
“大数据”成总理热词国务院三招提供助力_数据分析师
在2014年3月首次被写入《政府工作报告》后,“大数据”成为中国国务院总理李克强讲话中的“热词”。
无论是在中南海主持会议,还是外出考察,李克强在多个场合都反复强调开发应用好大数据的重要性,以及大数据对于政府更好的决策和监管所能提供的助力。
李克强日前主持召开国务院常务会议,通过了《关于促进大数据发展的行动纲要》。这意味着促进大数据发展正式成为国家行动方略。
多场合提及总理对大数据寄予厚望
此次国务院常务会议指出,开发应用好大数据这一基础性战略资源,有利于推动大众创业、万众创新,改造升级传统产业,培育经济发展新引擎和国际竞争新优势。
在李克强眼中,大数据在科学决策、投资审批、灾害预防、审计调查等领域均能发挥作用。
2015年年初,李克强在考察北京·贵阳大数据应用展示中心时就曾指出,“人在干,云在算”。他表示,大数据可以把执法权力关进“数据铁笼”,让失信市场行为无处遁形,权利运行处处留痕,为政府决策提供第一手科学依据。
2015年2月,在谈到加快建设投资项目在线审批平台时,李克强也表示,要运用互联网和大数据技术,横向联通发展改革、城乡规划、国土资源、环境保护等部门,纵向贯通各级政府,推进网上受理、办理、监管“一条龙”服务,做到全透明、可核查,让信息多跑路、群众少跑腿。
2014年底,在接见全国审计机关先进集体和先进工作者代表时,李克强指出要创新审计方法,注重运用信息化、大数据等现代科技手段提高审计效率。
除了提升各部门工作效率,大数据还有助于官方在“放”的同时做到“管”好。2014年中,李克强主持召开国务院常务会议通过《企业信息公示暂行条例》。此举意味着官方将不再通过在准入问题上设置高门槛来筛选企业,而是通过让阳光照进市场的方式让失信者无处遁形。而实现这一转变的重要手段就是建立部门间互联共享信息平台,运用大数据等手段提升监管水平。
政府带好头推动数据共享开放
官方此番通过的促进大数据发展行动纲要的第一个重要内容,就是自己带头,做好信息系统和公共数据互联共享。会议指出,要优先推动交通、医疗、就业、社保等民生领域政府数据向社会开放,在城市建设、社会救助、质量安全、社区服务等方面开展大数据应用示范,提高社会治理水平。
“目前,政府各部门已经建成了十几个数据平台,但问题是,这些平台相互不连通,只是一个一个的‘信息孤岛’。”在此次常务会上,李克强针对政府大数据现状表示,“本来,信息的连接是最容易的,商业网站之间都是连接的,但我们各部门的数据就不行,我的网就是我的网,别的部门要用,就是进不来!”
他因此向有关部门明确要求:政府大数据建设,首先要实现所有部门的数据“共享”。
对于数据的共享的重要性,近年来一直致力于在各地推动智慧城市建设的神州数码感触颇多。该公司表示,长期以来,智慧城市领域发力的核心企业面临的挑战之一就是各个部委之间的信息孤岛难以打通,多项服务无法统一。
该公司表示,此次通过的《纲要》强调要推动政府信息系统共享和公共数据互联,消除信息孤岛,加快融合各类政府信息平台,实际上就是要求将分散在各个部门的政府服务及公共服务进行统一,这些服务和大数据将来都有助于神州数码等智慧城市、大数据领域领军企业的发展。
神州数码控股董事局主席郭为则指出,官方消除信息孤岛的举措,对于大众创业万众创新也会产生明显的助力。
他表示,在政府数据开放的要求和规则下,大数据领域的企业可以通过城市公共信息服务平台汇集城市的各类基础性数据(政务数据、商业数据等),在进行数据脱敏后,通过平台实现数据共享。以此为基础,广大年轻人和创业者就可以利用政府开放数据和其他相关开放数据,开发出成千上万为百姓民生服务的丰富多彩的应用,进一步营造大众创业万众创新的氛围。
加大政策支持引导大数据产业发展
在自身做好大数据“功课”的同时,国务院还强调加大政策支持,着力营造宽松公平环境,建立市场化应用机制,深化大数据在各行业创新应用,催生新业态、新模式,形成与需求紧密结合的大数据产品体系,使开放的大数据成为促进创业创新的新动力。
神州数码指出,官方的政策支持不仅有利于大数据产业的发展,还可以反过来推动各部门数据的信息共享。有基于此,可以用信息化公共信息服务平台(产品),倒推政府相关部门的信息化,从而建立数据开放的基础。
该公司指出,税务、工商等部门之所以信息化程度高,与他们有巨大的社会服务压力有密切关系,信息化落后的部门很大程度上是因为为社会提供的公共服务产品缺乏,而造成信息化动力弱,提高服务能力,将逼迫这些部门加快信息化的步伐,增强数据开放意识。
此外,还可以考虑在一些城市建立城市试点“城市数据资源管理中心”,运用PPP模式,以企业为建设和运营主体,将政府、社会的数据汇聚和管理,建立城市级开放数据的统一管理平台,为数据应用创造条件。
强化安全保障打击数据滥用
在强调“政府带头”、“政策力挺”的同时,李克强在此次常务会上谈及大数据的第三个关键词就是“安全”。
他说,互联网等行业已经在不断创新、发展大数据产业。“因此,政府既要‘扶持’,为大数据产业创造一个健康发展的环境,又要‘引导’、‘规范’,保障信息安全。”
总理明确,要完善产业标准体系,依法依规打击数据滥用、侵犯隐私等行为,让各类市场主体公平分享大数据带来的技术、制度和创新活力。
专家学者和业内人士也认为,安全和隐私也是中国大数据发展的关键所在。国家信息中心常务副主任杜平表示,随着时间的推移,政府数据本身从选择性有限开放将逐渐走向大规模依法开放;大数据也将从早期理念、局部科研应用走向产业化发展。
杜平强调了数据安全和数据存储安全,他表示,大数据很多内容涉及到个人、商业隐私,如何确保大数据应用的安全可靠是目前行业各方关注的重点。此外,大数据无法和云、物联网等要素分割,事事相联所产生的信息量远大于人机相联,只靠传统服务器的增长满足不了大数据需求。
神州数码建议从立法上将政府内部网和可以开放的“城市数据资源管理中心”的安全边界划分清楚,由“数据资源管理中心”从法律上承接其所承载数据安全的法律责任,政府内部网的信息安全由各数据采集应用部门承接相应的法律责任,从而明确数据安全的责任主体。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02