京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 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 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25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