
“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
CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14