
大数据打造城市“智慧大脑”
随着技术的发展和城市数据建设的跟进,大数据对于城市管理发展的影响日益显现,越来越多的城市通过挖掘“数据金矿”帮助城市发展决策管理。
然而,大数据的成熟应用尚需时日,期盼深度利用大数据的城市还要下一盘谋划长远的棋——
大数据能够为城市带来什么?“实现部门、区域、行业间的数据开放融合、共建共享,构建发展决策、问题诊断、产品研发等支持系统,就能拓展城市民生监测评估、城市管理危机预警的应用。”在日前由经济日报社、中国经济传媒集团指导,《经济》杂志社、北京建谊集团联合主办的首届经济决策研讨会上,北京建谊集团董事长张鸣如是说。
“大数据的应用和研究,事关城市的核心竞争力。”中国统计信息服务中心大数据研究实验室主任江青在研讨会上的话代表了专家们的意见。他们认为,发展和应用好城市经济各类大数据,是以创新推进供给侧结构性改革的重大民生工程,有利于提高城市经济发展过程中的服务效率和质量,增加有效供给、满足群众需求,促进培育新业态、形成新的经济增长点。
在城市运行和经济发展中,大数据被视为支撑城市发展的“智慧大脑”。正如国家信息中心专家委员会副主任宁家骏所说,作为智慧城市建设的核心内容,大数据能够帮助政府提升公共服务效率,进一步改进惠民服务。
然而,大数据究竟能给城市决策者们带来什么?变化又从何而来?
支撑决策的“橡皮泥”
今年5月,上海长宁区市场监管局查处了两家非法加工出售河豚的餐厅,线索来自消费者在大众点评网上的“吐槽”,通过与互联网平台联手展开的数据共享,长宁区市场监管局已经查处“下架”了区内700多家餐饮单位。“这就是利用了来自互联网平台庞大的数据,我们制定了一份餐饮企业食品安全负面评论关键词搜索清单,对消费者的评价中含有‘河豚’‘腹泻’‘脏乱差’等关键词的餐厅进行实地排查。”长宁区市场监管局副局长赖树生这样介绍。
这正是大数据在城市管理中的创新应用。城市的管理和运营需要科学决策,涓滴汇流而来的数据,正在成为城市管理者的有效参考。市政、警务、消防、交通、通信、商业被融合打通,汇集在统一的大数据平台上,并在对海量数据进行分析后,形成智慧应用。同方智慧城市产业总工程师李小华用“橡皮泥”来形容大数据的作用:“在保持材质不变、颜色不变、整体性不变的情况下,能够根据不同部门的决策需求和目标呈现出不同的方式和结果,就像是小朋友玩的橡皮泥一样,这就是大数据能够提供的柔性变换。”
“利用大数据技术进行信息清洗和梳理分析,最终得到的是能够汇集各类活动的全部信息,作出相对全面、客观和及时的评价。这是以往抽样调查做不到的。”西南财经大学工商管理学院教授寇纲告诉记者,“拿对城市经济运行分析来说,包括每个企业的用水用电、税收社保、电商社交等等,这些数据都可以打通进行分析,从而对某个行业的运行情况作出评价”。
大数据对城市决策的支撑能力,既来自于技术发展,更来自于城市“顶层设计”的跟进。大数据服务商东方通副总裁李晓钢坦言:“一方面随着信息化的发展,政府手中的数据来源变多了,另一方面,各个城市都在做大数据中心,汇集数据的能力变强了。以浙江省为例,浙江省成立了大数据办,政府所有数据资源的所有权、使用权、开发权和服务权都由大数据办统一管理,这是在数据共享上大的机制突破,让各部门的数据资源不再是一个个‘孤岛’。在技术上则是数据运算支撑能力的提升,以前一个数据库处理1亿条数据都很慢,现在可以轻易地支撑几十亿条数据的处理。通过这些,营造一个宏观、中观、微观结合的数据大环境,从不可能变成了可能。”
着眼长远的“一盘棋”
“尽管我国目前正在从自上而下和自下而上两个途径来推动大数据发展,但大数据核心技术要在5到10年后才能真正成型,大数据对城市经济的影响也要在2到3年后才能呈现出显著的效果。”国家信息中心信息化研究部副主任单志广这样告诉记者,“这意味着我们真正‘摘果子’还要有一段很长的时间”。
在专家们看来,尽管大数据对城市经济的发展和决策将起到越来越多的指导作用,但采用新技术,城市管理者依然要有充分的耐心,放眼长远下好这盘棋。国家发展和改革委国土开发与地区经济研究所所长肖金成认为:“在城市管理中应用大数据,规划要有前瞻性,要依照现有的数据预测未来城市的发展规模。其次,规划要有全局性,要放眼全国,甚至全世界,不能只看到一个城市。更重要的是,规划还要有共识性,一旦制定出来,就不能随意更改。”
之所以强调要有耐心,是由于从目前来看,应用大数据,突破“瓶颈”依然需要时间,其中重点之一,就是对海量数据进行挖掘时如何建模。大数据服务商金电联行CEO范晓忻说:“数据挖掘的建模非常繁琐,需要花费大量时间,无法一蹴而就。目前有了数据只是第一步,寻找数据维度之间的相关性,总结规律,需要经历很长时间,还需要通过实践来检验算法模型,同时适应新数据的涌入,发展大数据没有捷径,需要一砖一瓦累积起来。”
李晓钢则举出了生动的例子:“通常情况下,我们会认为用电量和GDP之间存在很强的相关性,但在杭州,发现一点关系也没有,因为杭州以旅游业为重点,很少用电,但在无锡,用电情况和GDP之间的相关性就有96%以上。每个地区的经济特点、发展规律和产业结构都不一样,只能拿本地数据和当地环境进行拟合。”他还认为,现在大数据应用遇到最大的困难就是不同专业的专家聚在一起,语境并不统一。“比如搞计算机出身的,想象重点是每秒要处理多少数据量,用什么支撑手段;但来了个经济学家,就说这个指标定义有问题,应该按什么方式来定;做数据交换领域的,就要看需要的数据政府部门到底有没有,质量怎么样。大家的重点不同,在项目管理和工程管理中就会带来困难。”
而在技术应用之外,大数据要想持续健康发展,也依然需要产业化和生态链的建设,比如建立数据交换和分享的机制。李晓钢坦言,目前不少地方已经开始建设大数据交易市场,但现阶段依然缺乏可供交易的产品。“如果有足够多的‘货’,买方和卖方之间的关系自然会活跃起来,但现在的关键还是先要有数据服务商能够拿出切实可用的数据服务产品。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
SQL 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。 ...
2025-09-18CDA 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 ...
2025-09-18DSGE 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 ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10