利用大数据打通政务信息孤岛

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:

当前,政务信息孤岛现象已经成为制约简政放权、放管结合、优化服务改革的重要因素。所谓政务信息孤岛,是指政务信息数据被分割存储在不同部门的信息系统中,无法实现互联互通、互相分享、整合利用,难以为居民、企业和社会组织等提供完整、高效、便捷的公共服务。政务信息孤岛的存在,不利于提高政府效率和透明度,群众对此有不少意见。比如,社会上普遍反映强烈的群众办事要在各个部门反复奔波、行政审批环节繁复等现象,都与政务信息孤岛的存在密切相关。因此,如何利用大数据打通政务信息孤岛亟待破题。

政务信息孤岛的存在,既有技术上的原因,也有体制机制的原因。从技术角度看,在信息技术发展初期,由于受信息存储能力、传输能力等的制约,信息无法实现大规模、远程、高速、安全的存储与使用。因此,各个政府部门只能通过各自建设的方式实现分散、孤立的数据存储与使用。上世纪90年代开始,我国政府大力推进各领域的信息化工程,由于受当时技术水平的限制,只能先实现政府部门内的互联互通,而无法做到整个政府内跨部门的互联互通。从体制机制角度看,由于我国国土面积辽阔,不同区域之间存在较大差异,一开始难以在全国范围内实现信息化统筹建设。如果在信息化建设初期就强行要求信息化的全国统筹,那么,整个国家范围的信息化建设进程必将极为缓慢。因此,在信息化建设初期,我国形成了中央统筹指导、各地各系统自行开发建设的格局。这也是造成政务信息孤岛现象的重要原因。从这些方面看,政务信息孤岛的形成有其历史客观原因。

党的十八届五中全会明确提出要实施国家大数据战略。对于政府而言,大数据时代的一个重要改变是可以利用大数据技术打通原先孤立的政务信息孤岛,建立完整、统一、无缝隙的高效公共服务体系。一方面,大数据可以改变原先政务数据被孤立存储的格局。通过大数据存储技术,可以直接改变政府部门各自建设数据中心从而形成部门间数据隔离的状况,为进一步实现政府数据交换打下物理基础。另一方面,大数据可以改变政务信息数据独立建设的思路。在大数据时代,数据的收集建立呈现出与传统信息数据建立原则不同的更加开放聚合的特点,不同渠道、不同维度的信息可以通过有效的组合形成丰富完整的信息档案,不但政府自己可以维护信息,居民、企业、社会组织等也可以参与到信息的维护中去。此外,大数据还可以改变政务信息分立使用的格局。大数据平台的建设超越了原先分立的部门架构,数据的归属权不再被认为是某些部门所专有,而是从一开始就具有开放、共享的属性,不同部门可以使用大数据平台中的不同政务信息,而居民、企业和社会组织也可以依据相应的法律法规获取有效的政务信息。

可以说,大数据时代的到来为打通政务信息孤岛、建立完备统一的政务信息数据平台打下了良好的技术基础。进一步利用大数据打通政务信息孤岛,可以从以下三个方面来推进:一是进一步推动建设统一的政务数据平台。在不同政府层面率先建立完备的同级政务信息跨部门平台,实现原有信息的跨部门共享与共有存储,原有封闭的政务信息必须在跨部门数据平台实现有效备份。这是要通过改变存储架构来改变政务信息孤岛存在的物理基础。二是推动建立政务信息共享的制度架构。应在政府内部统筹设置信息化建设与数据建设的推进机构,其重要职能是规范完善政府内部的所有信息化建设与数据建设,打破部门壁垒。在实现横向打通的基础上,进一步推动实现整个政府体系内的纵向信息打通。三是进一步推动政务信息共享的法律法规体系建设。实现政务信息共享,既要靠政府部门自觉主动,也要靠健全的法律法规体系。应将政务数据共享纳入法治轨道,不但实现政府部门内部的共享,还要利用法律法规推动政务信息与社会信息的共享对接。

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
|
6月前
|
SQL 存储 大数据
某互联网大厂亿级大数据服务平台的建设和实践
某互联网大厂亿级大数据服务平台的建设和实践
235 0
|
6月前
|
供应链 安全 API
瓴羊林永钦:打通数据孤岛,让企业从有数据到用好数据
瓴羊林永钦:打通数据孤岛,让企业从有数据到用好数据
瓴羊林永钦:打通数据孤岛,让企业从有数据到用好数据
|
数据可视化 大数据 数据挖掘
大数据分析(数据建设)以后如何发展的思考?
大数据分析(数据建设)以后如何发展的思考?
103 0
|
存储 缓存 分布式计算
大数据治理系列:4 大数据架构形成的历史渊源(续)
上篇文章《大数据架构形成的历史渊源》介绍了传统数据架构的主要形式以及为了适应不断发展的处理数据的模式,要不断创新数据架构。下图提供了一种体系架构方法,该方法使用新的数据源扩展现有系统,以支持组织所需的新信息需求。
大数据治理系列:4 大数据架构形成的历史渊源(续)
|
分布式计算 运维 Cloud Native
数据中台:为什么会出现数据孤岛和应用孤岛
数据中台:为什么会出现数据孤岛和应用孤岛
610 0
数据中台:为什么会出现数据孤岛和应用孤岛
|
存储 分布式计算 监控
云原生数据湖解决方案打破数据孤岛,大数据驱动互娱行业发展
数据湖是以集中、统一方式存储各种类型数据,数据湖可以与多种计算引擎直接对接,我们使用OSS作为数据湖底座,数据统一存储在OSS中,有效消除了数据孤岛现象,多种计算与处理分析引擎能够直接对存储在数据湖中的数据进行处理与分析,避免数据在不同引擎中反复复制,减少了不必要的资源损耗。
4485 0
云原生数据湖解决方案打破数据孤岛,大数据驱动互娱行业发展
|
存储 搜索推荐 算法
大数据的下一站是什么?服务/分析一体化(HSAP)
随着互联网的发展,数据量出现了指数型的增长,单机的数据库已经不能满足业务的需求。特别是在分析领域,一个查询就可能需要处理很大一部分甚至全量数据,海量数据带来的压力变得尤为迫切。分析不再是传统的 OLAP 系统或者大数据系统特有的能力,一个很自然的问题是:**既然 HTAP 有了分析的能力,它是不是将取代大数据系统呢?大数据的下一站是什么?
6013 0
大数据的下一站是什么?服务/分析一体化(HSAP)
|
大数据
大数据下的企业数据仓库建设
为何要建数据仓库 数据仓库整体架构 数据仓库—分层                      数据仓库—STG层 数据仓库—ODS层 数据仓库—DWD层 数据仓库—DWS层 dws层示例    ...
3312 0
|
存储 关系型数据库 大数据
下一篇
无影云桌面