
“大数据管理局”让大数据共用共享_数据分析师
近日,广州市政府官方网站公布了工信委、商务委和国资委3个部门的“三定方案”。三个部门共“定编”339名,其中商务委编制最多,占比超4成。机构设置方面,工信委下设的广州市大数据管理局(正处级)颇具创新,其承载着建设工业大数据库等9项重要职责。
城市发展到了今天这么大的体量,社会治理模式也需要不断升级。大数据,无疑是一个重要的发展方向。随着网络的普及,越来越多的行为在网上发生,“凡走过必留下痕迹”,有的商业数据公司将其收集起来,分析用户情况,还能卖个高价。政府部门也亟需重新认识自己手中掌握的数据价值。今后,在治安防控、交通治堵、办证服务,乃至灭蚊杀菌、气象预报等方面,政府部门的大数据都将大有作为。广州在机构改革中新设大数据管理局,将成为广州重视大数据、用好大数据的新起点。今后,分散在各个部门的数据将有专门机构来统筹分析,当然是一件大好事。
根据三定方案,大数据管理局任务不轻,共有9项职责,从工业信息到视频资料,从标准制定到平台搭建,都需要投入极大的人力物力。大数据管理局能否扛得起来?一者,人员要给够,9大项职责,涉及生产生活多个方面,人手不足工作没法开展;二者,队伍建设还要讲究针对性,比如要搭建数据平台的至少要懂一些计算机知识,而牵头统筹工业信息数据的又要对工业企业的运行比较熟悉,无论是新招聘还是从其它机构选调,都应注重人员的知识结构和经验背景。三者,大数据管理局要统领全市大数据研究应用工作,政府还需对大数据统筹应用工作有更恰当的考量,比如将大数据共享强制规定为各行政部门的常态工作,或者由市政府牵头召开各部门领导都参加的大数据联席会议,方能帮助大数据管理局一臂之力。否则,若各部门不配合,大数据管理局再努力也是一个巴掌拍不响。
要用好大数据,首先就要有专门机构来抓这件事。广州设立大数据管理局,为今后社会治理智能化开了一个好头。在今后具体开展工作的过程中,还应出台更多配套的扶持措施和制度框架。除了大数据管理局履行职责外,其他各局也得给力。只有各个部门主动敞开胸怀,才能让大数据研究应用形成合力。
只有共享才“有用”
毋庸置疑,政府管理进入大数据时代,管理效率将会大大提高。但其实,对于市民来说,更关心的是这些与市民切身利益相关的政府“大数据”能否共享和开放。政府部门有很多可公开数据,但在现有机构壁垒下并没有达到足够的共享和开放。
我们更希望,大数据管理局能协调政府内部信息平台共享,促进政府信息数据公开和透明,打破信息壁垒,逐步公开、共享各项民生数据。
如何保护个人隐私
世界已进入大数据时代,大数据正在深刻改变着你和我的生活,政府引入大数据管理更是大势所趋。但其实有一个问题要引起我们重视,那就是“个人隐私”,如何避免“个人隐私”变成一些商业非法采集“大数据”对象,这些是我们接下来要面对的问题。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29