
促进大数据发展和应用 提升国家治理现代化水平
2015年10月19日,中国行政体制改革研究会与人民出版社共同主办的“大数据和国家治理现代化”研讨会暨《大数据领导干部读本》新书发布会在北京举行。中共十八届中央委员、国家行政学院常务副院长马建堂,人民出版社总编辑辛广伟致辞。全国政协委员、国家行政学院原副院长、中国行政体制改革研究会副会长周文彰作总结讲话。会议由中国行政体制改革研究会秘书长王满传教授主持。
马建堂在致辞中指出,大数据可以大幅提升人类认识和改造世界的能力,正在以前所未有的速度颠覆着人类探索世界的方法,焕发出变革经济社会的巨大力量。“得数据者得天下”已经成为全球普遍共识。近年来,党中央、国务院高度重视大数据的创新发展,准确把握大融合、大变革的发展趋势,制订并出台了《关于促进大数据发展的行动纲要》,为我国大数据的发展指明了方向,可以看作是大数据发展“顶层设计”和“战略部署”,具有划时代的深远影响。
在研讨中,“大数据治国战略研究”课题组组长、中国国际经济交流中心战略部张茉楠,中国人民银行金融研究所孙玉琦,中科院计算机网络信息中心科学数据中心总工程师、大数据应用技术工程实验室副主任甘宁,国家信息中心信息化研究部杨道玲,百度发展研究中心主任黄林莉,亚信数据副总裁邹明达等代表与会专家作了重点发言。
与会领导和专家普遍认为,“大数据”的渗透能力远远超出人们的想象,它正在改变,甚至颠覆我们所处的整个时代,将对经济社会发展、企业经营和政府治理等方方面面产生深远影响。
与会专家指出,中国许多应用领域已与主要发达国家处于同一起跑线上,具备了厚积薄发、登高望远的条件,在新一轮国际竞争和大国博弈中具有超越的潜在优势。我国应顺应时代发展趋势,抓住大数据发展带来的契机,充分利用大数据提升国家治理能力和国际竞争力。在此背景下,了解大数据相关知识和理论,把握大数据发展趋势,主动在工作中运用大数据,是时代赋予各级领导干部的历史使命。
有专家认为,大数据时代开辟了政府治理现代化的新途径:大数据助力决策科学化,公共服务个性化、精准化;实现信息共享融合,推动治理结构变革,从一元主导到多元合作;大数据催生社会发展和商业模式变革,产业融合成为趋势。
《大数据领导干部读本》是中国行政体制改革研究会承担的国家社科基金特别委托项目“大数据治国战略研究”的重要阶段性成果,由人民出版社出版发行。工业和信息化部部长苗圩、国家行政学院常务副院长马建堂为本书作序。中国科学院、中国工程院4位院士,清华、人大、复旦、中大等名校校长,马云、马化腾、李彦宏等大数据企业代表共同担任本书顾问。研究和写作团队由国家行政学院、中国科学院、中国工程院、顶尖大数据企业和智库机构的专家组成。在新书发布会上,中国行政体制改革研究会常务副秘书长、《大数据领导干部读本》主编王露介绍了新书的主要内容。全书共包括六个版块:什么是大数据、大数据从哪里来、大数据到哪里去、大数据促进地方政府管理创新、大数据时代的战略和行动、开放数据。
与会人员对《大数据领导干部读本》给予了高度评价,认为本书从领导干部的视角出发,紧扣“运用大数据提升领导干部的治理能力”这一主线,以国家大数据顶层设计和战略部署为背景,以丰富的实践案例呈现大数据在政府治理、经济治理、社会治理等方面带来的的深远影响,有利于各级领导干部在实践中更好地认识大数据、把握大数据、运用大数据,从而提高工作能力和水平。
周文彰在总结讲话中指出,“数据是未来的石油”。开发好、利用好、管理好数据资产,向“数据驱动发展”的新经济形态转型升级,这既是中国紧迫的战略部署,也是这个时代的发展主题。大数据是一场治理革命,它将通过全息的数据呈现,使政府从“主观主义”、“经验主义”的模糊治理方式,迈向“实事求是”、“数据驱动”的精准治理方式。在大数据条件下,“人在干、云在算、天在看”,数据驱动的“精准治理体系”、“智慧决策体系”、“阳光权力平台”都将逐渐成为现实。因此,《大数据领导干部读本》的出版恰逢其时,是一本量身打造、易学易用的知识读本和“操作手册”。
周文彰认为,实施我国大数据战略部署和顶层设计,需要做到“四个结合”:政府数据开放和市场基于数据的创新相结合;大数据与国家治理创新相结合;大数据与现代产业体系相结合;大数据与大众创业、万众创新相结合。他提出,我国要从“数据大国”变为“数据强国”,借助大数据革命促进国家治理现代化,还有很多工作要做,有很多问题需要研究。如要建立数据政策体系、数据立法体系、数据标准体系;要重视对“数据主权”问题的研究,加强大数据动态的跟踪研究;要建设高质量的“大数据与国家治理实践案例库”等等。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14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