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
在数据可视化领域,树状图(Tree Diagram)是呈现层级结构数据的核心工具——无论是电商商品分类、企业组织架构,还是数据挖掘中 ...
2025-11-17核心结论:“分析前一天浏览与第二天下单的概率提升”属于数据挖掘中的关联规则挖掘(含序列模式挖掘) 技术——它聚焦“时间序 ...
2025-11-17在数据驱动成为企业核心竞争力的今天,很多企业陷入“数据多但用不好”的困境:营销部门要做用户转化分析却拿不到精准数据,运营 ...
2025-11-17在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07