们注意到,研究者对互联网+政府的治理模式颇有期许。在他们看来,利用大数据提高管理能力是政府管理日常事务的技术路径和技术支撑,也是提高政府治理能力现代化的一项重要改革。他们建议,应该成立大数据局,用于创新互联网+政府的治理模式。
在政府二字前面添上互联网+,当然是时髦的表达方式。其本质在于,政府的信息系统需要重构。各级政府部门在信息化建设及数据库管理方面,理应上一个大台阶。这对于政府治理的现代化不无裨益,也就需要政府在所谓的大数据思维方面,做必要的刷新。
政府需要怎样的大数据思维,或许没有什么标准答案。在我们看来,这里边需要强调的,至少有三个方面:一是数据信息开放的思维;二是数据信息整合的思维;三是数据信息分享的思维。这些思维方式,与政府信息公开的命题紧密联系,与数据信息的使用方向大有关系。数据如何使用,关乎政府信息公开的力度,也关乎政府行政的效率。
政府的大数据思维,首先是信息开放思维,这是由法律决定的。政府信息和预决算公开流于形式化现象过去一直较为严重——倘若这种现象得不到改变,则政府的大数据思维根本没法谈有什么刷新。信息难以公开,开放思维便会是一个伪命题。
坦率地说,在政府信息公开方面,还有很长的路要去走。政府要当信息公开方面的守法主体。大数据思维,建立在对法律的基本尊重上。如果因为各样的利益关系就能影响政府部门对法律的遵守,那么奢谈大数据又有何用?
政府的大数据思维,需要强调数据信息的整合。很重要的一点,就是不要让信息化建设流于形式。政府数据信息不能成为“孤岛”——各自为政的信息难有真正的价值。对于数据信息“孤岛”可能造成的伤害,各方面应有一个更清晰的判断。
数据信息的整合,是一个技术问题,更是一个价值判断问题。理念决定行动。有些政府部门之间的协同管理水平、社会服务效率和应急协调能力跟不上,跟数据信息缺少整合与沟通,大有关系。
政府的大数据思维,还有很重要的一点,就是数据信息分享的思维。与分享相对立的,是一些部门将数据藏着掖着,或者垄断数据信息,为部门利益、个人利益服务,而不是应用于公共利益。如果政府部门对数据资源的独占性严重,其后果是不难想象的。
上述《对深圳改革开放重大战略问题的建议》就指出了数据垄断的问题:大量的数据资源集中在政府手中,数据开发、应用以及数据咨询市场无法有效运行。也就是说,原本应是公共信息的数据掌握在政府部门手里,无法转化为整个社会的财富。这是非常遗憾的事情。
因此,政府部门重构大数据思维,是个现实命题。具体如何重构,当须妥善进行。政府数据管理法律的立与行,皆是必需的功课。这方面的经验与教训都很多。至于大数据局之类的政府机构是否必要,还可继续讨论。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06