运用“大数据”思维 加强干部管理

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

当前,许多地区已经建立起来的组织人事信息管理系统涵盖了包括公务员登记信息、行政职务信息、学历信息、履历信息、考核信息和奖惩信息在内的电子档案。但是,这些信息还不足以为开展科学的数据分析提供足够的数据信息,数据内容上缺乏动态数据和专项数据,数据管理上没有相关制度保障,数据处理上停留在将文本信息简单转换为数字信息的初级阶段,仅发挥了大数据“更快”、“更多”的优势,尚未开展“大数据”与“微分析”相结合的“相关性”的分析。因此,如何增强大数据思维,运用现代信息化手段去收集、管理、分析、运用数据,将干部的培养、选拔、任用、监督建立在客观数据分析的基础上,为干部管理提供快速、准确、科学的信息服务和决策支持,是人事部门迫切需要解决的现实问题。

一、整合信息资源,建立干部管理数据平台

一是打破数据割据的现状,实现数据协同共享。改变干部信息收集“孤军作战”的工作格局,把散落在各单位、各部门的信息统筹起来,共享纪检、公安、信访、审计、党校等部门已经掌握了的包括干部监督、干部调动、干部培训等过程性资料,实现政府组织间数据的无缝整合。

二是建立干部管理信息交流平台,实现数据双向采集。开展面向全体干部的信息在线采集、在线服务、在线互动,构建动态数据统计模式,拓宽“数据”广度和深度,形成“以岗为点、以点结线、以线成网”的信息管理平台,为决策提供更多、更全面的依据。

三是利用现代化信息手段,形成大数据源。在互联网时代,绝大多数人都会在网络上留下大量的数据信息,干部也不例外,要全方位收集包括干部的生活方式、行为模式、信任关系、兴趣爱好、社交语言、朋友圈、邻里反映、个人信用等方面的信息,将数据来源从体制内延伸到体制外。

二、强化队伍建设,开展数据立体分析

一是完善组建专业性队伍,为数据分析提供智力支持。加强大数据相关的人才培养,有计划地培养大数据技术和管理人才,加大对高水平大数据人才的引进力度。不断强化专业技能,积极开发和应用各种智能化、网络化软件,为数据分析提供智力支持和技术保障。

二是严把数据录入关,保证数据来源真实性。“干净”的数据是实现科学分析的前提,数据量大不代表数据价值大,不是所有数据都是真实、客观的,要对数据“提纯”,数据录入前必须对数据进行“清洗”,标示重复数据、异常数据和无效数据,注重甄别,去伪存真,加强信息库日常维护,着力实现全员、动态、实时数据更新。

三是开展数据立体分析,实现人员调配精准化。人员调配的关键是实现“能岗匹配”和“人岗匹配”。人事部门可依据已经建立起来的基于数据的精细化的人才能力模型对岗位的素质要求、技术含量、工作要点作出理性分析。在技术层面上,主要利用商业智能工具实现对干部信息的分析挖掘,绘制干部成长折线图,追踪干部成长轨迹,从时间维度、空间维度整合干部和岗位信息,全面客观地分析干部、岗位特点,实现对组织、岗位、人员等全面的关联性分析。

三、加强制度建设,抵御潜在风险

一是重视顶层设计,构建统一标准。对辖区范围内人事管理大数据的建设有统一的规定、统一的标准、统一的平台和统一的管理体系,针对大数据发展带来的新形势、新变革,合理引导、稳步推进,避免在推进过程中出现重复建设和应用割据的状况。

二是完善规章制度,强化内部管理。不仅要建立数据收集、分析、录入的准入制度,还要完善数据发布的匿名保护制度,同时对数据的归属、访问权限的设置要有明确的规定,并且要建立防止数据泄露、丢失的保障系统。

三是提升审计质量,有效规避风险。对数据工作进行定期和不定期的审计工作,坚持“数据谁提供谁负责,谁提名谁负责,谁考察谁负责,谁决定谁负责”的原则,哪个层面出现违规问题,追究哪个层面的相应责任,规避风险。

大数据本身所具有的大容量存储、智能推荐等优势为政府人事管理提供了定量分析和智能筛选的可能,但是数据只是一种工具和技术而已,它本身也存在缺陷与不足,因此要在利用数据的基础上,打破过于依赖有限数据的桎梏,充分发挥人的主观能动性,形成“大数据思维”,不断实现人事管理的创新,更加有效的发现人、使用人、发展人、监督人,实现大数据时代干部管理的更高境界。

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 
目录
相关文章
|
存储 分布式计算 关系型数据库
大数据Spark偏移量管理
大数据Spark偏移量管理
104 1
|
11月前
|
安全 大数据 API
elasticsearch|大数据|elasticsearch的api部分实战操作以及用户和密码的管理
elasticsearch|大数据|elasticsearch的api部分实战操作以及用户和密码的管理
448 0
|
11月前
|
SQL 分布式计算 MaxCompute
maxcompute之配置报错如何解决
MaxCompute配置是指在使用阿里云MaxCompute服务时对项目设置、计算资源、存储空间等进行的各项调整;本合集将提供MaxCompute配置的指南和建议,帮助用户根据数据处理需求优化其MaxCompute环境。
138 0
|
2月前
|
分布式计算 大数据 数据处理
从Excel到大数据:别让工具限制你的思维!
从Excel到大数据:别让工具限制你的思维!
181 85
|
分布式计算 运维 监控
DataWorks如何配置MaxCompute监控进行订阅管理?
DataWorks如何配置MaxCompute监控进行订阅管理?
107 1
|
9月前
|
机器学习/深度学习 分布式计算 DataWorks
MaxCompute产品使用合集之使用临时查询创建的表,在表管理和公共表没有找到,是什么原因
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。
157 0
|
9月前
|
分布式计算 DataWorks NoSQL
MaxCompute产品使用合集之如何操作和管理节点
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。
224 0
|
9月前
|
数据采集 监控 关系型数据库
大数据运维之数据质量管理
大数据运维之数据质量管理
162 0
|
11月前
|
人工智能 监控 数据可视化
智慧工地管理云平台可视化AI大数据建造工地源码
数字孪生可视化大屏,一张图掌握项目整体情况;
139 3
|
11月前
|
SQL 分布式计算 DataWorks
DataWorks产品使用合集之DataWorks基础属性:调度参数典型场景配置示例如何解决
DataWorks作为一站式的数据开发与治理平台,提供了从数据采集、清洗、开发、调度、服务化、质量监控到安全管理的全套解决方案,帮助企业构建高效、规范、安全的大数据处理体系。以下是对DataWorks产品使用合集的概述,涵盖数据处理的各个环节。
106 0