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
在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25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