
大数据(Big Data)正在成为公共服务与治理的新边疆。面对私营部门大数据项目的成功案例,各国政府正面临日益增大的压力:如何整合分散的数据源,如何建构有效的数据挖掘和分析能力,以及如何最终走向数据驱动(data-driven)的决策制定过程。但政府别无选择,因为大数据蕴含着提升政府效率和增加公民参与的巨大潜力。接下来的问题是:政府该如何做才能真正实现大数据的美好愿望?美国亚利桑那州立大学(Arizona State University)的公共事务教授 Kevin Desouza基于美国政府的经验尝试对这一问题进行回答。
Desouza教授在2013年历时一年对美国联邦、州、及地方政府的首席信息官(CIO)进行了广泛而深入的访谈,形成了一份研究报告,题为《实现大数据的愿望:实施大数据项目》。该报告由IBM“政府事务中心”(Center for The Business of Government)资助并出版。Desouza教授不仅在报告中清晰而富有启发性地介绍了大数据的概念(“大数据”这个术语虽然受到了极大关注,但到目前为止还是缺乏一个广泛接受的定义),还分析了公共部门与私营部门在使用大数据方面的不同。最后,该报告详实描述了美国各级政府大数据的使用情况,例子包括美国国内税务局、马萨诸塞州和纽约市商业诚信委员会(New York City Business Integrity Commission)等。
报告用5个V帮助理解大数据的概念,共例举了10个发现,以及对美国政府实施大数据项目的17个步骤(3阶段)的政策建议。5个V分别是Volume(量度),Velocity( 速度),Variety(广度),Viscosity( 粘度), Variability( 变异度),以及 Veracity(信度)。10大发现依次为:
1. 政府机构的大数据努力还处于早期试水阶段
2. 许多CIO正努力说服大家大数据不是一个昙花一现的概念
3. 大多数的CIO的当务之急是管理大批量的数据,整合不同数据库的数据,以及建构数据挖据的能力
4. CIO们报告说一些大数据项目的主要关注点在于优化业务流程
5. CIO们预期近期不会因为大数据项目而显著增加技术的投资
6. CIO们报告说他们迫切需要改善人力资本,包括数据分析能力
7. CIO们目前正在着力探索数据治理(data governance)的新模式
8. CIO们不建议由IT部门作为大数据项目的牵头人
9. CIO们认为协作式的领导力(Collaborative Leadership)对于大数据项目的成功至关重要,并建议创造工作组来监督项目进展本文来自:CDA数据分析师培训官网
10. CIO们正在成为分析学和证据驱动的政策制定的拥护者
报告认为,可以用3个C 来概括17个步骤中最关键的成功因素:详尽的规划(careful planning), 充分的沟通(communication),以及无缝隙的协作(ccollaboration).
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