
政府需要怎样的大数据思维_数据分析师考试
深圳向来是个思想开放的城市,也一直不缺民间人士针对城市的改革与发展建言献策。10多年前,网友呙中校曾以《深圳,你被谁抛弃?》一文轰动全国。10多年后的今天,又有机构以《对深圳改革开放重大战略问题的建议》为题,洋洋洒洒谈了许多意见。
在诸多建议中,我们注意到,研究者对互联网+政府的治理模式颇有期许。在他们看来,利用大数据提高管理能力是政府管理日常事务的技术路径和技术支撑,也是提高政府治理能力现代化的一项重要改革。他们建议,应该成立大数据局,用于创新互联网+政府的治理模式。
在政府二字前面添上互联网+,当然是时髦的表达方式。其本质在于,政府的信息系统需要重构。各级政府部门在信息化建设及数据库管理方面,理应上一个大台阶。这对于政府治理的现代化不无裨益,也就需要政府在所谓的大数据思维方面,做必要的刷新。
政府需要怎样的大数据思维,或许没有什么标准答案。在我们看来,这里边需要强调的,至少有三个方面:一是数据信息开放的思维;二是数据信息整合的思维;三是数据信息分享的思维。这些思维方式,与政府信息公开的命题紧密联系,与数据信息的使用方向大有关系。数据如何使用,关乎政府信息公开的力度,也关乎政府行政的效率。
政府的大数据思维,首先是信息开放思维,这是由法律决定的。政府信息和预决算公开流于形式化现象过去一直较为严重——倘若这种现象得不到改变,则政府的大数据思维根本没法谈有什么刷新。信息难以公开,开放思维便会是一个伪命题。
坦率地说,在政府信息公开方面,还有很长的路要去走。政府要当信息公开方面的守法主体。大数据思维,建立在对法律的基本尊重上。如果因为各样的利益关系就能影响政府部门对法律的遵守,那么奢谈大数据又有何用?
政府的大数据思维,需要强调数据信息的整合。很重要的一点,就是不要让信息化建设流于形式。政府数据信息不能成为“孤岛”——各自为政的信息难有真正的价值。对于数据信息“孤岛”可能造成的伤害,各方面应有一个更清晰的判断。
数据信息的整合,是一个技术问题,更是一个价值判断问题。理念决定行动。有些政府部门之间的协同管理水平、社会服务效率和应急协调能力跟不上,跟数据信息缺少整合与沟通,大有关系。
政府的大数据思维,还有很重要的一点,就是数据信息分享的思维。与分享相对立的,是一些部门将数据藏着掖着,或者垄断数据信息,为部门利益、个人利益服务,而不是应用于公共利益。如果政府部门对数据资源的独占性严重,其后果是不难想象的。
上述《对深圳改革开放重大战略问题的建议》就指出了数据垄断的问题:大量的数据资源集中在政府手中,数据开发、应用以及数据咨询市场无法有效运行。也就是说,原本应是公共信息的数据掌握在政府部门手里,无法转化为整个社会的财富。这是非常遗憾的事情。
因此,政府部门重构大数据思维,是个现实命题。具体如何重构,当须妥善进行。政府数据管理法律的立与行,皆是必需的功课。这方面的经验与教训都很多。至于大数据局之类的政府机构是否必要,还可继续讨论。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14