
积极应用大数据创新政府决策方式
大数据决策的优势在哪儿
大数据是对网络数据痕迹进行捕捉、挖掘、分析的一种技术,能用可视化的分析结果反映出海量信息背后的规律,在问题和对策间建立逻辑关系,为决策提供支持。
明确决策目标。做到决策目标明确须在决策时认清问题症结,抓主要矛盾,定向施策。实践中有的政策执行不力,根源在于目标模糊,“眉毛胡子一把抓”,让执行者无所适从。大数据可以通过对海量信息的挖掘和分析,把主次矛盾、因果关系、约束条件等依次呈现出来,为明确政策目标提供有价值的参考。
完善决策信息。信息不对称是导致决策失误的重要因素。一般情况下,除决策者组织的调研、专家论证等,获得决策信息的主要方式是抽样调查,信息能否反映真实情况的关键是样本的代表性。与之相比,大数据在理论上几乎可以搜集到所有相关信息,决策信息支持系统由“抽样样本”向“全数据样本”转换成为可能,从根本上解决抽样样本覆盖范围窄、渠道单一等问题,避免决策中出现“偏信则暗”的情况。
提升决策效率。大数据具有高效的数据搜集和运算能力,在相关性分析方面完全超越人工分析的速度,能大幅提升决策效率。大数据还具有极强的预测能力,有助于决策者预测事态发展趋势,将问题由“事后解决”转向“事前预测、前瞻决策”,这在危机管理中尤为重要。
优化决策方案。最优的决策方案都是动态权衡和利弊取舍的结果,这需要对前期方案进行及时反馈与综合评估。大数据能做到实时动态分析,可将决策执行情况从“预报”变为“实报”、从“抽样报告”变为“精准报告”,大大提高了反馈的时效性和评估的准确性,为优化决策方案提供强有力的支持。
为什么大数据在政府决策中“雷声大雨点小”
近几年,大数据在城市规划和运营、城市交通、应急管理等方面得到了一定程度的推广和应用,但与其商业应用和自身价值潜力相比,大数据在公共管理中仍未普遍使用,在政府决策中更是“雷声大雨点小”。
思想门槛。大数据概念普及和应用都是近些年的事情,多数决策者还处于观察、理解和学习的阶段,短时间内还难以自觉地将大数据作为辅助决策的手段。但不可否认,一些决策者对数据决策持冷淡甚至抵触的情绪。有调查显示,在各部委信息化部门中,近四成负责人对大数据提升业务能力“未予以足够重视”。对于一些管理部门而言,“拍脑袋”决策、封闭式决策是成本最低、效率最高、权力感最强的决策方式,这种思维定势天然地排斥数据决策。甚至部分人对互联网产品抱有偏见,将微博、微信甚至智能手机都看作是泄密的渠道,思想和行动上“不接受、不了解、不使用”,对大数据更是唯恐避之不及。
技术门槛。大数据具有信息量大、数据域广、时效性高等优点,但也会带来数据类型繁多、价值密度低的问题。要将海量数据转换为可供决策参考的可读信息,需要经过数据准备(搜集、抽取、清洗、转化、加载等)、建立模型、实施部署、输出结果等多个阶段。因此,把纷繁复杂的文字、语音、图片等数据转换成可视化和易读性的决策参考信息是个难度较大的“技术活”,须兼具熟悉的业务能力和专业的技术能力,这对每一级政府、每一个部门都是不小的挑战。实践中,若不借助外力,应用时普遍会遇到“信息海洋如何捞干货”的难题,这是影响数据决策的一大门槛。
数据门槛。政府决策多带有全局性,作为辅助决策的大数据分析需借助多部门、多领域的关联数据。近些年,我国政务信息工作取得了很大进展,但部门间数据共享机制仍不健全,实际中存在不敢、不愿和不会共享数据的问题。尤其是一些部门存在“数据小农”心态,数据专享的权属观念甚重,把数据看作部门“隐私”,保护得密不透风,有的还将数据神秘化甚至权力化、利益化,从中寻租牟利。部门间数据无法做到互联共享,大数据分析就是无米之炊,数据决策更是纸上谈兵。
如何发挥大数据对政府决策的应有作用
树立适应信息化社会发展需要的决策思维。大数据不仅是技术创新,更意味着理念和思维方式的革新。领导干部须顺应趋势,培养和树立与时俱进的决策思维。一有数据意识,形成“用数据说话、用数据决策、用数据管理、用数据创新”的思维和理念,注重逻辑分析和数据决策。二有整体意识,改变重经验轻数据、重直接数据轻关联数据和比较数据、重单一数据轻多元数据和互动数据等决策方式和思维惯性,借用大数据从更全面、更宏观的角度看待问题,把握规律,抓主要矛盾。三有开放意识,将大数据作为开门搞决策的一个重要抓手,主动利用信息技术扩大公众参与决策的程度,将大数据分析的民意结果作为启动政策议程、制定政策方案的重要因素,以此增强决策的科学性,提高决策方案认可度,降低决策执行成本。
利用大数据分析优化决策全过程。信息技术的发展和普及应用,拓宽了公众参与决策的渠道,对决策的科学化、民主化进程既是机遇也是挑战。决策全过程都必须适应这种变化,利用大数据技术抓住机遇,应对挑战。通过引入大数据监测系统,实时监控、智能预测经济社会发展动态,及时响应政策诉求,启动政策议题。利用互联网平台所搭建的平等协商的“公众舆论空间”,引导公众有序参与政策讨论,形成社会的“最大公约数”,作为制定政策方案的基点。应用社交网络、智能终端等传输的数据实时分析政策执行效果,提高政府事中感知和事后反馈能力,将决策输出端从“谋而后动”转向“随动而谋”,从执行力转向学习力,从静态管理转向动态治理。
开展合作弥补技术短板。过去10多年,电子政府发展迅速,政府大力度投资设施建设,后台积累了大量数据。可以说,政府利用大数据难度最低而潜力最大。但目前看,这些有价值的数据多被束之高阁,处于沉睡状态,其原因就是政府在利用和分析这些数据方面存在较大的技术短板,严重影响到了大数据在决策中的应用。弥补这一短板,一方面可引进专业人才,加大软件投入,提高自身技术能力;另一方面,可积极与大数据研究机构、互联网企业等专业的大数据单位合作,借助他们的专业实力开展大数据分析。
开放政府数据。开放促改革是我们在长期工作中总结出来的一条重要经验。政府是推动大数据应用的最关键力量,开放政府数据能推动大数据在全社会的广泛应用。美国、英国、加拿大、新西兰等国在2009年之后都建立起了政府数据开放平台,将提供数据作为一项基本的公共服务。其中美国联邦政府开放了农业、商业、气候等10多个领域的13万个数据集。我国的香港、上海、北京、武汉等地也在2011年后陆续开放了数据平台。社会应用的增多,又会反过来推动政府数据平台建设,推进政府数据的标准化、格式化工作。最重要的是,数据开放也意味着政府在决策时必须将数据分析、公众参与等作为决策过程的重要部分,使决策方式发生质的改变
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 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 ...
2025-09-04