京公网安备 11010802034615号
经营许可证编号:京B2-20210330
运用大数据思维和手段提升政府治理能力
当今时代,数据已成为国家基础性战略资源,大数据正日益对全球经济运行机制、社会生活方式和国家治理能力产生重要影响。党中央、国务院高度重视大数据发展及创新应用,十八届五中全会明确提出实施国家大数据战略。
国务院印发的《促进大数据发展行动纲要》指出,大数据已成为“提升政府治理能力的新途径”。这就要求各级政府树立大数据思维,借助大数据手段推动政府管理理念和社会治理模式进步,实现国家治理体系和治理能力现代化。
一、大数据是政府提升治理能力的全新契机
大数据不仅将改变生产方式、生活方式,社会组织方式尤其是政府治理也将因之发生深刻变革。一个以大数据倒逼政府治理能力提升的态势正在形成,政用大数据已经成为大数据创新应用的大势所趋。对此,我们决不可回避。
提升政府治理能力面临艰巨挑战。当前,我国正处于发展关键期、改革攻坚期、矛盾凸显期,政府治理面临大量新挑战新情况。从发展现状看,工业化、城镇化、信息化加速推进,城乡发展不平衡、区域发展不协调问题较为突出,大量“单位人”转变为“社会人”,大量常住人口变成流动人口,社会结构和利益格局发生深刻变化,政府需要处理、应对的公共事务的规模和种类海量增长,复杂程度前所未有,传统的治理模式面临严峻挑战。从群众需求看,随着物质生活条件逐步改善,特别是互联网、大数据广泛运用,人民群众对政务服务、民生保障的需求呈现出个性化、多样化的新特点,对服务的体验感、参与感、精准化提出更高要求,既有的强调标准化服务的“老办法”,也面临多样化、个性化需求的“新问题”。
以大数据提升政府治理能力是大势所趋。科技革命的加速推进特别是大数据时代的到来,迫切要求政府治理加快由封闭管理向开放治理转变,由单向管理向协同治理转变,由被动响应向主动服务转变,由定性管理向定量管理转变,由粗放管理向精准化管理转变,由运动式管理向常规性管理转变,由此实现社会治理思维的变革、社会治理手段的改进、政府决策技术的进步、风险掌控能力的提升、公共管理流程的再造、社会协同治理的进阶。大数据将成为加快政府治理能力现代化的最重要、最有力推手。在大数据思维下,基于大数据的科学决策、精细管理、精准服务将成为常态,将大大推动政府管理理念和社会治理模式进步,推进法治政府、创新政府、廉洁政府、智慧政府和服务型政府建设,逐步实现治理能力现代化。
以大数据提升政府治理能力的成功案例。事实证明,政府部门通过应用大数据可以大幅度提升生产力和工作效能,并有效降低管理成本。近年来,一些地方和部门积极推动政用大数据发展,取得了初步成效。比如,贵州抢抓大数据发展机遇,在大力发展大数据及其关联产业的同时,着力构建政府数据交互共享平台,推动政府数据融合共享,不断挖掘大数据在提升政府治理能力、保障改善民生方面的价值,特别是创造性提出对权力运行全过程进行数据留痕、融合分析,并在实践中取得了初步成效,提升了政府行政效能和权力运行透明度。
二、以大数据提升政府治理能力的几点思考
大数据在政府治理方面应用前景广阔、使用价值巨大,关键是要构建起一套“用数据说话、用数据决策、用数据管理、用数据创新”的全新机制。
以大数据助推权力制约无缝化。监管权力,核心在于编织权力制约的“笼子”。实现权力制约无缝化,就是要实现权力监督常态化、规范化,实现无禁区、全覆盖、零容忍,倒逼政府自觉规范和约束权力运行。政府应借助大数据手段,对权力运行过程中产生的数据进行全程记录、融合分析,及时发现和控制可能存在的风险,挖掘分析出各类不作为、乱作为及腐败行为发生的概率和“蛛丝马迹”,并通过实践不断使这一探索更加合理化、规范化、科学化,从而形成无缝化的“数据铁笼”,完善权力监督和技术反腐体系,提升政府效能和治理能力。
以大数据助推政府决策科学化。当前,由于政府决策、施策的事项纷繁复杂,各类矛盾交织、各种变量融合的情况比比皆是。缺乏数据支撑的决策特别是凭经验做出的决策,往往“顾此失彼”,科学性、前瞻性不够。政府应借助大数据手段,利用数据关联分析、数学建模、虚拟仿真乃至人工智能等技术,在基于广泛、大量数据的基础上进行模块化分析和政策模拟,为决策提供更为系统、准确、科学的参考依据,为决策实施提供更为全面、可靠的实时跟踪,推动政府决策由过去的经验型、估计型向数据分析型转变,最终实现政府决策机制再造。
以大数据助推政务管理精准化。面对越来越复杂多变的社会事务,传统的管理思维往往停留在增加编制、增加人员、增加经费等层面,信息化手段运用不足,止步于粗放式管理。政府应借助大数据手段进行政务管理,通过数据的“留痕”、关联分析,对诸如市场监管、检验检疫、违法失信、消费维权、司法审判等各类数据进行交叉融合,精准掌握企业、个人等各类主体的真实状况,准确把握、及时发现问题,从而进一步提升政府监督管理的精准性和针对性。同时,通过深度数据挖掘分析,对市场主体的行为动向和违规违法风险进行预测预警,促使政府在跨部门数据共享和联合行动的基础上,实时响应、处理公共事件和公众诉求,对各类违法行为实施精准打击,实现从事中干预、事后反应向事前预测、超前预判转变。
