京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据让城市管理有“据”可循_数据分析师
对于大数据人们已经耳熟能详,如今在利益格局多元化、社会需求多样化的公共决策与公共服务领域,大数据也能一显身手。请关注——大数据让城市管理有“据”可循
随着中国进入大数据时代后,与其相关的各种话题就不绝于耳:电影《小时代》说会根据大数据选角和删减戏份;百度称靠数据挖掘押中了今年的高考作文题;目前正如火如荼的世界杯中大数据也没有缺席——德银甚至借助大数据计算出了一份夺冠概率表。
据外电报道,德银根据各个球队的FIFA排名、历史战绩、球员构成和赌球赔率等因素,建立了量化分析模型,并根据复杂计算得到一份夺冠概率表格。其中巴西名列第一,紧随其后的是德国、西班牙、法国。然后再根据某些假设,得出最终的冠军得主。
对于看似万能的大数据,如今在利益格局多元化、社会需求多样化的公共决策与公共服务领域,是否也能一显身手呢?
大数据为政策制定导航
今年年初,备受关注的“单独两孩”政策在各地落地后,国家卫生和计划生育委员会宣传司司长、新闻发言人毛群安曾透露,为这项政策的出台,相关机构和部门做了将近10年的研究,对人口政策采取什么样的调整都进行过数据模拟。
毛群安所提到的数据模拟其实就是大数据决策的一种。其后提供数据分析与支持的是一个名为“国家人口宏观管理与决策信息系统(PADIS)”的项目。PADIS系统依托国家电子政务网络平台,整合了来自公安、统计、民政、卫生、财税、教育、劳动与社会保障、资源、环境、农业、建设等各个部门的数据,能在计算机中建立一个虚拟社区。在这个社会模型中,从新生儿的出生、儿童的就学,到大学生毕业后的就业和成年人的婚姻生育状况等与人口相关的关键状态都会有所体现。只需将具体的政策输入计算机,就能看到几年、几十年、甚至上百年后,这些政策所产生的影响。
大数据同样可以被用于城市交通规划。PADIS还曾对某个城市的交通拥堵问题进行过预测分析。与认为应该限制人口和机动车数量,加快发展公共交通的传统观点不同,PADIS的预测结果显示,人口集中居住区域与经济中心的严重偏离才是导致市民出勤需求上升、交通恶化的根本原因,单纯增加公共交通设施、控人控车只能扬汤止沸。为此,PADIS开出的“药方”是改善城市规划管理,让城市向多中心方向发展。
除了能帮助政府调整计生政策、规划交通外,这一系统还能凭借其拥有的海量数据和强大的模拟预测能力,对延迟退休、养老金缺口、环境治理、房价上涨等热点问题提出自己的“真知灼见”,范围足以涵盖我们生活的方方面面。
大数据只能辅助决策
大数据的魅力在于能够通过对海量数据的分析,以一种前所未有的方式获得具有巨大价值的产品或深刻的洞见。那么是不是意味着可以完全相信计算机,让数据和软件来帮助我们做决定?
答案当然是否定的。PADIS系统项目技术总监、神州数码信息服务股份有限公司大数据专家史文钊认为,现在没有也不应该制造出一个自动决策系统。他说,大数据只能辅助决策而不能代替决策。总结这些年的经验,最好的系统应当是人和计算机的完美结合。大数据应用十分强大而且还会更加强大,它能实现数据挖掘分析、政策模拟、指标预警等多种功能,但它仍然只是一个辅助决策系统。就如同人口预测分析一样,面对需要解决的问题,大数据只能把可供选择的选项,和它们可能带来的影响提供给决策者,最终采用哪一个、如何执行、力度多大还得由决策者结合各方面的因素综合考量。
史文钊说:“以‘单独二孩’政策为例,虽然在政策上只是前进了一小步,但对政府科学决策而言,完全称得上是一大步。这体现出了政府在管理理念和治理模式上的转变。”
挖掘大数据的富矿
“互联网女皇”玛丽·艾克在《2014年互联网趋势报告》中专门将大数据提了出来,认为在2014年大数据将更加实用,比以往任何时候都更加贴近普通人的生活。从2014年开始一些依靠解读数据提供解决方案的新型服务开始出现,大数据解决大问题的趋势也将显现。同时她还发现在现有的通用数据中有34%的信息具备研究价值,但其中只有7%的数据被做了标记,被分析过的只有1%。数据获取固然重要,但缺乏分析的数据毫无意义。
因此,可以说大数据的真正价值在于挖掘和分析。“大数据的大不仅是数量的大,更是价值的大”,史文钊说,“大数据真正的价值不是海量的数据简单集合,而是找到这些数据之间的关联,发现它们背后的规律,为解决实际问题服务。如同矿藏一样,数据也有贫矿富矿之分。在目前的情况下,尤其是在智慧城市建设中,我们需要注重的应该是如何盘活已有数据存量,用好大数据增量,来提升城市公共服务能力和管理决策水平。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python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在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27在CDA(Certified Data Analyst)数据分析师的能力体系与职场实操中,高维数据处理是高频且核心的痛点——随着业务场景的复杂化 ...
2026-03-27在机器学习建模与数据分析实战中,特征维度爆炸、冗余信息干扰、模型泛化能力差是高频痛点。面对用户画像、企业经营、医疗检测、 ...
2026-03-26在这个数据无处不在的时代,数据分析能力已不再是数据从业者的专属技能,而是成为了职场人、管理者、创业者乃至个人发展的核心竞 ...
2026-03-26