
基层工商大数据运用思考与建议
工商部门作为市场主体的入口和主要监管部门,掌握了市场主体从出生到消亡的大数据。为更好地运用大数据,探索便民高效、务实管用的服务监管机制,重庆市工商局沙坪坝区分局就大数据运用工作进行了调研思考,并提出了对策建议。
存在的主要问题
数据采集渠道相对分散。目前我局数据的采集渠道主要分为3种:一是通过综合业务系统采集工商内部数据,二是通过企业信用信息公示系统采集辖区各企业数据,三是其他数据由各部门自行采集。数据分散、整合度不高的问题突出。
数据质量过于粗糙。一是数据失真。企业在填报年报数据时,为逃避税收,往往虚报营业额、资本金等数据。二是数据有瑕疵。由于企业数据录入人员责任心不强等原因,导致数据填写不全、逻辑错误、前后不一等问题突出。比如,在2014年度年报中,我局辖区烟草公司共提供3000多条数据,但数据没有填写营业执照号等项目,只填写了企业名称等项目,无法与工商数据进行整合,最后只有100多条数据比对成功,数据比对成功率仅为3%。
数据采集时间相对滞后。按照《企业信息公示暂行条例》的规定,企业应在即时信息形成之日起20日内进行公示。但由于部分企业不了解政策规定、不重视信息公示或平时业务繁忙忘记公示等原因未及时公示信息。
采集手段缺乏强制性。按照《企业信息公示暂行条例》的规定,企业未按规定报送公示信息,将被列入经营异常名录。工商部门每年按照3%~5%的比例进行抽查,被抽查到的概率很小;即使被抽查到,也可以通过补录然后申请移出经营异常名录,因此这种手段对企业缺乏强制性。
数据分析方法过于简单。现行的工商数据分析一般是通过分析报表,进行简单的、初级层面的加减运算,形成辖区市场主体发展分析报告和商标、电商、广告、合同、消费维权等各业务监管现状分析。然而,这些数据是可以通过数据挖掘、关联分析、云计算等专业统计分析方法进行高层次的深度分析,发现影响社会经济发展的系统性因素,为政府进行宏观决策提供参考。
对策建议
充分利用现代信息技术,建立统一的数据采集平台。针对现行数据采集渠道分散的问题,建立统一的微信平台进行数据采集。将辖区各部门的数据,通过数据库桥接配置与该微信平台进行对接,真正实现部门间数据共享。开发“一键报送”功能,各企业用户通过扫描该微信平台二维码,真正实现年报信息、即时信息快速上传,实现企业和政府部门之间数据共享。开发“一键投诉”功能,消费者可以通过该微信平台快速举报,也为工商部门采集了消费维权数据。开发“一键上传”功能,各街镇、社区通过该微信平台将日常检查中发现的情报信息实时上传,为工商部门采集社会监督数据。
制定数据采集规范,建立统一的数据质量标准。针对数据质量相对粗糙的问题,积极争取当地政府的支持,尽快出台辖区数据采集规范,统一数据采集标准。采取“一表填报”的方式,各部门按照标准要求,按照时间顺序,使用统一表格进行数据填报。比如,企业在办理注册登记时,由工商部门在该表上填报登记信息。企业在办理行政审批时,由相关部门继续在该表上补充许可信息。税务、银行等部门和机构按照时间顺序在该表上录入相应数据。
建立自动提示报警系统,提高数据报送实效性。针对数据采集时间相对滞后的问题,开发新软件,建立自动提示报警系统。比如,企业形成即时信息20日内未报送即时信息的,平台每日发送短信或微信提醒企业;企业超过20日未报送的,平台发送报警短信或微信告知企业;企业被列入经营异常名录的,平台每日发送短信或微信提醒企业,同时将名单用短信或微信发送给各部门和公众,让企业接受部门和社会监督。
多措并举,提高数据分析水平。一是开发“企业信用体检”功能,通过对数据的加工处理和模型构建,模拟人体医学体检形式,对辖区企业进行“信用体检”,全面掌握企业整体健康状况及趋势变化,并一键生成企业信用体检报告。二是加强与高校、科研机构的合作,完善工商数据分析模式。三是主动购买第三方专业机构服务,将海量数据进行分析比对,挖掘有效信息,出具专业的分析报告,为政府科学决策提供有效依据。
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: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。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11