以大数据助推公共服务多样化。过去,政府公共服务往往追求一体化、广覆盖、“一刀切”,容易忽略群众多样化、差异化的需求。进入互联网时代、大数据时代,公共产品和公共服务必须逐步从“供给导向”向“需求导向”转变、从重“服务覆盖”向重“服务体验”转变、从“被动提供”向“主动提供”转变。政府应借助大数据手段,在降低公共服务成本的同时,为多样化服务开辟广阔空间,从而倒逼政府服务模式创新,使医疗、养老、扶贫、社会救助等公共服务更加精准化、人性化,使智慧医疗、智慧教育、智慧养老等成为现实。
以大数据助推治理模式多元化。随着海量数据的聚集、融合以及大数据思维手段的广泛应用,要求政府既有治理模式加快从一元转向多元,切实提升共治力、善治力、综治力。比如,要稳步推进公共数据资源开放,数据开放将不仅是保障公民知情权的需要,更是推动一个地方经济社会发展、营造创新创业氛围的基础性支撑。应加快推进从政府“一家独大”向“政府搭台、社会唱戏”转变,使共建共治理念更加深入人心,逐步形成网络状、实时化、多维度的政府、社会协同治理结构和格局。需要强调的是,大数据在为政府治理提供方便的同时,也会给个人隐私、企业机密、政府公信乃至国家安全带来挑战。政府必须强化主导和主力作用,既要大力推动数据开放和共享,又要全力确保数据安全。
三、以大数据提升政府治理能力的主要技术路径
以大数据提升政府治理能力是一项新生事物,必须敢想敢干敢试,用新思路、新技术开辟新路径、打开新局面,开启政用大数据发展的新征程。
夯实基础设施。以大数据提升政府治理能力的第一步,是要把传统的办公室集中办公、纸质公文在不同部门之间传递的方式改造为无纸化、网络化、虚拟化的新方式,实现政务流程信息化,并运用互联网实现政务网上运行。需要指出的是,大数据背景下的信息化不同于以往电子政务工程,更不是简单地将政府行政过程由物理空间转移到网络空间,而是为政务流程的数据再造提供基础和平台。因此,从一开始就要始终高度关注数据的来源、安全、汇集等问题,预先做出技术和制度安排,为下一阶段工作打好基础。这一步可以称为“信息化”。
强化数据关联。大数据的价值不在于数据有多大,而在于其关联度有多高。以大数据提升政府治理能力的第二步,是要提高数据结构化水平并通过数据留痕记录权力运用的过程,找到数据之间的关联。和信息化不同,这一步强调的是实现数据留痕、数据汇集、数据关联、数据分析和数据智能,系统提升政府效能和公信力。这就需要将数据作为思考问题的出发点和落脚点,从顶层设计入手,统一数据标准,提供数据接口,借助新的技术手段,不断提升数据的结构化水平和数据汇聚程度,从而能进行更快更好更强的数据融合分析,以此来改进服务,优化流程。这一步可以称为“数据化”。
推进流程自动。治理能力强弱的标准,在于能否更快速、更高效。以大数据提升政府治理能力的第三步,是要实现计算机对数据的自动流程化管理。这包括五个环节:一是身份数据化,将人和组织数据化,实现对其身份的识别和确认,找出和问题相关的群体;二是行为数据化,把人和组织的各种行为数据化,以确定一些跟人的身份相关的行为轨迹,进而把握规律和行为缘由;三是数据关联化,对人或组织的身份和行为数据进行关联分析,挖掘人与物、物与物之间的关联关系;四是思维数据化,研究人或组织的行为数据背后的思维的数据化表达、记录方式,进而分析动机、目的和深层次心理反应;五是预测数据化,在汇集各类数据的基础上对数据进行激活,预判下一阶段的发展,找出风险点和薄弱环节。经过以上环节,不需要人为干预,实现政务服务流程的自动化和智能化。这一步可以称为“自流程化”。
实现跨界融合。互联网思维的精髓就在于跨界与融合。以大数据提升政府治理能力的第四步,是要运用行政倒逼、利益调整等多种手段打破“数据孤岛”,实现数据按需、契约、有序、安全式开放,并形成不断开闭合的跨部门数据共享机制。需要警醒的是,如果没有跨领域、海量性、专业化的数据开放共享,以大数据提升政府治理能力就是一句空话;但如果一股脑不加辨别地将所有数据全面开放,则可能带来隐私机密大泄露、经济大波动的灾难。因此,数据开放共享必须有边界、有规则、有步骤。可以探索以契约的方式对开放共享的规模、层次、展现形式、使用时限等进行事先约定,并根据相关法律和约定对开放对象数据使用情况进行监管,从而实现数据开放需求、隐私保护需求和安全保障需求之间的平衡。这一步可以称为“融合化”。
按照“信息化、数据化、自流程化、融合化”这“四步工作法”,近年来,贵阳市紧紧盯住“问题在哪里、数据在哪里、办法在哪里”三个关键问题,借助大数据手段,初步构建了有效监督权力运行、提升政府治理效能的机制。以大数据提升政府治理能力任重道远。我们要广泛凝聚各方力量,进一步明确发展定位、理顺发展思路,共创以大数据提升政府治理能力的美好明天。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27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