
大数据开启 行政服务2.0时代
政府公共服务改革力度欠缺,是技术瓶颈,还是思维瓶颈?大数据席卷全球,我们能否在大数据引发的大变局中找到破局之钥?
大数据能否改变世界?它并非IT精英手中翻云覆雨的技术玩具,也绝非仅是支持现代企业从生产到营销变革的利器,它将引发人们从工具理性、制度理性,到思维模式的全新变革。从个人层面讲,大数据将开启崭新的生活方式,人们可以借工具指引,实现对数据的删繁就简,享受大数据带来的便捷高效。从国家层面讲,大数据将开启一场从信息能源到公共服务,及至现代治理的数据化“革命”,重整现代公共服务格局,实现由大政府向智慧政府的转变。
即将来临的大数据时代
在《智慧政府:大数据治国时代的来临》一书中,作者描述了大数据时代即将到来的图景:“你可以登录‘谷歌流感趋势’网站,实时查看全球各个国家和地区的流感疫情;也可以在微博上安装相关应用程序,查看任何一条微博的传播途径、传播效果、传播过程中的关键人物以及人们的情绪和态度;你还可以运行“地球放大镜”软件,免费体验一趟3D地球飞行之旅。”可以说大数据是一种可以将人类浪漫想象变为现实的清洁能源。
在大数据的灿烂星空下,理论上我们每个人都可以拥有一双可以上天入地的眼睛,在不同的数据云团间纵横游历,采撷最需要的数据资源,并留下我们崭新的数据痕迹,为他人所用。相比于地球有限的物质资源,大数据资源取之不竭,用之再生,因使用而迸发活力。如今,大数据使用方面的技术难题正被一一攻克,世间只有人们未想到的大数据应用模式及方法,而没有长时间无法攻克的技术瓶颈。
面对大数据这项可以永续增长的资产,一批先锋企业已经撬动了冰山一角,西方发达国家率先迈出了探索性的脚步并取得了不俗的成绩。十八届三中全会提出“推进国家治理体系和治理能力现代化”,大数据将是实现政府治理现代化的一条有效技术路径和思维路径,它将催生管理模式和服务模式创新,给政府机关带来新的改革气象。
大数据成就商业的“读心术”
2013年初,由英国大数据研究先行者维克托·迈尔—舍恩伯格所著的《大数据时代》一书,如一枚重磅炸弹,使人们理解了悄然崛起的“亚马逊”式购物网站其背后的运行规律,知晓了商业“读心术”的奥秘,同时该书也在质疑声中拥有了“大数据元典”般的地位。而后各种包含大数据概念的书籍相继抢滩登陆,从统计学、计量经济学、社会行为学等多角度阐述大数据在现代世界经济运行中的具体应用,以及产生的巨大经济效果。
从以上书籍中,不难发觉在人们的思维意识里,大数据因技术而生,在与经济的联姻中获得了强大的生命力。它首先成为营销领域的热宠,而后逐波向营销领域的上下游拓展,改变了企业从市场调研、设计、生产,乃至售后服务的所有环节,并渐次引发企业管理、组织模式的全线变革。大数据已经触动了现代社会经济运行的核心,一种对大数据开发、应用“时不我待”的危机感正在全世界经济领域内漫延,各种创新实践风生水起。大数据的应用仅仅止于经济领域吗?
