芜湖市利用政务大数据实现服务精准化

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:

image
image

党的十八届四中全会提出了“全面推进政务公开,坚持以公开为常态、不公开为例外原则”。

作为实现国家治理体系和治理能力现代化的重要内容,自2007年颁布了《中华人民共和国政府信息公开条例》以来,我国在政务公开的规范化和法治化上取得了长足的进步,也面临着许多现实的困难与问题。

当前,我国已进入信息化时代,技术的突飞猛进对政务公开提出了更高的要求,也提供了更多的便利。机遇还是挑战,这当然取决于政府部门的把握和应对。

有成绩,也有问题

今年,国务院办公厅政府信息和政务公开办公室牵头开展首次全国政府网站的普查。“2014年底之前,80%以上的网站都存在有办事栏目空白,或者办事栏目内容更新不及时的问题。”作为此次普查工作技术支持单位之一的中国软件评测中心副主任张少彤说。

据张少彤介绍,一些政府网站定位的资源通常为动态信息、领导和机构介绍、政策文件等内容,而公共关注度较高的服务指南、办事系统、热点专题、咨询答复等资源则很难通过搜索引擎准确获得。

当前,我国政府信息公开领域还存在着两个“不对称”,一是公众对于信息公开的需求和政府公开信息的供给存在明显的不对称,二是政府要求百姓提供的信息和政府自身能向百姓公开的信息不对称。

中国政法大学发布的《中国法治政府评估报告(2013)》指出,近年来公众对强化行政权力运行透明度的诉求日益高涨,但在主观方面很多政府官员对政府信息公开重要性认识不足,情绪上有所抵触,将政府信息公开看作是额外增加给政府的负担。

“20多年来,政府信息公开总体上有所进步,主动公开的广度和深度不断增加,依申请公开逐渐规范。”主持该项目的中国政法大学教授王敬波说,“一方面目前政府信息公开条例还只是行政法规,效力层级低,还起不到统领作用;另一方面,现实信息公开中已经出现了一些异化现象,很多地区已经演变成了一种‘信访’。”

政务公开的不完善,容易导致国家出台的一些方针政策、重大措施不能为广大干部群众全面准确地理解和把握,甚至造成一些群众与政府之间出现对抗。提高政府行为的透明度,可以有效提高政府的公信力,促进公众广泛参与的政策形成机制,提高政府施政的民意基础,并进一步消除产生腐败的暗箱环境,推进廉洁政府建设。

数据开放是趋势

安徽省芜湖市曾经每年准备大量资金,对进口国外大宗设备的企业给予政府补贴。可是实际上该地7家进口了此类设备的企业中,只有3家企业了解该政策,其中两家企业成功拿到了补贴,而另一家企业尽管知道政策,但却不知道找谁要,结果导致政府惠民政策的部分资金只能眼睁睁地趴在账上睡大觉,以此鼓励企业进口大宗设备促进生产力提升的效果也打了折扣。“目前政务公开普遍存在发布政策信息时仅仅在各自政府网站上进行简单罗列的现象,而实际的服务对象真正要找政策的时候,却不知道去哪里找、怎么找。”芜湖市政府信息化办公室党组书记承孝敏坦承。

从2007年开始,芜湖市以政务大数据的开放、共享为基础,对政务公开做了顶层设计和规划,将所有公共服务的事项延伸到一个个具体的主体,以实现对每一个居民、企业、社会组织的精准化服务。

在如今的大数据时代,数据开放是在传统信息公开的基础上向前迈进的一大步。传统的信息公开是逐个申请,老百姓申请公开什么,政府给什么,没有申请,政府就难以主动供给。而数据开放则是主动将数据推送,公众需要的信息已经包含在公开共享的数据集里,供公众按需自取。

“联合国将政务公开的发展分为4个阶段:第一个阶段是分散型的信息提供,第二个阶段是政府信息的集中发布,第三个阶段是政府与公众有来有往的电子政务,最终达到的第四个阶段叫联通的政务服务,即打造一个以公众需求为中心,政府围绕这个需求提供政务公开服务。”中国社科院教授周汉华表示,全世界的政务公开呈现出一个非常明显的阶梯式发展规律,但目前发展中国家普遍在后两个应用阶段的政务公开上存在困难,“尽管我们公布了很多信息,但不契合老百姓的使用需求,那么再多的公开民众也感受不深。”

周汉华认为,对发展中国家来说,发展政务公开存在捷径:通过优先发展高阶段的目标,以民众的需求为中心实现数据开放,则能够反过来倒逼和拉动政府的信息公开,“老百姓要用就会自己来查,一查就能带动信息公开。后发国家可以利用数据开放,两步并作一步,实现弯道超车。”

今年8月,国务院发布了《促进大数据发展行动纲要》,其中提出推进公共机构数据资源统一汇聚和集中向社会开放,提升政府数据开放共享标准化程度,优先推动信用、交通、医疗、卫生等20余个民生保障服务相关领域的政府数据集向社会开放。

打破“信息孤岛”

