山头林立级别特高 “打虎”大数据:传递哪些信息
打虎”大数据:传递哪些信息
表一
图一
图二
表二
表三
十八届中央纪委五次全会开幕前夕,1月7日,中央纪委监察部举行新闻发布会,通报2014年党风廉政建设和反腐败成效。中央纪委副书记、监察部部长黄树贤介绍了十八大以来中纪委的“打虎”成效:“中央纪委监察部对涉嫌违纪违法的中管干部已结案处理和正在立案审查的68人,周永康、蒋洁敏、李东生、李崇禧、申维辰等30人涉嫌犯罪已被移送司法机关依法处理;目前,正在立案审查的还有令计划、苏荣、朱明国等案件。”可以说,反腐力度之大、战线之长、硕果之丰,前所未有。
笔者通过统计、归纳68名被查高官的具体信息,得到十八大以来的“打虎”大数据。这些大数据传递了哪些信息?让我们用数据说话、用图表说事、用文字说理。
数量巨大
如表一所示,新中国成立至今的65年间,据公开资料统计,共查处省部级以上高官205名。党的十八大之前的63年内,因涉嫌腐败犯罪或严重违纪违法落马的省部级以上高官为145名,平均每年有2.3名高官被查、落马;党的十八大之后,两年多时间内因涉嫌犯罪或严重违纪违法落马的省部级以上高官达68名,平均每年有34名高官被查,年均落马高官数量为十八大之前的10多倍。这不仅说明当前我国省部级高官腐败问题的严重性,更反映出现阶段反腐力度之大,以及反腐败斗争的长期性与复杂性。
时间集中
从2012年12月2日四川省委原副书记李春城落马至2014年12月26日国家工商行政管理总局原党组成员、副局长孙鸿志被调查为止,在短短25个月时间里,68名省部级以上高官落马,平均每个月多达2.72人。
如图一所示,在2013年中,落马高官数大致保持按月递增,12月更是到达顶峰的6名;2014年,除1月份无高官落马外,每个月都保持至少3名以上高官落马,较之2013年同期落马高官数又有大幅提高,高官落马时间之集中,前所未有。
山头林立
高官腐败呈现出的一个新特点就是高官之间帮派盛行、山头林立。一些落马高官利用职务便利与在官场的“影响力”,大搞团团伙伙,结党营私,拉帮结派,形成利益共同体。在这些落马高官中,极具代表性的有“石油帮”“秘书帮”“山西帮”(见图二)。早在30年前,邓小平就首次提出“小圈子”害死人,并指出很多失误、错误缘起于“小圈子”主义。现阶段的高官腐败案件查处中,大量的窝案、串案一并被发现,“拔出萝卜带出泥”已成高官反腐背后常态。杜绝、防治帮派主义、山头主义,权力监督是保障,依法行政是关键,要确保行政工作在法治轨道上平稳运行。
覆盖面广
68名落马官员的地域分布中,中央机关占到了13名,所占比例高达21.7%。天津、重庆作为直辖市,分别有1名高官落马。其他省份中,山西、四川、江西3省被查人数“名列前茅”,具体官员的个人信息则与苏荣、周永康、令计划3只“大老虎”分别存在着千丝万缕的联系。香港特别行政区有2名国企高官被查,更是体现出反腐覆盖面之广。68名高官分别来自24个省、自治区、直辖市,占34个省级行政区的70.6%。反腐之风吹遍全国各地,昭示着“打虎”反腐的全面开展。
级别特高
如表二所示,新中国成立起至党的十八大之前,因贪腐问题落马的国家级高官仅4人,且都属于副国级官员。十八大后的两年间,落马高官中已有4名国家级高官。其中周永康为正国级,徐才厚、苏荣、令计划为副国级。落马高官级别之高,突出体现了中央反腐决心之大、力度之强。在“上梁不正下梁歪”的朴素理念下,只有高官中的腐败分子少了,基层官员中的廉洁楷模才能越来越多。
力惩军腐
