京公网安备 11010802034615号
经营许可证编号:京B2-20210330
二、大数据条件下 “云治理”模式的价值
“大数据时代”的来临,无疑是伴随着“数据”向“大数据”的转化进行的。虽然对大数据时代的理解不能局限于概念和技术,而应该引申至文化、哲学、社会学、政治学、管理学等诸多领域,但是无论如何引申和扩展,其本身所具有的“云技术”特征,依然是最稳固、最鲜明的核心根据。
1.“云治理”概念成立的前提。
大数据时代的来临非同小可,“大数据”将改变商业运作、政府管理、生活方式和信息的积累,促使整个社会发生伟大的变革。政论家认为,“大数据的民意和政治”将开启网络民主的新时代,执政者应该适应大数据时代的要求,积极应对“快速自由”的民意,善于应对各种“民意事件”;媒体专家认为,大数据时代使得任何有关“民生问题”的信息传播,都有可能引发公共危机事件;信息技术专家认为,新的“移动革命”将产生“移动形态的大数据”,最终产生“移动性质的信息爆炸”。与传统的固定居所、固定空间的信息传播形式不同,真正的“流动性大浪”将把世界淹没,社交媒体公司的传统模式将出现衰退趋势;哲学家认为,大数据开启了一个新的流动性“时间坐标”,开启了一个“信息时间”无所不在、到处侵扰的新型的现代性存在形态。
表面上,“大数据”仅仅是对社会存在的“数据状态”的一种描述而已,本身谈不上什么更深刻的含义。如果使“大数据”真正得以应用,还必须与“云计算”相联系。传统的数据处理方式已经不能适应大数据的收集、整理、储存、检索、共享、分析等多重功能。倘若不加整理,所谓的大数据的网络空间就会成为“塞满垃圾信息的旷野”。显然,“大数据”的存在依据是技术信息的飞速膨胀。但是,这里的技术信息并非纯粹的技术性范畴,而是已经与全球化的生活、生产紧密地融为一体。从经济到文化、从意识形态到社会治理、从政治到国际关系,“大数据”之所以能够在其中发挥着越来越重要的作用,关键就在于大数据背后所隐含的“云计算”。对海量的、多样化的“大数据”现象进行“云计算”,可以快速获得各自所需的有价值信息。在这个意义上,拥有“大数据”是一种“资料前提”,更是一种“资源前提”。显然,“云治理”概念成立的前提,是网络化资源、服务的不断增加。其中,“计算机化”则是促使“云治理”走向社会、走近民间的一个关键性的技术应用和操作概念。“计算机化”、“数字化”是网络化的技术前提与基本保证。
“大数据”的真实价值隐藏于各种各样、毫无规则的数据之下,要发掘数据价值、征服“数据海洋”,关键性动力就在于“云”的逻辑计算能力。随着数据总量呈几何级数增长,处理数据的技术将跨越式提升,“算法”会更加简明、高效,不仅软硬件升级,人类对数据的认识也不断深化。数据量扩展并不等于一个公司或机构具备拥有和利用大数据的前景,能够进行数据的深度发掘与关联性建构才能称得上拥有大数据。也就是说,在20世纪末,我们讨论互联网时代的社会现象时,最大的关注点就是对世界各种各样的信息化、网络化现象的判断与反思。而今天,我们讨论的问题是,社交网络、电子商务与移动通信把人类社会带入了一个以PB(即1024TB,1TB=1024GB)为单位的“结构化与非结构化”的各类“数据事实”的新时代。从“数字”到“数据”,再到“大数据”,本身已经不再专属于“技术发展”的范畴,而是能够反映社会发展(尤其是经济运行)方式变化的重要线索。通过“大数据”,我们可以看到个体化存在、群体运动和社会运行诸多崭新的特征。
2.“云治理”新模式的价值选择。
“云治理”作为社会治理新模式价值选择的逻辑依据在于:以超越社会传统治理的逻辑形式,实现“社会治理主体”的社会化,通过互联网的技术平台,实现更为高效地分享公共信息、公共服务的社会职能,促进解决社会资源闲置和无效的社会难题。在传统的社会治理模式中,“主控性的社会治理”成为最突出的特点,而大数据促进了公共信息、公共资源乃至私人闲置资源的分享与流动,这对社会治理提出了更为严峻的挑战。这意味着,纯粹的“公私界限”分立的“治理模式”,尽管在逻辑上成立,但在“云治理”的视野下,将遭遇共治、共享的新价值观念和庞大社会需求的冲击。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 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 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 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 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 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 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 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。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 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 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25