利用数据开放来打造政务公开的“升级版”,实际上存在着两个不同方面的问题:除了推动公共数据资源向公众开放之外,另一个亟待破解的难题是各个部门之间由于条块分割造成的“信息孤岛”效应。

有学者形象地把这种政府内部各部门信息之间壁垒森严的现象称之为“数据烟囱”,意为一个部门一个“烟囱”,“烟囱”与“烟囱”之间互不连通,而且在缺乏顶层设计和统一规划的情况下,信息化越发展就越容易固化这种部门分割的“纵墙横路”。如今许多普通民众在不同部门之间来回开证明的遭遇,以至于“我妈是我妈”式的奇葩证明,很大程度上都是由部门数据割裂造成。

在广东佛山市南海区,全国首个区一级数据统筹机构——南海区数据统筹局已经挂牌成立一年多,那里已经在试水打破林立的“数据烟囱”。目前,南海区建成的数据资源目录平台和数据资源服务平台已经实现工商、质监、劳动、人社等65个单位的数据注册、查询、共享和交换。打通各部门的数据系统之后,大数据应用能够揭示传统技术方式难以展现的关联关系,为有效处理复杂社会问题提供新的手段。“用数据说话、用数据管理、用数据创新。”南海区数据统筹局副局长林莉说,从经验决策为主向科学决策转变,将推动政府管理理念和社会治理模式进步。

《促进大数据发展行动纲要》也要求,加强顶层设计和统筹规划,明确各部门数据共享的范围边界和使用方式,厘清各部门数据管理及共享的义务和权利,依托政府数据统一共享交换平台,大力推进国家基础数据资源和各部门信息系统跨部门、跨区域共享。

在今年5月于国家行政学院召开的“政务公开信息化研讨会”上,多数专家认为以数据开放带动政务公开,进而以应用倒逼政府职能的转型、实现行政流程的再造,这是一条可行的道路。“信息化时代与大数据时代的到来,为信息公开提供了新的发展契机。政府应转变传统观念,顺应时代潮流,着力打造‘互联网+’信息公开平台。”王敬波说。

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
|
自然语言处理 大数据 应用服务中间件
大数据-172 Elasticsearch 索引操作 与 IK 分词器 自定义停用词 Nginx 服务
大数据-172 Elasticsearch 索引操作 与 IK 分词器 自定义停用词 Nginx 服务
101 5
|
4月前
|
存储 数据采集 监控
大数据技术:开启智能决策与创新服务的新纪元
【10月更文挑战第5天】大数据技术:开启智能决策与创新服务的新纪元
|
6月前
|
DataWorks Kubernetes 大数据
飞天大数据平台产品问题之DataWorks提供的商业化服务如何解决
飞天大数据平台产品问题之DataWorks提供的商业化服务如何解决
|
4月前
|
消息中间件 监控 Ubuntu
大数据-54 Kafka 安装配置 环境变量配置 启动服务 Ubuntu配置 ZooKeeper
大数据-54 Kafka 安装配置 环境变量配置 启动服务 Ubuntu配置 ZooKeeper
139 3
大数据-54 Kafka 安装配置 环境变量配置 启动服务 Ubuntu配置 ZooKeeper
|
4月前
|
存储 分布式计算 druid
大数据-155 Apache Druid 架构与原理详解 数据存储 索引服务 压缩机制
大数据-155 Apache Druid 架构与原理详解 数据存储 索引服务 压缩机制
108 3
|
5月前
|
数据采集 分布式计算 MaxCompute
MaxCompute 分布式计算框架 MaxFrame 服务正式商业化公告
MaxCompute 分布式计算框架 MaxFrame 服务于北京时间2024年09月27日正式商业化!
133 3
|
6月前
|
机器学习/深度学习 分布式计算 BI
MaxCompute 与阿里云其他服务的协同工作
【8月更文第31天】在当今的数据驱动时代,企业需要处理和分析海量数据以获得有价值的洞察。阿里云提供了一系列的服务来满足不同层次的需求,从数据存储到高级分析。MaxCompute(原名 ODPS)作为阿里云的大规模数据处理平台,提供了强大的计算能力和丰富的功能,可以与阿里云的其他服务无缝集成,形成完整的大数据解决方案。本文将探讨 MaxCompute 如何与其他阿里云服务协同工作,包括存储服务 OSS、数据分析服务 Quick BI 以及机器学习平台 PAI。
83 1
|
6月前
|
监控 数据可视化 前端开发
【前端】政务服务大数据可视化监控平台(源码+html+css+js)
【前端】政务服务大数据可视化监控平台(源码+html+css+js)
138 0
|
7月前
|
存储 SQL 机器学习/深度学习
阿里云数加大数据计算服务MaxCompute学习路线图:从入门到精通
将所学知识应用于实际工作中并不断进行实践和创新是提升技术能力的关键所在。用户可以结合业务需求和技术发展趋势积极探索新的应用场景和解决方案,并在实践中不断总结经验和教训以提升自己的技术水平和实践能力。
|
7月前
|
分布式计算 大数据 BI
MaxCompute产品使用合集之如何确定是否需要更改MC的Endpoint服务接入架构
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。