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
在数据可视化实践中,数据系列与数据标签的混淆是导致图表失效的高频问题——将数据标签的样式调整等同于数据系列的维度优化,或 ...
2025-11-21在数据可视化领域,“静态报表无法展现数据的时间变化与维度关联”是长期痛点——当业务人员需要分析“不同年份的区域销售趋势” ...
2025-11-21在企业战略决策的场景中,“PESTEL分析”“波特五力模型”等经典方法常被提及,但很多时候却陷入“定性描述多、数据支撑少”的困 ...
2025-11-21在企业数字化转型过程中,“业务模型”与“数据模型”常被同时提及,却也频繁被混淆——业务团队口中的“用户增长模型”聚焦“如 ...
2025-11-20在游戏行业“高获客成本、低留存率”的痛点下,“提前预测用户流失并精准召回”成为运营核心命题。而用户流失并非突发行为——从 ...
2025-11-20在商业数据分析领域,“懂理论、会工具”只是入门门槛,真正的核心竞争力在于“实践落地能力”——很多分析师能写出规范的SQL、 ...
2025-11-20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