京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据影响国家治理的三大问题
针对大数据时代国家治理的发展,中国人民大学信息资源管理学院教授安小米在《学术前沿》上发文,从“政府数据开放利用”“政务数据连续性管理”“大数据背景下国家机关个人信息保护”探索了大数据时代信息治理存在的三个方面问题,对其应对原则和实现途径进行了探讨。
政府大数据开放利用是社会治理公共服务能力提升的关键要素
我国政府部门掌握着大量的社会信息资源,这种局面是在长期计划经济体制下形成的,也与政府采集和政府管理审批机制有密切关系。
尽管自改革开放以来,市场机制在信息服务领域发挥了平衡价格与竞争的重要作用,但是在信息资源供给方面,尤其是在交通、工商、能源、环境等关键领域,政府部门仍然拥有对数据资源绝对的垄断。
与此相对,政府部门在充分开发利用这些数据资源方面的能力不足。首先是人力资源与人才队伍的紧缺。其次,政府部门缺乏开发这些数据资源的动力和激励。
政府数据开放利用是提高政府公信力的重要途径,是透明政府和公民社会建设的重要组成部分,是政府“用数据说话”,提高基于证据的国家治理能力的重要途径,有利于市民了解并施行他们的权利,增强其参与城市共治的积极性与话语权,促进社会稳定和谐发展。
政府数据开放利用是促进经济增长的强大推动力,有利于促进协同创新、竞争能力与生产能力提升及经济复苏,数据开放利用不仅可以提高政府资金支出的效率,还可以为大众提供更多更好的增值创新服务选择。
政府数据开放利用计划活动应该遵循以下原则:
第一,以合法合规合标开放利用为原则,以不提供开放利用为例外;
第二,安全原则,根据安全等级确定数据开放利用范围、风险等级及使用权限,注意国家机密、商业机密和个人隐私的保护;
第三,增值导向原则,开放的目的是促进数据资源社会化增值开放利用,注意数据资源的公益性和商业性利用及其经济与社会价值实现,促进政府整体效率、效益和效能提升,行政效用、经济效用和社会效用提高;
第四,连续性管理原则,政府数据资源是城市公共信息资产,国家机关应按照统一规划和持续改进的全程管理原则,开展其政府数据全生命期的管理,合法采集、合规登记、合标更新、安全存储和及时处置,保证管理活动的连贯性、一致性和规范性;
第五,可持续利用原则,数据具有真实性、可靠性、完整性和可用性,内容可取、可信并及时更新,资源可跟踪、可回溯和可关联,格式机读,方便下载并可持续再用;
第六,责权利统一原则,政府数据属公共资产,政府对数字采集质量和开放使用授权及数据资源服务平台负责,数据开发商和数据使用者对下载后数据的使用行为负责。
政务数据连续性管理是社会治理协同创新能力提升的关键要素
政府大数据也需要相互关联。大数据之大,除了传统的三个“V”( Volume,Variety和Velocity)之外,更重要的在于独立的数据一旦相互关联起来了之后,能从多个维度挖掘出更多的价值,其包含的信息内涵也是几何级数式的增长。
从整体上来看,我国政府大数据仍然是处于割裂的状态。而政府大数据的割裂其实是我国政府部门的条块管理体制的一个缩影。“信息孤岛”问题严重,各政府部门都为解决该问题开始了部门内部的各子系统、业务系统的整合工作,以及上下级部门的系统对接工作。
数字连续性的涵义包含为以下四个方面:
一是指数字生成记录,能够以数字方式保存和提供可持续再用的能力;
二是指数字生成信息,能够以数字方式维护,确保其可获取、可信任和可持续再用的能力;
三是指数字生成内容,应该能够以数字方式管理,确保其可跟踪、可溯源、可关联和可控制的能力;
四是指数字连续性的业务过程、管理过程中,有相应的政策制度连续供给作为保障,同时,有技术、人员、资金、信息环境、业务需求等作为数字连续性的有效支撑。
政务数据连续性管理的基本原则及实现途径包括以下三个方面:宏观层,提出主体联盟原则,制定政务数据连续性行动计划,实施数据资源资产管理,建立数据资产登记管理制度、验证制度和认证制度,目标互联、互通、互认,确保数字凭证和电子证照的合法性采集和合理性利用,以此提升我国国家数字信息资源的安全力、证据力、服务力和控制力;
中观层,提出活动联通原则,制定政府数据处理活动规范化管理标准,实施数据资源风险管理,建立跨地区、跨部门和跨层级的数据采集、共享交换、存储、处置、发布统一标准和数据开放利用授权许可框架及契约管理制度,避免因数据管理不善带来的信息丢失、记忆忘却、身份无法认同、个人隐私和国家机密泄露威胁等高风险,将政府信息资源治理纳入国家治理现代化能力提升的范畴;
