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。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09