
转型大数据,须放下“数据小农意识”
在“一门式的行政办事理念”讲座上,上海“一门式”政务研发中心副主任肖樑点开澳大利亚某个官方网站,按照“家庭成员、访问者、新移民、残疾人士、老年人、离异父母”等类别,每个社会群体都能找到自己所需要的公共服务指引;再点开国内某政府网站,行政服务则按照传统的“税务、社会保障、医保、计生”等条线分类来提供指引。
前者,正是上海“一门式”政务服务未来的目标。其理念是,政务服务不仅要为老百姓带去便利,更应该从人文关怀出发,让每一个个体都受到关照。
基于此,“一门式”政务服务一方面设综合办事窗口,实行“一口受理”,无论哪项事务,群众到任何一个窗口都可办理;另一方面,探索各部门数据共享,帮助政府科学决策,将公共服务精准推送到社区人口。
“一门式”政务服务主要研发者赵海然曾在企业工作过,她认为,大数据时代,用户体验是企业的核心竞争力,而提供好的用户体验,首先就要从用户的需求入手。“企业在供应链管理时,会根据用户要求来进行原材料采购、产品设计等等,政府在提供服务时,也不仅要从政府角度考虑如何提供服务,更要以群众需求来设计服务方式。”
政府治理和企业运营有许多共同之处。今年4月,南海党政班子曾到佛山唯尚家具制造有限公司取经,观摩其大数据应用。佛山市委常委、南海区委书记邓伟根彼时评论说,维尚用大数据把个性化的定制变成多数人的生活,南海政府也可以用大数据把个性化的服务变成多数人的公共服务;维尚注重服务客户,设客户中心,其实南海村居社区服务中心提供服务也是这个道理。
目前,南海正在筹建大数据管理中心,尝试将社会数据、企业数据以及个人数据都搜集进来,形成南海的大数据,通过一定的机制进行收集、整理、提升和分析,未来有望根据市民和企业需求为其推送个性化服务。
精细化、个性化的政务服务,背后必然涉及到数据共享和信息流动。譬如要为社区里的外地单亲妈妈提供更到位的服务,就需要了解计生、民政、流管等多方面的数据,才能掌握其整体情况。
上海“一门式”政务服务,按照“前台一口受理,后台协同处理”模式来运营,在协同处理时,各部门的数据就实现了共享。而上海推行城市网格化管理,还专门设立了数字化城市管理中心,该中心就具备强大的资源和数据整合能力。
南海拥有良好的信息化基础,但目前来说,政府掌握的数据是割裂的,数据流动分享存在壁垒。工商、计生、税务、海关等系统的信息库,属于省直管,要实现共享仍存在困难,需要逐个攻破。而更需要突破的是,政府各部门带头人要转变观念,真正意识到大数据管理对构建现代服务型政府的重要意义,并放下“数据小农意识”,参与其中。
当前,南海还在同步推行社区网格化管理,并希望将人口户籍、企业、政务、车辆等分散的政府数据汇总接入到村居网格上,最终实现大数据管理。果真如此,南海有望在新一轮的行政体制改革中再立潮头。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15