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
平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 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 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18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导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 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。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 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 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13