
互联网+时代,大数据如何助力政务服务
“互联网++政务服务”落地关键在于政府数据开放共享,但如何开放共享以及开放共享后如何让这些数据真正发挥价值,则是当前值得深入思考的问题。
对政府开放数据呼声很高
当前,政府服务互联网化已大势所趋。政务信息化或者电子政务经过多年的发展,其信息系统更多的还是面向办事流程相关的工作人员,而不是面向决策者和被服务的公众。如何为决策者、为社会公众提供服务,让政务服务互联网化,变得更快捷、更便利,是政务服务要解决的问题,也是“互联网+政府服务”的目标。
对于“互联网+政务服务”,大数据应用起到关键作用。不过,当前部门间数据共享及数据开放仍然亟待加强,业界对政府开放数据的呼声很高。
工信部赛迪智库电子信息产业研究所所长安晖表示,由各级各类政府部门及公共机构掌握的政务数据,是现阶段我国数量最庞大、价值密度最高的一类数据资源,该金矿若能被挖掘利用,将有效提高我国社会信息化水平和全社会发展质量。
在全球范围内,加快数据开放已成为必然趋势,英美等国家已经普遍实施数据开放战略。我国2015年发布的《促进大数据发展行动纲要》明确表示,加快政府数据开放共享,推动资源整合,提升治理能力,实施政府数据资源共享开放工程,2017年年底前形成跨部门数据资源共享共用格局。
目前,我国一些经济发达地区如北京、上海、广州等地,先后出台数据开放相关政策,梳理数据开放目录,搭建政府数据开放平台。但业界认为,相对于发达国家,我国的数据开放工作还相对落后。
中国信息化百人会成员、北京市经信委副主任童腾飞被《中国电子报》采访时说:电子政务发展正落后于时代的步伐,我国电子政务积累了丰富的信息资源,但是这些资源没有得到充分的共享和利用。
值得一提的是,我国政府数据开放共享已经进入落地阶段。“十三五”规划纲要明确提出,加快政府数据开放共享,全面推进重点领域大数据高效采集、有效整合,深化政府数据和社会数据关联分析、融合利用,提高宏观调控、市场监管、社会治理和公共服务精准性和有效性。
依托政府数据统一共享交换平台,加快推进跨部门数据资源共享共用。加快建设国家政府数据统一开放平台,推动政府信息系统和公共数据互联开放共享。制定政府数据共享开放目录,依法推进数据资源向社会开放。统筹布局建设国家大数据平台、数据中心等基础设施。研究制定数据开放、保护等法律法规,制定政府信息资源管理办法。
“国家大数据战略让我们明确了发展与运用大数据是国家意志,是实施创新驱动发展战略的重大举措之一。这个战略应由一系列的规划、政策、布局等构成。国家应在战略上特别是在促进数据资源开放和共享、重点行业先行、产业转型升级等方面统筹规划、出台政策、扎实推进。”中国科学院院士徐宗本表示。
落地三步走
政府数据开放共享已经成为业界一致的观点,那么如何开放共享,开放共享后如何让这些数据真正发挥价值,实现高效、快捷而又完备的政务服务,成为当前需要深入思考的问题。
让“互联网+政府服务”有效落地,需要三步走。第一步是“业务上云”。通过云计算将政府业务进行整合,打通信息孤岛,为政务数据的交换共享提供基础。
第二步是“数据整合”。搭建可以对外提供支撑服务的大数据中心或平台,该大数据中心或平台可以支撑政府的决策、提高政府的效率、改善政府的治理结构,同时更能够支撑政府对社会的便民服务、支撑中小微企业创新创业的发展。
第三步是“业务创新”。政府部门结合不同业务的需要、不同领域的需要以大数据中心或平台为纽带和企业一起,实现应用创新。
对于如何整合数据,政府大数据中心或平台中的数据分两类,一类是政府内部数据,一类是互联网数据。对于政府内部数据,需要对数据进行“打标分类”,将可公开的、半公开的和绝密的数据进行细化,才能进行整合和开放共享。此外,政府还需要将内部数据和互联网数据进行融合、比对、碰撞,这样才能更好地发挥数据价值,为政务服务提供支撑。
除了数据整合,建立开放的机制也至关重要。例如,政府制定数据开放的规划和规范,在此基础上建设多层次的数据开放平台,政府还可以组织数据开放的应用大赛促进开放数据的应用,并为数据开放提供稳定的财政资金,最后引入企业参与大数据开发和运营。
政府还应建立多方参与的机制,创造条件发挥公民、社会、市场和第三方的积极性,使其能够参与到电子政务的供给中。使众多的市场和社会主体主动参与到电子政务的管理、建设和设计之中,形成政府、市场、社会相互促进的发展机制。
让创业者、企业、NGO、市民都成为电子政务的创新主体:政府是电子政务创新的“召集者”、创业者是电子政务创新的“探路者”、企业是电子政务创新的“合创者”、非营利组织是电子政务创新的“补全者”、市民是电子政务创新的“投票人”。
数据交易行为走向成熟
一旦政府大数据中心或平台搭建起来,将为包括政府服务在内的业务创新带来巨大的推动作用。不过,要让数据产生更大能量,交易流通是重要手段,其可以打破信息孤岛及行业信息壁垒,汇聚海量高价值数据,对接数据市场的多样化需求,完善产业生态环境,实现数据价值的最大化,对推进大数据产业创新发展方面具有深远意义。中科点击作为大数据应用领域里的领军企业,凭借多年的技术优势和多行业的数据服务经验,在政务大数据方面拥有一套全新和专业的应用服务模式,将政府大数据应用平台化落地,切实解决政府部门在信息处理中的痛点。
展望未来,将有更多政府部门主动引入社会力量,通过合理有序开放政务数据资源及政府购买服务、协议约定、依法提供等方式,依靠公众智慧,推动政务大数据的发展与应用,也将在不久的将来走向成熟。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 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 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29