微观层,提出要素联接原则,制定覆盖数字文件全生命期、数字信息全流程、数字资源全要素的数据资源全面质量管理协同创新平台,实施电子文件自动化管理和数据开放利用在线授权许可,将数据文件自动化管理、数字信息网络化管理和数字资源智能化管理技术联接,并嵌入政府和大数据工程信息基础架构,以此提升大数据时代的政府公共服务能力和社会管理创新能力。
个人信息保护是提升社会治理信息安全能力的关键因素
十年前,当互联网正处于萌芽阶段,网络身份是虚拟的、模糊的。我们无法确定网友的性别和年龄。十年后,信息技术的革命带来了大数据时代,我们的联系方式、喜爱偏好甚至同事、家人、朋友都被掌握得一清二楚。我们都成了“透明人”。同时可以看到,我国现有涉及个人信息保护的29部法律尚无专门针对网络环境的特殊要求。
针对我国尚无专门的政府信息资源管理办法和个人信息保护法律的现状,提出以下在法律法规不健全的背景下,如何构建适用于大数据项目应用的个人信息保护对策的基本原则。
一是合法便民原则。政府部门采集个人信息应该建立信息采集登记制度,政府部门内和部门间共享个人信息应该依法依职,从方便信息主体和降低公共服务成本的角度,从信息惠民工程建设需求出发,做好个人信息采集登记和共享使用过程记录,以备后查,跟踪审计和持续改进。
二是安全性维护原则。个人信息保护需要维护个人信息的保密性、完整性、真实性、可靠性、可用性,管理体系、管理制度、管理规范、管理技术配套,防止未经授权的复制、修改、使用和公开数据,防止个人信息泄露、丢失、损毁、篡改或其他安全事故的发生。
三是全程管理原则。个人信息不仅是大数据项目的重要数据来源,也是重要的社会资源和个人资产,需要统筹管理,建立基于个人信息全生命期和信息处理全流程、信息管理活动全要素的综合集成管理体系,对信息处理的关键节点实施风险控制,对信息采集、使用与共享、更新和处置、安全与保管、信息系统管理、监督检查与咎责等活动进行规范,保证管理活动的连贯性、一致性和规范性,提高社会管理和公共服务效能。
四是信息化治理原则。大数据项目应用背景下,应当建立基于信息全流程管理的信息化治理制度和规范,确保数字个人信息采用数字方式保存和提供再用,应该构建信息化项目个人信息保护的服务与产品认证体系和品牌标识。
五是风险导航原则。大数据项目应用背景下,个人信息的共享再用不可避免,但需要合法、合规、合标、合理,按照“共同带有区别”的原则,制定分类保护的目录和分级授权利用的规范,将个人信息分为个人一般信息和个人敏感信息,编制个人信息分类保护目录和制定分级利用授权规则,便于控制风险,易于信息化管理,以维护信息主体的合法权益不受侵害。
六是协同管理原则。考虑大数据项目应用背景下的个人信息保护复杂性、不确定性和集成性特点,应该将其嵌入政府信息资源管理规划,多关系联通;纳入政务绩效评估与问责,纳入信息化项目绩效评估,多主体联盟;嵌入政务资源管理标准体系,多政策规范联贯;嵌入信息化项目合同契约协议,嵌入在线服务要求,多要素联接。
七是综合集成管理原则。大数据项目应用背景下个人信息保护不仅是政府信息资源管理的重要内容,也是政府信息资源社会化开发利用的保障,个人信息保护应该嵌入服务型政府建设体系,嵌入国家机关公务人员管理技能及能力构建,增强国家机关个人信息保护意识与管理责任,提升政府的社会管理及服务能力;
组织层面,应该以信息资源全生命管理思想为指导,以个人风险评估及安全控制为手段,建立合法、合规、合标和合理的管理制度,嵌入国家机关电子政务绩效考核体系;
大数据应用项目层面,应该建立可规划、可实施、可评估和可持续改进的信息化项目个人信息保护与管理方案,纳入政府信息化投资项目的绩效评估体系,系统采购外包,信息安全技术工具认证等行动计划,使个人信息保护可管理和可控制,确保其安全利用,服务于民。
综上所述,政府数据开放利用、政务数据连续性管理和国家机关个人信息保护问题是政府社会治理的关键要素,直接影响大数据时代政府社会治理的公共服务能力、协同创新能力、信息安全能力及国家治理现代化能力提升。
从整体规划的角度提出部署政府数据开放利用计划、实施政务数据连续性管理制度和制定适用于大数据项目应用的个人信息保护对策的基本原则与实现途径,为大数据治理和信息治理环境改善可以提供了新的路径。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09