
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
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