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
【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 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 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09 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 ...
2026-07-09【核心关键词】采购、周期、原材料、企业、产品、成本、要素、库存、供应商、数据分析、生产计划、生产制造、加工制造、技术工 ...
2026-07-08在数据分析、特征工程、机器学习建模的工作流程中,原始数据往往包含多个不同维度的数值指标,例如客户交易数据中的消费金额、交 ...
2026-07-08 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。 ...
2026-07-08商业谈判是企业采购合作、渠道签约、价格议价、项目合作、客户签约的核心关键环节,直接决定企业的合作成本、利润空间与经营风险 ...
2026-07-07在数据分析、业务效果验证、AB 测试、学术研究等场景中,T 检验是假设检验体系里最基础、应用最广泛的统计方法,也是均值差异分 ...
2026-07-07 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 ...
2026-07-07【核心关键词】转化率、企业、策略、岗位、互联网、拆分、产品、运营、分析师、指标体系、数据分析、用户画像、数据诊断、产品 ...
2026-07-06在数据分析工作中,文本数据处理是高频刚需场景,用户评论、客服工单、日志信息、调研问卷、商品文案等数据都包含大量文本内容。 ...
2026-07-06 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-07-06在 CDA 数据分析师能力体系中,透视分析是数据探索、多维度汇总、业务复盘的核心基础技能。无论是 Excel 数据透视表,还是 Power ...
2026-07-03在市场竞争日趋激烈、获客成本持续攀升的当下,企业粗放式的“广撒网”获客模式早已无法适配经营需求。企业经营的核心逻辑,已经 ...
2026-07-03 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-07-03【核心关键词】运营、企业、核心、客户、新技术、数字化运营、数据分析、传统企业、人工录入、生产系统、技术人员、数据安全、 ...
2026-07-02在产品开发、项目立项、业务拓展、运营优化的工作中,市场调查、竞品分析、需求调研是三大核心基础工作。很多从业者容易将三者混 ...
2026-07-02