京公网安备 11010802034615号
经营许可证编号:京B2-20210330
政府拥抱大数据 治理迎来新格局_数据分析师考试
在全社会信息量爆炸式增长的背景下,政府部门该如何拥抱大数据?专家建议,一方面要加强与大数据分析企业、互联网公司的合作,获取更丰富的数据,另一方面要开放一些政府数据给企业,发挥企业的智力资源与技术实力,为政府提供决策支撑—
国办近日印发《关于运用大数据加强对市场主体服务和监管的若干意见》,提出充分运用大数据先进理念、技术和资源,加强对市场主体的服务和监管,推进简政放权和政府职能转变,提高政府治理能力。
“这是适应时代需求的必然选择,是智慧城市建设的重要切入点。”中国电子信息产业发展研究院信息化研究中心副主任潘文接受《经济日报》记者采访时表示,公共信息资源中蕴含的经济潜力是惊人的,用好大数据,能有效提高公共决策的质量和效率,并顺应“大众创业、万众创新”的潮流需要。
蕴含巨大经济潜力
在信息社会,随着大数据、云计算、移动互联网等新技术及相关的创新应用不断加快,海量数据正在政务管理、产业发展、城市治理、民生服务等众多领域不断产生、积累,数据资源也和土地、劳动力、资本等生产要素一样,成为促进经济增长的基本要素。
近年来,我国大数据产业规模迅速增长。赛迪顾问的统计数据显示,2014年,中国大数据IT市场规模达到93.1亿元,增长率为37.3%。预计2015年至2017年,中国大数据IT市场年复合增长率有望达到33.3%。
大数据为何能蕴含如此大的经济潜力?“因为数据的体量越来越大、来源越来越广泛、内容越来越丰富,可以从更多维度全面还原市场,让政府对市场有更加准确的把握,进而帮助政府提高服务与监管的水平。”赛迪顾问电子信息产业研究中心高级分析师张梓钧说。
“从广义上看,我国大数据产业或已超过1000亿元,大数据企业群体正在快速兴起。”中关村(7.66, -0.67, -8.04%)大数据产业联盟副秘书长陈新河表示,大数据思维和应用已逐渐渗透到公共管理和政府治理范畴内,对于推进政府治理从粗放化向精细化、从被动响应向主动预见、从个人经验判断向数据科学决策、从行政主导型政府向以人为本的服务型政府转型都有重要作用。
开放提升服务水平
《意见》提出运用大数据提高为市场主体服务水平。潘文对此分析说,利用大数据等现代信息技术,可以增加政府信息公开透明度、提高注册登记效率、简化项目审批程序、有效综合评估企业信用状况、进行经济运行监测预测和风险预警等等。这些进步都有利于提升政府公共服务和监管的实时性和有效性,有利于方便市场主体,提高经济社会运行效率。
“总体来说,我国政府运用大数据为市场服务还在初期探索阶段。”张梓钧建议,一方面要加强与大数据分析企业、互联网公司的合作,获取更丰富的数据,另一方面要开放一些政府数据给企业,发挥企业的智力资源与技术实力,为政府提供决策支撑。
近年来,互联网的高速发展带来了数据爆炸式增长,数据已成为企业未来新战略发展的中心。百度[微博]、阿里巴巴[微博]、腾讯等互联网企业分别通过搜索、产业链、用户掌握着数据流量入口,已在多个领域尝试对掌握的数据进行利用,体系和工具日趋成熟。浪潮、曙光等IT企业则把重心转向数据服务,并和政府有了多项成功合作。
“开放数据,是政府部门实现数据创新应用,服务产业、企业走向升级发展道路的重要途径。”浪潮集团董事长孙丕恕认为,当企业数据的来源不再局限于财务、税务、信贷、保险、信用历史等传统领域和组织内数据,还扩展到产业分布、发展需求、市场现状等广泛领域,将为企业和经济发展提供全新的资源支持,激活“数据经济”的全部潜能。
众包强化监管能力
“以前对市场主体的监管靠工商、行政等机构,受困于人员、资金,很难全面到位,而大数据时代利用企业画像技术将有效提高监管能力。比如,根据网络上餐饮点评数据、微博吐槽数据、论坛热议信息等几乎可以对辖区的所有餐馆进行360度的客观评议,以众包的方式取代原来的抽检方式,大大减少漏检的可能。”陈新河说。
潘文表示,依托在日常监管所形成的庞大的企业信息数据,开展大数据监管专项研究和实践,建立科学的数据分析模型,通过对市场主体数据的综合比对、分析、监测、科学筛查,能及时发现涉嫌违法的市场主体,预警系统性、区域性的市场异常现象,实现精准打击的信息化监管模式,减少执法资源的无效投入和浪费,全面提高监管效能。
不仅如此,运用大数据进行市场监管,还能让多部门、多环节产生的数据交织融合,产生以信用为核心的新型监管机制。“但只有实现跨部门跨领域的数据共享,才能真正打造出全面可靠的信用体系。”张梓钧说。潘文也指出,要充分利用大数据监管理念及思维,加强数据整合、采集、分析、挖掘,让数据决定监管的重点,并推动跨区域跨部门之间的信息互联互通。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-07-09【核心关键词】采购、周期、原材料、企业、产品、成本、要素、库存、供应商、数据分析、生产计划、生产制造、加工制造、技术工 ...
2026-07-08在数据分析、特征工程、机器学习建模的工作流程中,原始数据往往包含多个不同维度的数值指标,例如客户交易数据中的消费金额、交 ...
2026-07-08 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-07-08商业谈判是企业采购合作、渠道签约、价格议价、项目合作、客户签约的核心关键环节,直接决定企业的合作成本、利润空间与经营风险 ...
2026-07-07在数据分析、业务效果验证、AB 测试、学术研究等场景中,T 检验是假设检验体系里最基础、应用最广泛的统计方法,也是均值差异分 ...
2026-07-07 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-07-07【核心关键词】转化率、企业、策略、岗位、互联网、拆分、产品、运营、分析师、指标体系、数据分析、用户画像、数据诊断、产品 ...
2026-07-06在数据分析工作中,文本数据处理是高频刚需场景,用户评论、客服工单、日志信息、调研问卷、商品文案等数据都包含大量文本内容。 ...
2026-07-06 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-07-06在 CDA 数据分析师能力体系中,透视分析是数据探索、多维度汇总、业务复盘的核心基础技能。无论是 Excel 数据透视表,还是 Power ...
2026-07-03在市场竞争日趋激烈、获客成本持续攀升的当下,企业粗放式的“广撒网”获客模式早已无法适配经营需求。企业经营的核心逻辑,已经 ...
2026-07-03 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-07-03【核心关键词】运营、企业、核心、客户、新技术、数字化运营、数据分析、传统企业、人工录入、生产系统、技术人员、数据安全、 ...
2026-07-02在产品开发、项目立项、业务拓展、运营优化的工作中,市场调查、竞品分析、需求调研是三大核心基础工作。很多从业者容易将三者混 ...
2026-07-02