京公网安备 11010802034615号
经营许可证编号:京B2-20210330
“大数据”能否 给我开结婚证明
“证明我妈是我妈”、“证明我活着”、“证明我结婚前未婚”之类“奇葩证明”,让人哭笑不得而又苦不堪言。公众和媒体对“奇葩证明”的揭露声讨,给公安、民政、教育等职能部门施加了不小的压力,继公安部宣布不再开具“偿还能力证明”、“生存(健在)或死亡证明”、“婚姻状况证明”、“身份证丢失证明”等18种不在公安机关办理范围内的证明后,日前民政部下发《关于进一步规范(无)婚姻登记记录证明相关工作的通知》,规定除对涉台公证事项和涉哈萨克斯坦、芬兰等9个国家的公证事项仍可继续出具证明外,各地民政部门不再出具(无)婚姻登记记录证明(即婚姻状况证明,包括“单身证明”)。
民政部不再开具婚姻状况证明,作为落实简政放权之举受到了舆论的好评,同时也引来不少人担心——不再出具婚姻状况证明,民政部门倒是省事了,但现在办理买房、贷款、上学等许多事项都要提供婚姻状况证明,民政部门甩手不管了,老百姓的“证明难”岂不是更难了?
公安部宣布不再开具18种非公安机关办理范围内的证明时,详细介绍这18种证明分别应该到哪些部门去开具,其中针对开具婚姻状况证明,公安部的指引是“民政部门是婚姻登记机关,公民应到民政部门取证,派出所不予出具证明”。公安部认为婚姻状况证明应由民政部门开具,而今民政部规定民政部门不再开具婚姻状况证明,如此相互矛盾,到底是咋回事?
民政部随后做出解释,称已与教育、住建部、银监会等婚姻登记信息的主要使用部门协商,如相关部门根据法律法规规定,需要了解核对当事人婚姻登记情况的,可以通过开放信息核对端口、公函往来等多种方式,在部门间直接完成信息核对工作,不再需要当事人在婚姻登记信息使用部门和民政部门之间往返奔波,以切实减轻当事人办事创业的负担,真正将简政放权要求落到实处。这个解释不但很快消除了人们的担心,而且显示了一种全新的工作思路,让人刮目相看。
以往常见的是,公民到某个部门办理事项,该部门要公民提供某个证明,公民得自己跑到有关部门去开这个证明,然后拿着这个证明,回到前面那个部门办理事项。现在,民政部提出的全新工作思路是,教育、城建、银行等确需公民提供婚姻状况证明的,可以通过开放信息核对端口、公函往来等方式与民政部门商调、核查,无需公民自己在不同部门之间往返奔波。这就把解决公民“证明难”的压力和负担,从公民身上转移到了职能部门身上,并且可以提高公民信息证明的共识性和准确性,减少违规开具证明、制售假证明等违规违法行为的发生几率。
民政部的上述全新工作思路,体现了国家促进大数据发展与应用的方向。国务院上月底印发《促进大数据发展行动纲要》,提出在公用事业、市政管理、城乡环境、健康医疗、社会救助、养老服务、劳动就业、社会保障、文化教育、消费维权、社区服务等领域全面推广大数据应用,在2017年年底前形成跨部门数据资源共享共用格局。《纲要》要求明确各部门数据共享的范围边界和使用方式,厘清各部门数据管理及共享的义务和权利,依托政府数据统一共享交换平台,实现公共服务的多方数据共享、制度对接和协同配合。
为建成跨部门数据资源共享共用体系,所有涉及和参与的部门、机构都应当摒弃门户之见,淡化利益之争,对数据资源互通互利形成基本共识,才能积极主动把自己掌握和积累的数据“交”出来,与其他部门、机构交流分享,为其他部门、机构提供数据支持和服务。在此问题上,越是具有数据资源优势的部门、机构,往往越难以摒弃门户之见,越容易陷入斤斤计较、讨价还价的误区。因为他们会觉得,自己的数据资源更丰富,含金量和利用价值更高,不能轻易“交”出去与他人共享。
与其他一些部门、机构相比,民政部门在大数据资源上具有明显优势,但他们没有囿于门户之见,而是主动向教育、住建、银行等部门表示愿意开放民政数据信息,希望这些部门通过数据信息平台,向民政部门商调、核查有关数据信息。这说明在大数据建设和应用工作中,民政部门走在了其他一些政府部门的前面。
当然,大数据也是一把双刃剑,数据开放、共享共用的同时也容易造成数据泄露滥用,以大数据发展化解“证明难”的同时,还要最大限度防止数据泄露滥用,避免对公民人身权利造成威胁侵害。《纲要》为此提出,要积极研究数据开放、保护等方面制度,修订政府信息公开条例,明确政府统筹利用市场主体大数据的权限及范围;明确数据采集相关主体的权利、责任和义务,加强对数据滥用、侵犯个人隐私等行为的管理和惩戒。民政、公安、住建等部门以大数据发展积极化解“证明难”,应恪守个人数据信息采集和应用的权力边界,依法保护居民个人信息和隐私信息,在促进大数据发展和保障公民权益之间找到最佳平衡点。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13