
政府应当大数据时代“排头兵”
当前,随着网络技术、云计算包括信息的搜索引擎和各种存储等一系列信息化的高速发展,大数据对于我们的生活、管理包括各方面企业的运行、社会组织的各种活动,都会带来重大影响。运营商作为数据生产者的优势是其他企业无法比拟的。据了解,全球120家运营商中,已经有48%的企业正在实施大数据战略,试图打造全新的商业生态圈。因此,应当高度关注这样一个变化,密切关注大数据时代对我们工作的影响。笔者认为,大数据时代政府目前至少要做好五件事情。
首先是根据目前大数据的定义,来深刻理解大数据概念。
这是因为,现在由于互联网的高速发展,人类掌握的各种数据是海量的、不断扩大的。存储的技术也在不断提高。过去我们讲一个G,后来讲TB,现在可以讲是上万个TB在形成各种数据。现在智能手机很多,可以讲现在一个智能手机的功能是十年前的电脑的功能,甚至还要强大很多。全球现在有多少亿人在拿着手机,不断跟互联网形成数据的交换,还有很多像网络的监控系统、物联网的系统等等,每天每时都在产生大量的海量的数据,这些数据的汇集、存储和云计算,包括数据的挖潜、技术的提高,会形成很多十分有价值的东西。按照西方的理解,它是比石油、黄金还要珍贵的资源,必然会影响我们生活、工作、学习的方方面面。可以说在这样一个大数据时代,过去我们差不多靠个人的经历做判断、决策,都已过时了,所有的决策、判断必须要根据大数据,根据数据的形成做出自己的判断和决定,这样才是一种符合科学的生活和学习的方式。
其次是尽可能挖掘数据价值。
先说说作为政府层面的事情,第一是应该高度重视数据的采集和生成。因为我们生活在这个时代,现在我们的信息技术的广泛应用已经有很多的数据在海量地生存着,而我们使它真正成为有用的,对事物发展的轨迹、脉络包括今后的趋势,用以做判断的数据源,首先要做好数据的采集工作。
第二是要强调做好数据的公开工作。过去我们政府的信息化有很大的毛病,形成部门所有的很多的信息孤岛。现在大数据时代,要求数据的开放。而且数据的开放不仅仅是过去讲的信息公开,信息公开可能是一个一个点的信息公开,而数据的开放是数据库的开放,是个片、面的开放。所以,它跟过去政府讲的信息公开不是一个层次的问题,需要我们把数据的公开推进,只有公开才能交流。
第三是缺少不了数据的整合。如果我们的部门在方方面面的数据都是公开的,就可以把它整合起来,大量海量的数据通过现代的信息技术,包括我们大规模的计算机的处理、云计算的处理,可以形成很多特别有价值的东西,对于政府的决策,它的科学性有至关重要的作用。所以,这方面通过整合,绝对不是1+1等于2,而是1+1等于10,等于100,数据的整合过程中会产生新的、改变我们生活的判断和决断。
第四是要建立我们的数据文化。中国人对数据的精确计算,从历史上来讲确实还是有一定的缺乏。我们经常喜欢用约数、大概、估计、差不多来做一些判断,我们也经常喜欢用经验式的方法进行判断。而在大数据时代,要求我们推广和在人民群众中间树立数据文化,一切用数据说话,而不是用大概、差不多或者是现成的结论去做出判断。所以,数据文化对于我们中华民族来讲是十分重要的,也是需要补上的一课。
第五是数据安全方面。因为大数据也好,信息化也好,没有数据的安全措施,没有个人隐私,包括企业法人隐私的合理保护,也包括国家安全机密的合理保护,它也是很难在我们全社会去推广和发展。往往因为安全的问题不能解决,它制约着我们的信息化、大数据的发展。所以,信息安全也是政府要关注、要解决好的问题。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23