京公网安备 11010802034615号
经营许可证编号:京B2-20210330
运用大数据 更加接地气_大数据培训
与以往不同的是,今年的政府工作报告无论是在框架架构还是篇幅大小上都令人耳目一新。此次报告中频频闪现的“任性”“互联网+”等“网络热词”,更是拉近了与普通民众之间的距离。
那么,这份崭新的政府工作报告背后究竟凝聚着哪些不为人知的“秘密”?5日下午,政府工作报告起草组负责人、国务院研究室主任宁吉喆在国务院新闻办举行专场发布会,为中外记者答疑解惑。
总理亲自定稿
记者:今天总理所作的报告,无论是架构布局还是篇幅大小都跟以往明显不同。总理本人是不是很重视这份报告的质量?
宁吉喆:政府工作报告的起草工作从去年八九月份就开始了。李克强总理亲自领导政府工作报告的起草工作,先后主持国务院常务会议、国务院全体会议,听取汇报。习近平总书记也高度重视这项工作,他先后两次主持中央政治局会议、中央政治局常委会会议,听取有关情况汇报,并研究通过。
报告的起草经过了反复研究、反复分析、反复修改,共修改了四五十稿。李克强总理亲自主持修改,最后亲自定稿。我们尽量减少篇幅—很多不必要的虚词都省了。
报告吸收上千条民意
记者:今年的报告在起草、撰写过程中有哪些新变化?
宁吉喆:为了确保报告的质量和“成色”,起草组广纳各方观点和诉求。在整个起草及修改、定稿过程中,各地方、各部门和各单位都参与了进来。
如果说高层领导的重视和起草团队的精良为报告质量提供了大保障,那么,来自社会各界的民意则是这份报告“干货”十足的重要源泉。
为了广泛征求社会各方面的意见,李克强总理曾亲自主持召开了三次座谈会,广纳专家学者和企业负责人,科教文卫体界人士和基层群众,以及民主党派、工商联、无党派人士开展座谈会;此外,在全国范围内广泛征求地方部门和单位的意见,征求意见稿发出去将近4000份,各方面提出的意见上千条,这些经过整理都吸收到报告中。
运用云计算等现代方法
记者:大家都给这个报告点赞,觉得它非常接地气。在报告的起草过程中,你们是不是特别用心地做了相关工作?
宁吉喆:确实。这次的报告不仅分量沉甸甸,而且特别注重亲民和接地气。事实上,为了创新报告的起草方式,起草组运用智库、专家库提供支撑,运用互联网、大数据、云计算等现代方法和手段,找内容、找数据、找词语。
中国政府网还联合了数家网络,发起了“2015政府工作报告我来写—我为政府工作献一策”的活动,及时把意见和建议转给起草组。据不完全统计,在全社会收集的意见和建议(包括海外)共有4万多条,筛选整理出来的1000多条都转给了我们,其中直接收集的有数十条以上。
国家外国专家局还联合召开了政府工作报告征求外国专家意见的座谈会,来自比利时、德国、日本、新加坡、英国、美国六个国家的十几位专家提出了非常好的意见。此外,起草组召开全国人大代表的座谈会,事先听取代表的意见。我们还邀请了在京学习、培训的各地方党政负责同志,听取地市、县委一级同志的意见。
经济发展讲得更透彻
记者:您能否就此为我们扼要地解读一下政府工作报告?
宁吉喆:与往年相比,今年政府工作报告的特点比较突出。
结构框架和形式与去年相比有明显不同。去年的政府工作报告有三个部分,第一部分是2013年的工作总结回顾,第二部分是2014年工作总体部署,第三部分是重点任务。今年的政府工作报告有六大部分,前两部分是一样的,而后面的重点任务部分专门把改革开放、经济发展、民生改善和社会建设、政府自身建设作为四个部分独立出来。
如果是在去年政府工作报告的结构下,很难把这些内容摆到同一个层次去讲,只能简化了。
总而言之,政府工作报告形式上的不同反映了内容上的充实和创新,这种形式和内容的创新,都体现了“四个全面”,也就是这次政府工作报告开始就提出的全面深化改革、全面推进依法治国、全面从严治党、全面建成小康社会。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13