在68名落马高官中,徐才厚、杨金山等人的身份尤其特殊。徐才厚原系中央政治局委员、中央军委副主席,上将军衔;杨金山原系成都军区副司令员,中将军衔;2014年被公诉的解放军总后勤部原副部长谷俊山,系中将军衔,涉嫌贪污、受贿等罪名。这几个人都属军队系统高层领导干部。长期以来,受限于监督乏力(军队系统监督主要靠军队纪委,而军队的纪委,仅为正大军级别,而七大军区级别均高于军队纪委),军队中因腐败犯罪落马的高官甚少。此次,军委副主席、军区副司令员因涉嫌腐败等双双落马,极具标杆意义。这将震慑军内硕鼠,有利于遏制军队腐败的高发势头。
严惩不贷
根据媒体公开报道统计,党的十八大后“落马”的68名省部级以上高官中,30名已经进入司法程序,其中已有6人被追究刑事责任或进入审判程序;另有24人还在接受组织调查(其中原山西省副省长任润厚于2014年9月30日因癌病逝)。已被查清的高官中,只有衣俊卿、付晓光、赵智勇、张田欣4人因未涉罪而仅作出相应的党纪、政纪处理,未牵涉司法程序。严惩贪腐,竭力遏制“老虎式”腐败,高官反腐坚持下猛药、出重拳、用重典,让不敢腐败成为领导干部的普遍心理。
十八大以来的反腐败斗争,可谓历年来反腐力度最大、措施最有力、成效最显著。一大批腐败高官的落马,不仅彰显出中央反腐决心与力度,更是给民间反腐以鼓舞。
数据分析咨询请扫描二维码
统计学基础 - 理解统计学的基本概念和方法是数据分析师必备的技能之一。统计学为他们提供了处理数据、进行推断和建模的基础。 数 ...
2024-11-25数据分析师在如今信息爆炸的时代扮演着至关重要的角色。他们不仅需要具备扎实的数据分析技能,还需要不断学习和适应不断发展的技 ...
2024-11-25数据分析师的工作职责涉及多个关键方面,从数据的获取到处理、分析再到可视化,旨在为企业的决策提供有力支持。让我们深入了解数 ...
2024-11-25数据分析师:洞察力量的引擎 数据分析师的兴起 数据分析师行业目前正处于快速发展阶段,市场需求持续增长,薪资水平也有所提升。 ...
2024-11-25数据收集与整理 - 从各种来源收集数据,清洗和整理以确保数据质量和可用性。 数据分析与建模 - 运用统计学方法和机器学习模型对 ...
2024-11-25数据分析是当今社会中不可或缺的一项技能,涵盖了广泛的工具和技术。其中,掌握各种数据处理函数对于数据分析师至关重要。本文将 ...
2024-11-25“大数据治理”是一个涵盖广泛的复杂概念,其核心在于确保大规模、多样化的数据资源能够被有效管理和利用。不仅涉及数据的采集、 ...
2024-11-25一、引言 背景介绍 随着信息技术的快速发展和互联网的普及,大数据已经成为现代社会的重要资产。大数据的兴起不仅推动了各行各业 ...
2024-11-25《Python数据分析极简入门》 第2节 7 Pandas分组聚合 分组聚合(group by)顾名思义就是分2步: 先分组:根据某列数据的值进行 ...
2024-11-25数据分析需要学习的内容非常广泛,涵盖了从理论知识到实际技能的多个方面。以下是数据分析所需学习的主要内容: 数学和统计学 ...
2024-11-24数据分析师需要具备一系列多方面的技能和能力,以应对复杂的数据分析任务和业务需求。以下是数据分析师所需的主要能力: 统计 ...
2024-11-24数据分析师需要学习的课程内容非常广泛,涵盖了从基础理论到实际应用的多个方面。以下是根据我搜索到的资料整理出的数据分析师需 ...
2024-11-24《Python数据分析极简入门》 第2节 6 Pandas合并连接 在pandas中,有多种方法可以合并和拼接数据。常见的方法包括append()、conc ...
2024-11-24《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22