
创新监管方式 要用好大数据
加强和完善市场监管,既是政府职能转变的重要方向,也是维护市场公平竞争、充分激发市场活力和创造力的重要保障,更是国家治理体系和治理能力现代化的重要任务。“十三五”时期,我国市场监管面临新形势新任务新挑战,如何增强创新精神,用现代理念引领市场监管、用现代科技武装市场监管、用现代监管方式推进市场监管?其中一个重要着力点就是,充分利用大数据技术创新监管方式。这不仅有利于提高监管的针对性、有效性,也有利于实现“放管结合”和发挥社会公众对市场主体的监督作用。在这一过程中,要把握好四个抓手:
抓手一:
建立统一的监管信息平台
《“十三五”市场监管规划》强调,建立完善企业信用信息汇集、共享和利用的国家级一体化信息平台。建设市场监管大数据实验室,推进统一的市场监管综合执法平台建设。这为建立统一的市场监管信息平台指明了方向。
一要打破“信息孤岛”,实现部门间信息共建共享。可依托国家人口基础信息库、法人单位信息资源库和企业信用信息公示系统等资源,尽快建立全国统一的信用信息系统;打破信息的地区封锁和部门分割,整合相关部门的信用信息,实现各地区、各部门信用信息共享,消除部门间信息壁垒。
二要推动监管事项全覆盖,建立实时监管机制。利用互联网快速发展的条件,建立“互联网+监管”模式,推进“智能”监管,实现监管事项全方位、实时化监管;充分运用互联网技术实现在线即时监管,加强非现场监管执法,通过大数据将企业市场准入、质量监管、市场交易监管、消费维权、食品安全等信息纳入监管系统,完整记录市场监管的全过程,实现监管信息可查询、可追溯、可运用的目标,提升市场监管效能。
三要实现企业信用信息公开。加快建设市场主体信用信息公示系统,提高市场透明度;加快实施经营异常名录制度和严重违法失信企业名单制度,鼓励和引导企业更多地自愿公示有关信息;支持开展社会化的信用信息公示服务,为社会公众了解市场主体信用状况提供便利。
抓手二:
推动市场监管标准化专业化
从发达国家的实践看,监管的标准化、专业化是一条重要经验。与发达国家相比,我国的监管标准还有比较大的差距。从总体上看,我国主导制定的国际标准数量不多。“十三五”时期,适应大数据时代对市场监管的要求,需要大幅提高我国市场监管标准的国际化水平。比如,可考虑引入国际标准实施监管;鼓励企业制定具有国际竞争力的企业标准;加快推动修订《标准化法》,等等。
推动市场监管标准化专业化,还要充分运用新技术加强市场监管,比如,在研究制定市场监管制度和政策过程中,充分运用大数据、物联网、云计算等新一代信息技术对监管对象进行监测,及时提出处置预案,提高市场监管能力;及时向社会公开有关市场监管数据、法定检验监测数据、违法失信数据、投诉举报数据和企业依法依规应公开的数据,加强对企业的事中事后监管;建立监管部门与公安、司法、金融等部门信息共享平台,增强联合执法能力,等等。
加强专业化监管人才的培养亦是题中应有之义。大数据监管涉及计算机科学、统计学、数学、会计、法律等领域的专业知识,需要专业化的监管队伍。为此,“十三五”时期,需要着力打造一支素质优良、结构合理的复合型专业监管队伍。可鼓励高校和企业联合培养跨界复合型、应用创新型大数据专业人才,同时加强对政府监管人员的培训,增强运用大数据的能力。
抓手三:
建立信用失范的联合惩戒机制
当前和今后一个时期,运用大数据等新一代信息技术,实现“互联网+”背景下的监管创新,一个重要抓手就是建立信用失范的联合惩戒机制。
第一,利用大数据对信用失范行为联合惩戒。要完善诚信信息共享机制和失信行为联合惩戒机制,充分运用大数据收集、分析企业信用数据,建立企业失信行为的预警机制,充分发挥工商行政、司法、金融等领域的综合监管效能,在市场准入、行政审批、政府采购、银行信贷等方面,建立跨部门联动响应和失信约束机制,对违法失信主体依法予以限制或禁入,让失信者付出巨大的成本和代价。
第二,逐步建立全国统一的信用标准规范体系。目前,全国各地区、各行业都在建设社会信用体系,问题在于各地信用标准不统一,地区之间、行业之间的信用信息没有实现互联互通,从而导致各地区出现低水平的重复性建设。为此,“十三五”时期,要按照国家发改委等部委联合制定出台的《法人和其他组织统一社会信用代码制度建设总体方案》,建立统一的社会信用代码制度,以组织机构代码为基础对法人和其他组织进行身份标识,实现机构信用体系全覆盖。
抓手四:
形成精准的信息化监管模式
近年来,随着商事制度改革的逐步深入,市场主体数量出现井喷式增长,全社会信息量爆炸式激增,数量巨大的数据对监管能力提出了新的挑战。面对新形势新挑战,需要我们在全面推广大数据监管的基础上,既做好企业信息监测,又做好监管部门之间的合作,从而形成精准的信息化监管模式。
一方面,要加强企业信用信息监测,强化数据运用。要创新统计调查信息采集和挖掘分析技术,加强跨部门数据信息关联比对、分析等加工服务,充分挖掘数据价值;强化数据采集、数据分析、数据运用,加强信用数据的综合分析与实际运用;根据市场主体、商品质量、消费投诉、商品价格等企业信息数据,建立科学的数据分析模型,通过数据比对、分析和筛查,及时发现涉嫌违法的市场主体,并向社会发布相关信息,合理引导市场预期。
另一方面,要实施精细化监管,加强监管部门间的合作。一是实施数字化监管,监管执法人员充分运用信息化、大数据技术,全面实施数字化监管,实现向数据统计、定量分析管理的转变。二是加强监管部门间的合作。在监管部门数据信息共享的基础上,建立监管部门联合打击失信企业行为的机制,鼓励工商、质监、食药监等部门合作联合打击企业失信行为。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 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 ...
2025-09-04