政府大数据重在服务和人本关怀_数据分析师
大数据不仅仅指一种海量的数据状态及相应的数据处理技术,还是一项重要的基础设施,更是一种思维方式和一场由技术变革推动的社会变革。这种变革会倒逼政府管理创新,要求政府善于利用大数据精确感知社会需求,并通过数据整合、共享,有效反馈社会需求,以实现对公民个体、企业乃至整体社会经济发展需求实现有效而精准的投放。精确抓取、挖掘信息是基础,有效使用信息并产生显著价值是大数据的归属。科学的政府大数据能够使公众、社会组织便捷地挖掘数据信息,享受政府大数据红利,而不是望着“数据烟囱”兴叹。
大数据的基础设施建设已经开始,诸如“国家空间基础设施建设”“电子政务”“电子商务”“数字中国”“数字城市”“科学数据共享”及“公共信息平台建设”等国家大型工程项目,以及地方政府推进的相关设施建设,为大数据奠定了基础,并积累了大量基础数据,但在开发使用方面,远远未能有效实现大数据应该发挥出的巨大效用。
比如,公民在政府不同部门填报的基础信息基本都是重复的,而这些信息都是政府拥有的基础数据,为什么不能根据身份证号码自动生成?“北漂”小伙为了办护照,返乡6次,补了5张证明,包括无犯罪证明、公司在职证明、公司营业执照、公司外派人员资格证明、本地身份证,跑了3000多公里。且不说这些证明有无必要,即便真的需要,为什么不能通过综合数据联网,让政府部门从内部调取相关材料,而不是让老百姓急断肠、跑断腿?
存在的问题
政府大数据未能实现其应有的服务价值和人本关怀,受制于诸多因素。
缺乏大数据思维。“大数据思维”至少有“海量、开放、共享、实时”等特征,这要求公共部门改变传统思维模式,激活那些束之高阁的沉睡数据,积极抓取实时信息,整合多部门形成信息资源聚合,及时便捷地通过互联网、手机APP等多种方式向公众开放分类数据资源,实现数据的价值。相比较而言,多数部门没有认识到数据只有开放共享,才能释放价值。因此,或不重视数据开放,或出于数据安全的惯性使然,不愿意开放数据,也不关心部门之外的数据需求,抱着多一事不如少一事的心态。
部门数据信息割裂。虽然我国对数据信息非常重视,基础设施投入也取得相当成效,但受制于部门分割的现实,甚至“国家数据资源部门化,部门资源单位化,单位资源个人化”。一些部门甚至将数据视作部门私产,不愿意开放,或者希望借此获取更大的商业利益或主导权,导致“信息孤岛”普遍存在,数据的开发使用程度低,与大数据固有的服务理念和人本关怀背道而驰。
信息化建设过程中的“路径依赖”造成的“路径闭锁”。在国家信息化建设的进程中,由于当时缺少国家层面的、全局性的总体设计与协调,更缺少可执行的标准,数据的采集与组织受限于特定目的和客观条件,往往各自为战、相互协调与沟通不充分,以致所形成的各类数据存在参照不一致、不规范、不协调等缺陷和不足。在后续利用中出现数据相互割裂,难以集成利用等问题。由于信息系统开发和建设的“部门化”,导致政府信息呈现出“系统林立”和分裂状态,不仅严重制约数据信息的共享,而且由此形成的体制分割和信息壁垒又给大数据建设设置了极其牢固的藩篱和障碍。
怎么体现人本关怀
真正让大数据发挥其服务价值和体现人本关怀,政府需做到以下几点。
政府及其工作人员应树立“大数据思维”。大数据治国,目前正成为各个国家和地区提升治理能力、实现政府公共服务的技术创新、管理创新和服务模式创新的基本追求。大数据在公共管理领域的应用,不仅使传统难题变得迎刃而解,更成为新时期应对新挑战、解决新问题的必然选择。在新加坡,智能交通综合信息管理平台,在预测交通流速和流量方面有高达85%的准确率,通过有效的引导和干预,能显著提升高峰时段的车辆通行效率;美国农业大数据在改善农业环境、增加生产效率、政策调整等方面极大助推了其农业发展。信息化时代,政府是数据时代的财富拥有者,政府作为政务信息的采集者、管理者和占有者,具有其他社会组织不可比拟的信息优势,更应该积极主动地开发大数据的价值效用。
统一共享的数据平台是关键。在不改变数据所有权的前提下,通过对各部门现有数据横向和纵向的清理和整合,解决数据的部门化、碎片化、分裂化,是实现大数据发展的重要前提。因此,迫切要求构建统一的、共享的数据平台,实现数据标准、格式的统一和共享。长期以来,我国的信息化是以部门为中心展开的,客观上形成了行业垂直的信息化体系,在地方上形成了条块分割的“信息孤岛”,数据开放需要纵向层层审批,造成了信息在一个区域平台共享的难度。政府利用大数据,就要推动不同部门和领域间的数据交汇、共享和流通,促使政府部门摆脱数据开放使用的审批,转向在科学分析数据的基础上有针对性地指导经济和社会发展。当前我国需要在国家层面加快建设统一的大数据管理平台,整合现有相关职能机构,设立大数据资源管理机构。如此,信息资源共享模式也将发生相应转变,从传统的部门间协商信息资源共享模式,改为“部门—大数据平台—部门”模式,既保证数据的一致性、共识性,也可打破信息共享的部门壁垒。另外可建立政府数据资产登记制度,对政府数据资产进行登记,实施数据资产目录公开,规范数据资产管理,推动政府数据资源整合、公开共享、开发利用。
制定政府大数据建设和运用方面的国家规划。大数据建设、开发和运用是一个新兴事物,缺乏自上而下的规划、法律法规、执行标准、开放标准。继国家部委信息化基础设施建设之后,各省市自治区对大数据建设抱有高度热情,如上海、北京、贵州、广东、重庆、陕西、湖北等地都提出建设大数据的计划。在缺乏统一规划和相应的法律及标准的前提下,各自为战、画地为牢的建设模式,有可能加剧数据在横向和纵向两个方向上的“孤岛效应”,势必严重制约大数据的服务价值和人本关怀等功能,还会造成基础设施的重复建设和巨大的资源浪费。因此,发挥中央网络安全和信息化领导小组统领作用,遵照相关法律、法规和标准,解决部门间、条块间的数据关联与集成,促进现有各类数据的有序、有效集成,盘活这些数据和信息,显得极为迫切和重要。
树立“需求本位”的大数据建设理念。大数据建设和开放使用不是以政府能够供给为导向,而是以公众和社会的实际需求为导向,这是各个国家大数据开发的基本趋势。美国的信息化建设一直秉承着“以公众需求为导向”的理念,德国政府“让数据而不是公民跑路”,都充分体现了尊重公民和社会需求。“需求本位”的重点不是要求政府产出数据资源,而是要求政府根据需求进行数据建设和开发;“需求本位”还倒逼政府放弃长期以来“部门本位”的数据生产模式,促使部门之间实现数据资源的整合共享,以适应“需求本位”对数据资源的要求。
数据分析咨询请扫描二维码
《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数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列的技能和能力,以确保能够有效地处理、分析和解释数据,从而支持业务决策。以下是数据分析师所需的主要 ...
2024-11-22需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21