京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
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