奥莱利眼中的“政府2.0”
与大数据引发的迅猛经济革命相比,天然拥有不可限量“大数据资产”的政府公共服务部门,不论在对大数据的技术探讨还是实践应用开发方面,其反应速度均显滞后。纵览国内大数据应用书籍,专此研究大数据与公共领域接轨的书籍少之又少,即使在某些著作中有所提及也是点到即止。由中国人民大学徐继华博士等学者根据国内外最新大数据研究成果,结合国内公共服务领域的实际情况所著的《智慧政府:大数据治国时代的来临》一书,可以说是填补了这一空白,将大数据与国家治理紧密结合,针对国内政府公共服务领域的诸多病灶,开出了大数据处方,具有较强的实践指导意义。
作者在书中引入了“网络2.0之父”蒂姆·奥莱利提出的“政府2.0”概念。“政府2.0”是指一种新的政府形态,它以用户为中心、以服务为导向,作为一个整体、开放的平台,与民众直接互动和沟通,将政府为主体的政府行政过程转变为以社会公众为主体,是政府、市场、社会三方协同互动的公共价值塑造过程。“政府2.0”精准地概括了大数据时代,政府、市场、社会三方的关系,这是一个开放、协作、互助、沟通,相互促进的整体,要实现由大政府向“政府2.0”状态的改变,政府部门的思维革命比单纯的大数据技术革命要重要得多。
此书认为在国家公共服务领域“大数据”不仅是捕捉、汇总、分析数据的便捷工具,更将形成一张动态多维数据全景图,它可以拥有无数触手和眼睛,一头连接着作为每一个“数据源”的个体公民,一头连接着进行公共决策、提供公共服务的政府部门。它将以数据化的形式完成民意的吞吐和公共服务信息的反馈,最大程度保障数据真实可靠,减少人为干预令数据变形失真的可能。
大数据治国,这是一项系统而复杂的工程,从基础设施的建设,到大数据的应用开发,再到配套制度的完善,以及全民思维模式的变革,我们必须走过一条由工具到制度,再到思维的全面变革之路。“政府不仅是大数据的受益者、大数据的占有者,更在建设大数据基础设施、培育大数据产业、培养大数据人才、完善相关标准和立法等方面负有至关重要的责任。”
以新机制破除“信息孤岛”
大数据从狭义的概念即“术”的层面来讲,是通过各种技术手段收集到的海量可以互相叠加补充的信息,人们据以完成对“未来”的预测,迅速采取行动。“大数据”相对于“小数据”是量变引起质变的结果,当数据的整体超越一定规模它便不再是一幅精细的工笔画,而是吞吐大气象,描绘大世界,指引大方向,揭示大规律的有效工具。从广义的概念来讲,大数据正如高纳德的一份研究报告中所指出的“大数据是需要新处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产”。在书中,作者把大数据看做一种战略和习惯,一种新的世界观和方法论。
在商业领域,处于瞬息万变市场环境中的企业将迅速实现自我观念和技术更新,而最难取得突破的恰恰是政府公共服务领域。毋庸置疑,在公共服务部门中国仍处于“小数据”时代,难予拆解的部门壁垒无形间筑起了跨部门、跨地区的巨大屏障。有新闻报道,北漂小伙为了办护照,返乡6次,补5张证明,多跑3000公里。假如上述现象,能消弭于由政府统合的大数据系统之中,假如人们用一张“身份证”就可以在不同的政府部门间调取全部数据,那么将大幅提升的不仅仅是群众的满意度。
伴随着大数据浪潮的风起云涌,在各种政治、经济、社会、民生、环保问题中不断寻求突破之路的政府部门,主动拥抱“政府2.0”,破除普遍存在的“信息孤岛”壁垒,变散点信息为资源整合,要解决的问题不仅仅限于基础设施、财政投入、技术攻关等事宜,同时也需要由上至下进行全面制度保障、打破现有利益格局的决心与勇气,更重要的是要在政府系统内部形成全新的大数据思维模式,以此才能保障大数据采集、沟通、链接、开发、使用的有序进行。如果在政府层面,科技技术进步引发制度创新,制度创新进一步激发思维创新,这将开启的是一个有为政府高效运转的良性循环。
大数据时代的社会风险
大数据在带来大知识、大发展、大价值的同时,也潜藏着巨大的社会风险,本书作者指出,政府和公共部门应当对大数据的局限性、不完美性保有清醒的认识,通过系统性的制度创新,迎接大数据带来的问题与挑战。
任何时代的开启都将伴随着混乱和阵痛,重要的是时代本身能否提供自身纠错机制,假若市场不能完成对“权利”和“技术”的纠错,那么法律、制度的跟进将至关重要。在以政府为主导的公共服务大数据整理中,作为数据的收集、使用、开发、开放、管理、维护部门,更应兼顾起数据安全卫士的职责。政府部门在针对整体进行调研、决策之时,提取的仅仅是相关数据的整体,进行的是趋势、成因、结构性分析;而在针对个体进行精细化服务时,信息使用应以有效服务为前提,屏蔽个人无关信息数据,避免过度联系,是对服务对象应用的尊重,也是政府公共服务部门应牢固建立的公共服务伦理意识。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28