京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据让城市管理有“据”可循
对于大数据人们已经耳熟能详,如今在利益格局多元化、社会需求多样化的公共决策与公共服务领域,大数据也能一显身手。请关注——大数据让城市管理有“据”可循
随着中国进入大数据时代后,与其相关的各种话题就不绝于耳:电影《小时代》说会根据大数据选角和删减戏份;百度称靠数据挖掘押中了今年的高考作文题;目前正如火如荼的世界杯中大数据也没有缺席——德银甚至借助大数据计算出了一份夺冠概率表。
据外电报道,德银根据各个球队的FIFA排名、历史战绩、球员构成和赌球赔率等因素,建立了量化分析模型,并根据复杂计算得到一份夺冠概率表格。其中巴西名列第一,紧随其后的是德国、西班牙、法国。然后再根据某些假设,得出最终的冠军得主。
对于看似万能的大数据,如今在利益格局多元化、社会需求多样化的公共决策与公共服务领域,是否也能一显身手呢?
大数据为政策制定导航
今年年初,备受关注的“单独两孩”政策在各地落地后,国家卫生和计划生育委员会宣传司司长、新闻发言人毛群安曾透露,为这项政策的出台,相关机构和部门做了将近10年的研究,对人口政策采取什么样的调整都进行过数据模拟。
毛群安所提到的数据模拟其实就是大数据决策的一种。其后提供数据分析与支持的是一个名为“国家人口宏观管理与决策信息系统(PADIS)”的项目。PADIS系统依托国家电子政务网络平台,整合了来自公安、统计、民政、卫生、财税、教育、劳动与社会保障、资源、环境、农业、建设等各个部门的数据,能在计算机中建立一个虚拟社区。在这个社会模型中,从新生儿的出生、儿童的就学,到大学生毕业后的就业和成年人的婚姻生育状况等与人口相关的关键状态都会有所体现。只需将具体的政策输入计算机,就能看到几年、几十年、甚至上百年后,这些政策所产生的影响。
大数据同样可以被用于城市交通规划。PADIS还曾对某个城市的交通拥堵问题进行过预测分析。与认为应该限制人口和机动车数量,加快发展公共交通的传统观点不同,PADIS的预测结果显示,人口集中居住区域与经济中心的严重偏离才是导致市民出勤需求上升、交通恶化的根本原因,单纯增加公共交通设施、控人控车只能扬汤止沸。为此,PADIS开出的“药方”是改善城市规划管理,让城市向多中心方向发展。
除了能帮助政府调整计生政策、规划交通外,这一系统还能凭借其拥有的海量数据和强大的模拟预测能力,对延迟退休、养老金缺口、环境治理、房价上涨等热点问题提出自己的“真知灼见”,范围足以涵盖我们生活的方方面面。
大数据只能辅助决策
大数据的魅力在于能够通过对海量数据的分析,以一种前所未有的方式获得具有巨大价值的产品或深刻的洞见。那么是不是意味着可以完全相信计算机,让数据和软件来帮助我们做决定?
答案当然是否定的。PADIS系统项目技术总监、神州数码信息服务股份有限公司大数据专家史文钊认为,现在没有也不应该制造出一个自动决策系统。他说,大数据只能辅助决策而不能代替决策。总结这些年的经验,最好的系统应当是人和计算机的完美结合。大数据应用十分强大而且还会更加强大,它能实现数据挖掘分析、政策模拟、指标预警等多种功能,但它仍然只是一个辅助决策系统。就如同人口预测分析一样,面对需要解决的问题,大数据只能把可供选择的选项,和它们可能带来的影响提供给决策者,最终采用哪一个、如何执行、力度多大还得由决策者结合各方面的因素综合考量。
史文钊说:“以‘单独二孩’政策为例,虽然在政策上只是前进了一小步,但对政府科学决策而言,完全称得上是一大步。这体现出了政府在管理理念和治理模式上的转变。”
挖掘大数据的富矿
“互联网女皇”玛丽·艾克在《2014年互联网趋势报告》中专门将大数据提了出来,认为在2014年大数据将更加实用,比以往任何时候都更加贴近普通人的生活。从2014年开始一些依靠解读数据提供解决方案的新型服务开始出现,大数据解决大问题的趋势也将显现。同时她还发现在现有的通用数据中有34%的信息具备研究价值,但其中只有7%的数据被做了标记,被分析过的只有1%。数据获取固然重要,但缺乏分析的数据毫无意义。
因此,可以说大数据的真正价值在于挖掘和分析。“大数据的大不仅是数量的大,更是价值的大”,史文钊说,“大数据真正的价值不是海量的数据简单集合,而是找到这些数据之间的关联,发现它们背后的规律,为解决实际问题服务。如同矿藏一样,数据也有贫矿富矿之分。在目前的情况下,尤其是在智慧城市建设中,我们需要注重的应该是如何盘活已有数据存量,用好大数据增量,来提升城市公共服务能力和管理决策水平。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16