京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据如何走出“围墙”_数据分析师考试
大数据浪潮的扑面而来,使得对数据的认识和利用被提升到前所未有的高度。特别是对于占据九成份额,拥有最多大数据资源的政府部门,堪称“富矿”。
“政府手里最值钱是土地和数据,数据是可以反复利用的,政府数据一旦释放,所产生的价值要比土地高太多。”谈及政府数据的价值,贵阳大数据交易所总裁王叁寿告诉《中国电子报》记者说。
更重要的是,大数据时代,国家大力发展政务大数据,还在于其能够成为打通部门壁垒、提高行政效率、转变思维方式,是开启“智慧政府”之门的一把金钥匙。
然而就目前而言,政府数据仍然被束之高阁,无论是促进价值释放还是促进政府职能转型而言,都是全新课题。那么,躲在里面“睡觉”的政府大数据如何才能走出“围墙”呢?
政府自身意识很关键
一位市民出国旅游需要证明“我妈是我妈”,这让李克强总理在国务院常务会议上拍了桌子,反映出某些政府管理部门和企业在建设诚信体系方面理念落后和动作迟缓,而如果实现了大数据联网,完全可以由政府部门内部调取,不必让市民急断肠、跑断腿。
部分政府部门在对大数据开放上所持的消极态度在一定程度上阻碍了政府大数据价值的释放。在赛迪智库软件与信息服务业研究所所长安晖看来,大数据走出政府“围墙”的核心问题在于政府自身的意识。
“国外认为政府使用纳税人的钱获得的数据,就应该为纳税人所用,所以主导观念就是开放。而政府部门对于数据的态度是,除非需要,否则不开放。”安晖这样告诉《中国电子报》记者。
随着国家在部署运用大数据优化政府服务和监管、提高行政效能上的不断加强,地方政府对于开放数据的态度正在逐渐转变,步伐也在不断加快,越来越多的政府部门意识到“数据是一种财富”,北京、上海等全国多个地方政府均在一定程度上开放了政府数据。
王叁寿告诉《中国电子报》记者,地方政府的确在对于大数据开放态度上有积极转变,但他也同时指出,光有态度并不够。
因为这样的开放姿态可能掺有“水分”。一种情况是将政府部门数据交给自建的数据中心,实际上并没有做到完全地面向市场主体开放。另一种情况是开放数据的价值很少,低价值密度的数据无法被市场主体有效利用。
中关村大数据产业联盟秘书长赵国栋在接受《中国电子报》记者采访时表示,对于数据资产的重视所产生的一个副作用则是政府部门将数据据为己有,这涉及到政府部门的利益问题。政府部门只有改变观念,转变职能,才能打破这种垄断,真正做到数据开放并服务于市场主体。
大数据处理需要“富士康”
政府部门对于开放大数据上的“保守”有其现实原因,主要来自对于开放数据安全性的担忧。即便能够做到单一部门开放数据的安全级别分类和审核,但很难控制不同部门数据开放之后的交叉泄密,这成为政府部门对于开放大数据的顾忌所在。
赵国栋并不认同因为安全问题而拒绝大数据开放的做法,他认为大数据安全是个伪命题。“从宏观层面,国家有能力保护好数据安全。而对于政府部门,安全体现在使用中去维护,不能因为有风险而不去做,不能因噎废食。”赵国栋直言。
在王叁寿看来,政府开放大数据还是要在安全保障的前提下求发展,确保数据源的真实、可信是最为重要的。大数据的清洗和建模两个环节成为大数据走出政府围墙的关键,这又涉及对于数据的采集、汇总、脱敏、分析等多个流程,而目前国内在清洗、建模方面的人才较少。
“大数据的清洗、建模、分析属于劳动密集型工作,不管是中国也好,国外也好,在大数据清洗、建模、分析领域需要‘富士康式’的企业,进行数据清洗业务的标准化生产,为大量的数据交易提供支撑。”
我国正在积极推动加快建立政府信息采集、存储、公开、共享、使用、质量保障和安全管理的技术标准方面的工作。在近日国务院办公厅印发的《关于运用大数据加强对市场主体服务和监管的若干意见》中,明确工信部、国家标准委员会、国家发改委、质检总局、网信办、统计局等多部门建立大数据标准体系,研究制定有关大数据的基础标准、技术标准、应用标准和管理标准等工作,计划将于2020年前出台并实施。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27数据分析的基础范式,是支撑数据工作从“零散操作”走向“标准化落地”的核心方法论框架,它定义了数据分析的核心逻辑、流程与目 ...
2026-01-27在数据分析、后端开发、业务运维等工作中,SQL语句是操作数据库的核心工具。面对复杂的表结构、多表关联逻辑及灵活的查询需求, ...
2026-01-26支持向量机(SVM)作为机器学习中经典的分类算法,凭借其在小样本、高维数据场景下的优异泛化能力,被广泛应用于图像识别、文本 ...
2026-01-26在数字化浪潮下,数据分析已成为企业决策的核心支撑,而CDA数据分析师作为标准化、专业化的数据人才代表,正逐步成为连接数据资 ...
2026-01-26数据分析的核心价值在于用数据驱动决策,而指标作为数据的“载体”,其选取的合理性直接决定分析结果的有效性。选对指标能精准定 ...
2026-01-23在MySQL查询编写中,我们习惯按“SELECT → FROM → WHERE → ORDER BY”的语法顺序组织语句,直觉上认为代码顺序即执行顺序。但 ...
2026-01-23数字化转型已从企业“可选项”升级为“必答题”,其核心本质是通过数据驱动业务重构、流程优化与模式创新,实现从传统运营向智能 ...
2026-01-23CDA持证人已遍布在世界范围各行各业,包括世界500强企业、顶尖科技独角兽、大型金融机构、国企事业单位、国家行政机关等等,“CDA数据分析师”人才队伍遵守着CDA职业道德准则,发挥着专业技能,已成为支撑科技发展的核心力量。 ...
2026-01-22在数字化时代,企业积累的海量数据如同散落的珍珠,而数据模型就是串联这些珍珠的线——它并非简单的数据集合,而是对现实业务场 ...
2026-01-22在数字化运营场景中,用户每一次点击、浏览、交互都构成了行为轨迹,这些轨迹交织成海量的用户行为路径。但并非所有路径都具备业 ...
2026-01-22在数字化时代,企业数据资产的价值持续攀升,数据安全已从“合规底线”升级为“生存红线”。企业数据安全管理方法论以“战略引领 ...
2026-01-22在SQL数据分析与业务查询中,日期数据是高频处理对象——订单创建时间、用户注册日期、数据统计周期等场景,都需对日期进行格式 ...
2026-01-21