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
在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18