京公网安备 11010802034615号
经营许可证编号:京B2-20210330
吴汉元用“辛酸苦辣”来形容自己近一年的工作。他是浙江省宁波市海曙区经信局局长。一年多的时间里,他联络了从乡镇到区县及至国家的部门,为的就是获得更多的和海曙相关的数据。“他们的数据单独放在自己单位,不会有什么用,但是汇聚在一起则不同了。”吴汉元干的是时下最潮的工作,建设“智慧城市”,也是时下最难的工作,他主要负责各个部门数据的收集以实现海曙区数据开放平台的搭建,该平台于今年11月开始试运行。
试点增加、政府出台扶持政策、标准体系开始健全……2014年,智慧城市发展看似迎来了春天。目前,有超过400个城市公开宣布建设智慧城市,在地理范围上覆盖了东中西部地区。然而,在大数据的海洋中由于信息无法联通造成的“信息孤岛”现象,正成为“智慧城市”落地的重重阻碍。
经济观察报记者采访了解到,目前一些政府部门、社会组织、企业都有自己的数据库建设,但是流通十分困难。就政府信息而言,部门之间壁垒森严,不仅企业得不到,政府研究机构得不到,各级政府之间无法互通,连同级政府部门之间都更像是一种利益交换。
不能一口气吃成胖子
在智慧城市中,大数据正扮演越来越重要的角色。如何有效挖掘、分析大数据,是高效解决城市运营问题的关键。“在实际智慧城市建设的基本操作层面,必须要十分强调数据的共享共用。”海曙区区长吴胜武指出,当前,由于受多种利益驱动等因素的影响,数据共享共用的瓶颈制约在很大程度上尚未真正突破。
以现在各地各级政府各个部门都在大力建立和应用各自专属的信息系统,一个人口数据库,公安部门、计生部门、民政部门都有各自的信息平台,甚至省、市、区各有不同的平台,平台间、系统间缺乏融合的载体,数据不能共享共用,形成了很多信息孤岛。要解决这个问题,就要打破信息壁垒,进行信息系统的整合,让已有的数据通起来。
2010年9月宁波市政府出台全国第一份官方文件《关于建设智慧城市的决定》,宁波由此成为国内智慧城市建设的先驱。海曙区作为宁波的中心城区,一直走在宁波智慧城市建设的前沿。宁波市海曙区目前着重在做的就是数据整合利用工作,建立海曙区数据开放平台。该数据开放平台目前整合了35个部门的数据,拥有17个大类目录,179个分类目录,超过20万条数据。
相比起一些大企业动辄上亿条的数据,这并非一个大体量的数据库。但据吴汉元介绍,光是汇聚这些数据就花了近一年的时间,可谓充满辛酸苦辣。目前愿意提供数据的这35个部门主要集中在区级部门和少数市级部门,暂时还没有省级、国家级部门的数据。“目前,是采取先易后难的方式,并不想一口气吃成胖子,所采集的数据并不涉及银行、税务等部门。现在最难的就是公安数据开放、社保数据开放、税务数据开放。”吴汉元介绍。
这个被吴汉元称为全国领先的数据交互平台还在试运营阶段并没有完全对外开放。不过,已经有很多企业前来咨询相关事宜。吴汉元强调,“数据开放平台要有序开放,不能乱开放。这个平台是免费的数据信息共享,但是我们要求企业先提出申请,然后进行身份审核,再根据其需要,经过数据拥有部门的授权,再给他们提供一些数据。另外,使用企业需和我们签订协议,将二次开发利用的数据反馈给我们。下一步,我们自己也会建立数据研发体系。”
吴汉元指出,建设智慧城市难点不在技术,而在部门利益壁垒,“他们不会轻易把数据放出来”。中国智慧城市建设恰恰极其缺乏跨部门共享和业务协同的工作机制,使智慧应用的推广难度非常大。
这尚且是政府内部的信息流通,对于一些研究机构和企业则是难上加难。住建部的中国城市科学研究会数字工程中心曾在湖北省宜昌市开展有关智慧城市的数字工程试点工作。由于建设城市信息存储数据库,还需要公安、教育、民政、房产等多个部门的数据支持。让研究会颇感意外的是,各个职能机关都有完备的数据信息,但就是不愿分享。
为了协调这些部门利益,研究会一度找到市领导开通气会,效果仍不明显。他们不得不自己采集人口流动信息,并主动向当地公安部门请求数据交换,却仍被拒绝。研究会只好提出双方不妨比较一下。果然,公安部门的数据虽然在全面性上有优势,但在新鲜度方面,随机提取的三条信息竟然有两条已经过时。公安部门最终愿意同研究会进行数据交换。用同样的方式,他们在宜昌实现了与民政局、教育局、房产局等20多个部门的交换。
不仅如此,还存在很多重复建设。全国政协常委提案委员会副主任、九三学社中央副主席赖明介绍,“以某地级市为例,相关系统设计的信息采集重叠率达到82%,信息不一致率达到27%,信息不完整率达到43%,存在大量的重复投入和信息盲点。”
谁来主导4万亿蛋糕
工业和信息化部软件服务业司司长李颖曾公开表示,随着政策红利的释放,智慧城市将迎来新一轮快速发展的机遇,并辐射整个智慧城市的产业链。他预计,未来建设智慧城市全球市场规模约有40万亿美元,中国市场也将超过4万亿人民币(6.1432, 0.0041, 0.07%)。
面对4万亿的大蛋糕,如何切割?不少从事智慧城市的企业家认为,当前人口、地理信息、交通、环境、医疗等城市的各项数据大都掌握在政府手里,只有政府率先开放数据,才能带动企业乃至全社会开放数据。
神州数码[微博]智慧城市研究院院长李继刚指出,“这是一条比较合乎逻辑的道路,但如果信息流通不起来,这条路看上去反而更远。”吴汉元介绍,在海曙区则是倾向于“市场能做的就由市场去做。政府的边界到底在哪里需要严格界定”。
