大数据时代的公共安全治理

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介:

未来,大数据将成为社会基础设施的一部分,跟公路、自来水、电一样,成为人们生活不可或缺的一部分。但大数据的作用并不仅仅局限于为普通消费者提供生活必须服务,它已经开始在信息产业、公共安全、交通运输、金融、水利等领域中发挥出重要作用。

  大数据与公共安全

在社会公共安全领域,大数据有着广阔的应用空间。公共安全领域中的大数据信息主要包括社会治安类安全信息、消费经济类安全信息、公共卫生类安全信息、社会生活类安全信息等类型,这些信息为公共安全治理的改善创造了有利条件。

公安大数据解决方案基于大数据技术,有效整合集成各种数据资源,来构建大数据量和动态海量数据库体系,建设智能搜索门户、专题应用课题以及建立统一监控机制,有效提升公安工作的情报洞察能力、分析决策能力、指挥管理能力、侦查破案能力和服务社会能力。

利用大数据可以预防和打击犯罪。用云计算以及大量数据定位那些最易受到不法份子侵扰片区,利用大量数据创建一张犯罪高发地区热点图。在研究某一片区的犯罪率时,将相邻片区的各种因素列为考虑的对象,为警方更具针对性的锁定犯罪易发点、抓获逃犯提供支持。

公安大数据带来了数据与信息处理方式的根本性变革,有助于公共安全治理者风险认知能力的提升。大数据时代的公共安全治理面临大数据收益与成本、保障安全与诱发风险、信息开放与隐私保护以及技术发展与管理滞后之间的矛盾。大数据时代的公共安全治理应走向“智慧治理”模式,它强调以大数据为代表的知识与技术的广泛性应用,借以提升国家与政府应对公共安全的能力。

2

  大数据与智慧治理

大数据技术增强了公共安全治理者的“计算”能力。当“大数据”成为各种危机决策的基础之时,将出现一种全新的公共安全治理形态,将其称之为智慧治理。“智慧”意味着“对事物能迅速、灵活、正确地理解和处理的能力,智慧治理所强调的是以大数据为代表的知识与技术的广泛性应用,借以提升国家与政府应对公共安全等事务时的治理能力。

  (一)智慧治理的本质:基于大数据应用的精细化管理

单纯的数据并不能够直接带给我们可利用的有益价值。“数据”只是对某个事件、物体或现象的记录,体现为数字、文字、声音、视频、图像等;当数据经过筛选、清理、加工、提炼之后,将成为有意义的“信息”;当同样的信息重复出现,事物的本质规律被揭示之后,信息才可能变为“智慧”。在公共安全领域中,智慧治理的实现在根本上依托于公共安全决策模式的转变。决策行为将基于数据及其分析,这是一种重视理性的、数据驱动的决策模式。

(二)智慧治理的主体:政府主导下的多元主体合作

在传统的公共安全应对中,政府部门几乎是惟一的治理主体,这在国家安全、社会治安、灾害救援等传统安全领域中表现得尤为突出。然而在当今的“风险社会”中,产生了许多非传统安全事务,例如公共卫生危机、群体性事件等矛盾冲突、社会信任危机等,这些公共安全事务“更多出现在公民日常生活中”,需要“通过公民民主参与方式实现社会的自我治理”。在大数据时代,这种公众参与的必要性更为突出,因为公众自身已经成为大数据的重要来源。除了社会公众外,企业也成为公共安全治理中的重要参与主体。特别是一些互联网、信息行业中的优质企业,它们可以凭借所拥有的大数据处理技术,协助政府管理者从海量数据中挖掘出有益信息。

(三)智慧治理的过程:大数据环境下的公共安全治理机制

公共安全治理机制主要包括危机预警机制、危机决策机制、指挥协调机制、资源动员机制、信息发布机制、应急救援机制、善后恢复机制等等,它们分别对应于公共安全治理过程的每一个阶段中。从数据(信息)流动的角度看,公共安全治理的过程又是一个数据搜集、数据整合、数据提炼、数据挖掘、安全分析、安全情势判断、安全监测、发现危机或风险的过程。相较于传统时期的公共安全治理机制与治理流程,大数据时代的最大改变在于,公共安全决策的流程将由危机事件发生后的“应对”转变为危机事件发生前的“预测”。

  (四)智慧治理的工具:信息技术的跨越式发展

智慧治理的高度“精细化”要求只有在互联网时代发展为大数据时代时才能实现,这是因为它在很大程度上是一项“技术活”,需要不断升级的信息技术的支持。在近些年来,信息技术已经取得了跨越式的发展,互联网、云计算与大数据相继成为最具代表性的前沿性技术。而大数据时代智慧治理的推进,则需要上述三项技术的“协作”:大数据要靠互联网来采集获取,对大数据的分析则需要运用云储存、云计算等云技术。具体来看,智慧治理中分别需要大数据融合技术、大数据处理技术、大数据分析与挖掘技术等工具。

作为现代国家治理体系中的重要组成部分,公共安全治理的推进有赖于国家/政府治理能力的提升,而大数据正是这一能力提升的重要基础。当前来看,大数据的开发应用已经被许多国家提高到国家战略的高度来进行研究。智慧治理的真正推行,除了理念上的转变外,还需要完善的制度规则体系的保障以及先进技术工具的支撑。这些变化与发展将为公共安全的治理与社会安定和谐的实现带来新的前景。

本文转自d1net(转载)

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
4月前
|
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。
1011 3
|
5月前
|
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
60 0
|
2月前
|
存储 监控 安全
大数据架构设计原则:构建高效、可扩展与安全的数据生态系统
【8月更文挑战第23天】大数据架构设计是一个复杂而系统的工程,需要综合考虑业务需求、技术选型、安全合规等多个方面。遵循上述设计原则,可以帮助企业构建出既高效又安全的大数据生态系统,为业务创新和决策支持提供强有力的支撑。随着技术的不断发展和业务需求的不断变化,持续优化和调整大数据架构也将成为一项持续的工作。
|
2月前
|
安全 关系型数据库 MySQL
揭秘MySQL海量数据迁移终极秘籍:从逻辑备份到物理复制,解锁大数据迁移的高效与安全之道
【8月更文挑战第2天】MySQL数据量很大的数据库迁移最优方案
287 17
|
3月前
|
分布式计算 安全 大数据
HAS插件式Kerberos认证框架:构建安全可靠的大数据生态系统
在教育和科研领域,研究人员需要共享大量数据以促进合作。HAS框架可以提供一个安全的数据共享平台,确保数据的安全性和合规性。
|
3月前
|
SQL 安全 大数据
如何安全的大数据量表在线进行DDL操作
如何安全的大数据量表在线进行DDL操作
43 0
如何安全的大数据量表在线进行DDL操作
|
4月前
|
机器学习/深度学习 自然语言处理 监控
金融行业的大数据风控模型:构建安全高效的信用评估体系
金融机构借助大数据风控提升信贷效率,通过数据收集、清洗、特征工程、模型构建与评估来识别风险。关键技术涉及机器学习、深度学习、NLP和实时处理。以下是一个Python风控模型构建的简例,展示了从数据预处理到模型训练、评估的过程,并提及实时监控预警的重要性。该文旨在阐述大数据风控的核心要素和关键技术,并提供基础的代码实现概念。【6月更文挑战第23天】
467 8
|
5月前
|
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
40 0
|
4月前
|
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。
|
5月前
|
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。
116 0

热门文章

最新文章

下一篇
无影云桌面