开放大数据提升政府治理能力

简介:

“我国信息数据资源80%以上掌握在各级政府部门手里,‘深藏闺中’是极大浪费。”日前召开的全国推进简政放权、放管结合优化服务改革电视电话会议上,李克强总理如此形容说。他指出,“过去较长时期一些地方和部门的信息化建设各自为政,形成‘信息孤岛’和‘数据烟囱’,严重制约政府效能提升,给企业群众办事创业造成很大不便”,并要求下决心打通数据壁垒,实现各部门、各层级数据信息互联互通、充分共享。

近年来,“大数据”一词风靡全球。除了麦肯锡、联合国、世界经济论坛等机构和组织较早地关注到大数据在创新、竞争和生产力发展方面的重要性外,数据对于国家公共治理的重要性也逐渐凸显。美国等一些国家更是较早就把大数据引入到政府公共治理过程中,通过发布《数字政府战略》、启动“大数据发展计划”,在行政领域围绕大数据与时俱进做起了文章。而在我国,大数据发展和应用同样很快就得到重视。2015年8月,国务院印发《促进大数据发展行动纲要》,明确大数据在推动经济转型发展、重塑国家竞争优势以及提升政府治理能力等方面具有重要意义,要求政府部门建立“用数据说话、用数据决策、用数据管理、用数据创新”的管理机制,推动政府管理理念和社会治理模式进步,逐步实现政府治理能力现代化。

开放的大数据对于政府的价值,至少可以从以下两个维度来理解:一是促进政府治理“智能化”。就像“智慧城市”概念揭示的那样,持续动态化的大数据收集和科学处理,能够帮助具体的行政职能部门在公共交通、食品监管、医疗卫生等各领域,在节省行政成本的同时提供更及时、高效的公共服务。二是提高政府公信力。通过基于数据的信息公开,不仅有助于投资者更好地分析决策,还有利于吸纳社会力量更好地参与社会治理,增加政府透明度。然而,就现实来看,虽然我国此前在电子政务、政府信息公开方面已陆续出台多项措施,但正如《促进大数据发展行动纲要》中所提到的,在大数据发展和应用中依然存在着政府数据开放共享不足、产业基础薄弱、缺乏顶层设计和统筹规划、法律法规建设滞后、创新应用领域不广等诸多问题。

从大数据的技术和社会双重属性出发,要让大数据在提升政府治理能力方面发挥真正的作用,在做好硬件等基础设施建设的同时,关键是解决李克强总理所提到的“数据‘深藏闺中’”和“信息孤岛”两方面问题,即现实中我们经常遭遇的民众申请政府信息公开难、遭遇各种奇葩证明等典型问题。涉及前者,根本上说就是要落实政府信息公开法,加大政府信息数据开放力度,树立起“公开是惯例,不公开是例外”的自觉意识,突破“不公开是常态,公开是找麻烦”的旧思维;涉及后者,不仅要加快建设国家政府数据统一开放平台,提升政府数据开放共享标准化程度,更重要的是以简政放权为契机,改变以往各自为政、不相往来的状况,并通过政务数据公开共享,引导企业、行业协会、科研机构、社会组织等主动采集并开放数据。

数据也是生产力。大数据对全球生产、流通、分配、消费活动以及经济运行机制、社会生活方式和国家治理能力产生的重要影响表明,其已经成为“国家基础性战略资源”。加快大数据部署,深化大数据应用,已成为稳增长、促改革、调结构、惠民生和推动政府治理能力现代化的内在需要和必然选择。大数据“深藏闺中”,既是一种资源的极大浪费,更暴露出一些地方和政府部门在数据开放与共享方面的意识和制度缺失,这样的尴尬局面不仅无法回避,更应尽快解决。

本文转自d1net(转载)

相关实践学习
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
相关文章
|
数据采集 监控 数据管理
数据治理之道:大数据平台的搭建与数据质量管理
【10月更文挑战第26天】随着信息技术的发展,数据成为企业核心资源。本文探讨大数据平台的搭建与数据质量管理,包括选择合适架构、数据处理与分析能力、数据质量标准与监控机制、数据清洗与校验及元数据管理,为企业数据治理提供参考。
531 1
|
11月前
|
存储 数据采集 数据可视化
Java 大视界 -- 基于 Java 的大数据可视化在城市交通拥堵溯源与治理策略展示中的应用(191)
本项目探索了基于Java的大数据可视化技术在城市交通拥堵溯源与治理策略中的应用。通过整合多源交通数据,利用Java生态中的大数据处理与可视化工具,构建了交通拥堵分析模型,并实现了拥堵成因的直观展示与治理效果的可视化评估。该方案为城市交通管理提供了科学、高效的决策支持,助力智慧城市建设。
|
数据采集 监控 大数据
大数据时代的数据质量与数据治理策略
在大数据时代,高质量数据对驱动企业决策和创新至关重要。然而,数据量的爆炸式增长带来了数据质量挑战,如准确性、完整性和时效性问题。本文探讨了数据质量的定义、重要性及评估方法,并提出数据治理策略,包括建立治理体系、数据质量管理流程和生命周期管理。通过使用Apache Nifi等工具进行数据质量监控和问题修复,结合元数据管理和数据集成工具,企业可以提升数据质量,释放数据价值。数据治理需要全员参与和持续优化,以应对数据质量挑战并推动企业发展。
3451 3
|
存储 SQL 分布式计算
闲侃数仓优化-大数据治理和优化
闲侃数仓优化-大数据治理和优化
434 0
|
数据采集 机器学习/深度学习 DataWorks
DataWorks产品评测:大数据开发治理的深度体验
DataWorks产品评测:大数据开发治理的深度体验
670 1
|
机器学习/深度学习 存储 数据采集
解锁DataWorks:一站式大数据治理神器
解锁DataWorks:一站式大数据治理神器
404 1
|
数据采集 分布式计算 大数据
数据治理之道:大数据平台的搭建与数据质量管理
【10月更文挑战第27天】在数字化时代,数据治理对于确保数据资产的保值增值至关重要。本文探讨了大数据平台的搭建和数据质量管理的重要性及实践方法。大数据平台应包括数据存储、处理、分析和展示等功能,常用工具如Hadoop、Apache Spark和Flink。数据质量管理则涉及数据的准确性、一致性和完整性,通过建立数据质量评估和监控体系,确保数据分析结果的可靠性。企业应设立数据治理委员会,投资相关工具和技术,提升数据治理的效率和效果。
518 2
|
存储 数据采集 算法
大数据平台治理——运营的角度看数仓
大数据平台治理——运营的角度看数仓
342 0
|
存储 分布式计算 DataWorks
MaxCompute产品使用问题之dataworks仅支持maxcompute上面的数据治理吗
MaxCompute作为一款全面的大数据处理平台,广泛应用于各类大数据分析、数据挖掘、BI及机器学习场景。掌握其核心功能、熟练操作流程、遵循最佳实践,可以帮助用户高效、安全地管理和利用海量数据。以下是一个关于MaxCompute产品使用的合集,涵盖了其核心功能、应用场景、操作流程以及最佳实践等内容。
253 0
|
数据采集 存储 监控
大数据治理:确保数据质量和合规性
【5月更文挑战第30天】大数据治理涉及数据分类、访问控制和质量监控,以确保数据安全和合规性。企业需保护个人隐私,防止数据泄露,并遵守各地法规,如GDPR和CCPA。技术实践包括数据加密、匿名化和严格访问控制。管理策略则强调制定政策、员工培训和法律合作。全面的数据治理能保障数据质量,驱动组织的创新和价值增长。
836 0