事实上,在所有能够成为智慧城市的样板中,政府都起到了中流砥柱的作用。早在2003年,韩国政府就推出“U-Korea”发展战略,以政府力量推动所有资源数字化、网络化、智能化。日本也由政府主导推出了“I-JAPAN智慧日本战略2015”,将目标聚焦在电子政务、医疗健康服务、教育和人才培养三大公共事业。
然而,一个在智慧城市市场浸淫数年的广东女企业家谈到,自己曾经到北方不少城市考察,和不同的领导、包括市长或者厅长接洽过,发现他们关于智慧城市的概念比较落后,现在我们谈的都是云技术,而他们还停留在移动生活和移动办公层面。
在这位女企业家看来,智慧城市的最大价值,是在相应系统收集的大数据基础上进行大数据开发。但目前的智慧城市系统的大数据,基本上还停留在相关智慧城市系统管理的各个政府部门领导们的电脑里。导致在智慧城市的概念号召下,安装了相应的智慧设备,却干着传统设备的活,因为核心的大数据并未得到充分的市场化开发。
不过地方政府也有其担心,江苏某市市长在与一家大型外企洽谈智慧城市业务时,在表示支持推进智慧城市发展的同时也指出,“现在公司忽悠的不少,一是希望业务拓展,二是忽悠地方政府有的官员一点都不懂,就追时髦。”
另一条路是完全依靠市场开拓局面。“这种方式看上去不太合理,因为政府资源闲置,商业机构却要独立再做一遍,但只要坚持足够的时间,就会显现出非常大的活力。”李继刚介绍,比如,像百度[微博]或者阿里巴巴[微博]这样的厂商自身具有海量的数据,可以加工出一些公用的数据产品。
中国工程院院士北京邮电大学[微博]原校长方滨兴就建议,能不能先别讲政府,先从企业做起,银行的排号器、医院的排号器总能拿出来共享吧?——所有希望吸引人来的行业都会把数据放出来。就像微博开放数据接口一样,任何研究者都能在微博上查数据。像阿里巴巴这样的企业很有钱,可以花钱跟医院、银行买数据。政府再看到这个市场是可以管得好好的,就开始有新的做法了。
国家发改委城市和小城市发展中心主任李铁也认为,应该通过市场的方式来推动智慧城市的发展。据他介绍,在过去,中国智慧城市建设被普遍认为是要通过政府提供一些资源,来进行一些大数据的基础设施的投资和建设,因此存在很大争议。智慧城市发展全面由政府主导,很多专家担心会因此搞成一种政绩工程。
一个值得思考的问题是,如果政府的资源向企业开放,是向一家企业开放还是可以向所有企业开放?既然是市场化,是公平的市场化还是部分的市场化?另外,在只有唯一的垄断性地位服务提供的时候,怎么保证尽量的市场化?
李继刚认为至少要引入消费者的参与。淘宝上,店家最怕什么?差评!现在一些政府或者一些大的企业提供服务的时候,应该把老百姓的反馈、评价或者修改意见放在一个很重要的位置,应当成为这个服务的业绩考核,或者说官员升迁的很重要的因素。
必须要有强制性
北京邮电大学信息与通讯工程学院院长刘韵洁教授介绍,目前在大数据开放方面,美国已制定完整的数据开放计划,欧盟、澳大利亚、新加坡等国家也都制定了相应的开放计划。而中国进度比较缓慢,也相对比较落后。
目前一些城市数据不开放有两方面原因,一方面是信息安全问题,担心数据泄密;另一方面是管理问题,需要打破政府行政管理的条块分割。赖明指出,支撑中国大数据平台的软硬件仍然受制于人,即使国产的计算机,网络设备也大量采用国外芯片,短期内仍不具备完全国产化能力。国内信息安全命脉几乎全部掌握在外国企业手里。“大数据应用的标准、评估、分析等技术研发有待推进,现有的信息安全手段难以满足大数据应用的安全要求。”赖明是在住建部近日主办的第九届中国智慧城市建设技术研讨会暨设备博览会上做出上述表态的,这也是智慧城市领域规格最高的年度盛会。此外,他表示有关数据产权、数据公开、数据使用、数据安全等方面也存在法律法规缺失等问题。
赖明建议,在《政府信息公开条例》基础上,可以制定《政府信息数据公开法》,保证政府数据在风险可控原则下最大限度公开,明确公开数据的条件、规范和保障。
此外,李继刚指出智慧城市建设存在不容忽视的“两多两少”的问题,第一,说得多,干得少。很多城市申报智慧城市的目的是因为申报下来项目后可能会有钱,就能做出政绩。对于智慧城市的考评机制,应该改变当前写文档、专家评审、上级检查的机制,而是应该利用第三方的市场机构调查,看是否真的为百姓提供了方便。第二,说别人的事多,干自己的事少。政府要推行市场化,希望企业多干事,而企业又提出政府应该把自己的事情干好。解决方式其实就是需要政府打造一个公平、开放的市场环境,要把规则制定清楚。政府在提供服务的时候,需要把百姓的反馈、评价或者修改意见放在重要位置。对于城市规划的顶层设计,必须要有强制性,否则在操作当中会遇到很多问题。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-10在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-10在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09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 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01