
大数据带来大智慧
当前电子政务发展模式正在朝3个方向发展:一是云模式成为技术主流发展趋势;二是业务系统以加强政府各部门协同合作为本质,而非部门分工;三是政府信息资源的开发利用趋于“大数据”应用。从而形成“整合、互联、共享、重构、高效”的电子政务建设和发展总趋势,即:
对已有的应用系统要进行深入整合,实现重点业务领域的跨部门协同;克服条块分割,加快实现互联互通;在整合、互联、协同的基础上,提高信息资源共享的水平和能力;按照政府组织体系的调整,重构一些重大综合应用系统、特别是面向公众的社会管理、公共服务系统,提高政府公共服务能力和社会管理水平;提高电子政务的资金使用效率,进一步促进信息产业发展。
云模式成为技术主流
云计算的本质是通过互联网将大量本该运行在机构内部计算机和服务器上的应用和服务交付由第三方提供,其目标是把所有IT能力都纳入到网络上,云就是网络,网络就是计算机。云计算借助互联网的庞大资源体系,以一种全新的计算模式向用户提供服务。云计算具有4个显著特征:
便捷性:在云计算模式中,所有应用和服务请求的数据资源均存储在云中。用户可以在任意场合、时间通过网络接入云平台,按需求获取所需信息,实现不同终端、设备间的数据与应用共享。多元性:庞大的计算机群具备极高的计算、存储能力,可以使用基于海量数据的数据挖掘技术来搜索网络中的数据库资源,并运用各种方法为用户反馈出尽可能详尽、准确的结果。低廉性:由于云计算模式下大量的计算及存储工作都被放到了网络上,使得个人的用户端简化成浏览器。云计算终端功耗低,成本低廉,终端用户使用简单,维护方便。安全性:分布式系统具有高度容错机制,可以实现严格、有效的控制、配置与管理,具有更好的可靠性、安全性和连接性能。高度集中化的数据管理、严格的权限管理策略可以让用户避免数据丢失、病毒入侵等麻烦。
云计算的本质、特征、功能等决定其成为解决电子政务3大难题的强大武器:最大限度地实现资源共享、最大限度地实现政务业务协同,以及最大限度地实现互联互通。
全流程跨部门业务协同
电子政务业务系统发展将呈现以政府社会管理和公共服务事项全流程为对象,面向政府管理创新开展电子政务建设,将跨部门协同业务相关的各个部门的工作流程整合,在统一网络平台上统筹、集中构建面向该事项全流程的应用系统的特征。相关政府各部门的公务员通过在线接入方式联合协同办公,共同使用无缝集成的全流程跨部门应用系统为公众服务。在这种新型应用架构下,政府为提高服务满意度而对流程采取优化、重组的管理创新,以实现无缝集成的全流程跨部门应用系统更新。
这就有可能使以往阶段发生的、以分分合合为特征、行政成本巨大、社会效果较为激烈的行政管理体制改革,通过动态的、渐变的、持续的、低成本的、更加以人为本和人性化的、比较和谐的政务创新方式加以实现。更重要的是,这种跨部门应用架构将使政府的职能与机构之间的刚性依存结构弱化、柔性化。换言之,这种跨部门应用架构将能够适应行政管理机构的任何状况,即可灵活增加,亦可动态减少。在此应用架构下,部门履行其职能是通过获得无缝集成的全流程跨部门应用系统中的相应权限实现的。当机构改革使部门的职能转变时,只需将其使用权限赋予另一个得到该职能的部门并经过培训即可实现职能和权力的转移。可以看到,这种无缝集成的全流程跨部门应用系统将能够适应行政管理体制改革中机构变化的不确定性,因而能够动态、持续地支撑政府的改革和创新。
大数据带来大智慧
电子政务发展必须关注大数据这个新概念,在这一点上一些国家政府已经走在前列。比如,美国奥巴马政府近日就在白宫网站发布了《大数据研究和发展倡议》,提出“通过收集、处理庞大而复杂的数据信息,从中获得知识和洞见,提升能力,加快科学、工程领域的创新步伐,强化美国国土安全,转变教育和学习模式”。
“智慧来自大数据”,在电子政务的推进中必需掌握大量的知识,并具有在大量的政务数据和信息中挖掘知识的能力。数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中,抽取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。从更广义的角度来说,数据挖掘就是在一些事实或观察数据的集合中寻找模式的决策支持过程。因此,它除了处理传统数据库中的数值型的结构化数据外,还可以对文本、图形、图像、WWW信息资源等半结构、非结构的数据进行挖掘。大数据处理可以进一步提升电子政务价值,使政府决策建立在大量数据分析的基础之上,使政策更加透明,并且可以创造出更大的价值。例如城市管理,利用大数据才能获得突破性改善,诸多产业利用大数据才能发现创新升级的机会点,进而获得先发优势……有了云计算、物联网,但缺乏大数据分析处理的核心技术,智慧政府的“大脑”就不够发达,“智商”就不够高,能力就不够强。
大数据处理并不是简单地把系统放在一个合适的位置,然后自动获取结果。需要掌握从海量数据中获取知识所必需的工具和技能,如数据仓库、数据集成、商业智能、数据可视化工具,业务分析和预测建模等。同时还需要建立正确的工作流程和政策,寻找可以利用数据分析预测市场的人才,构建更有效的产品和服务以满足需求快速变化的市场。我们需要“拨云散物”集合“数据”,更要确立今后“腾云驾物”用“数据”的目标,把握政务事务发展的核心能力
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02