运用互联网+和大数据 打造社会治理新模式

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:

第八届全国部分省市社会建设年会于9月14日至15日在宁举行。围绕“提升社会治理能力,增强社会发展活力”主题,全国28个省市社会建设工作部门代表和有关专家学者掀起头脑风暴,探讨进一步加强社会建设,创新社会治理新理念、新思路,分享新经验、新做法。

打造多方协作、动态感知的社会治理新模式

“改革开放以来,中国社会发生的巨大变迁主要有两大主线。一是经济体制的转轨,从高度集中的计划经济体制向社会主义市场经济体制转变;二是社会结构的转型,从传统社会走向工业化、城镇化、开放的现代社会。城市发展的新阶段呼唤新的社会治理体制。”

南京市委副秘书长、研究室主任、社建工委书记孙惟勤说,从南京情况来看,产业结构明显优化、居民的消费能力显著增强等,对创新社会治理提出迫切要求,必须深入研判,科学把握社会发展的阶段性特征,让社会治理能力和社会发展活力成为城市宜居宜业的新优势。

提高社会治理能力、增强社会发展活力,必须注重解决治理主体、发展动力、治理方法等核心问题。孙惟勤说,首先,要发挥党的领导和多元主体合力作用。要深入探索以街道社区党组织为核心,融合社区、单位和行业党建的“大党建”模式,强化街道“大工委”、社区“大党委”工作机制,统筹抓好区域社会组织、商务楼宇、产业社区等新兴领域党建,有效增强基层党组织的动员和服务能力,同时有效调动各方面共治共享的积极性。

其次,要融合改革创新和利益凝聚的强大动力。南京涌现出“有一说一工作室”“乡贤会”“议治共融”等众多治理方案,看似“碎片化”,实则都是建立多元化问题收集机制和分散化利益凝聚机制,以共识促合力,尽最大可能推动政府、社会、市民同心同向行动,形成社会发展的强大驱动力。

此外,还要连接虚拟世界和现实社会双重空间。广泛运用“互联网+”和大数据,统一人口、法人、政务、城市资源信息库和共享平台,建设智慧交通、智慧社区等系统,使城市运行状态可记录、可聚合、可查询、可共享,在提升城市品质和服务水平的同时,打造多方协作、动态感知的社会治理新模式。

正和博弈,防止阶层隔阂、群体对立与社会固化

“我认为,社会治理的实践逻辑就是3句话:引领不包办,多样不多元,法治+文化。”中央党校教授辛鸣说,党的十八大后,我们提出了党委领导、政府主导、社会协同、公众参与、法治保障的社会建设与社会治理的基本方针,党委政府包办包揽的越来越少,而是从管理到服务,大手笔投入社会建设,引导建立公平正义、扶危济困、和谐有序的社会。

对于“多样不多元”,辛鸣解释说,在社会协同、公众参与的导引下,一大批社会组织如雨后春笋般涌现出来,在表达不同利益诉求、维护不同权益方面可圈可点。但是如何引导这些社会组织及其背后的社会群体从分别中看到共同,在竞争中走向合作,化零和博弈为正和博弈,防止阶层隔阂、群体对立与社会固化?我们在做社会建设与社会治理工作时,就是要将多样社会群体的利益整合成大家的共同利益。有共同利益,才有社会的和谐与发展。

“法治+文化”,也是辛鸣强调的重点。他说,在法治的背景下,用一种先进优秀的文化将整个中国社会近14亿人凝聚起来,变成一个大家庭,对社会建设进行顶层设计,才是社会建设和治理的最终涵义。

转变政府职能,大力培育社会组织并激发其活力

南京大学社会学院院长周晓虹认为,社会治理体制创新的基本路径,是政府首先应该转变自己的职能,在负责任地承担应该承担的职能同时,把不该自己承担的某些社会治理职能交还给社会。这就必须大力培育社会组织,激发社会组织的活力。

周晓虹说,培育社会组织,首先要尊重社会组织在社会治理中的主体地位,切实加强对他们社会参与的法律保护。其次是要能为社会治理的运作提供有效的政策保障。不必事必躬亲的政府在转变职能后,仍需主导或引导参与社会治理的各方,对社会组织和公民意见做出及时负责任的反应,包括征求意见、解释政策、回答疑问、提供服务,也就是真正成为服务型的政府。

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
|
5天前
|
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。
26 1
|
27天前
|
分布式计算 Kubernetes Hadoop
大数据-82 Spark 集群模式启动、集群架构、集群管理器 Spark的HelloWorld + Hadoop + HDFS
大数据-82 Spark 集群模式启动、集群架构、集群管理器 Spark的HelloWorld + Hadoop + HDFS
114 6
|
27天前
|
分布式计算 资源调度 Hadoop
大数据-80 Spark 简要概述 系统架构 部署模式 与Hadoop MapReduce对比
大数据-80 Spark 简要概述 系统架构 部署模式 与Hadoop MapReduce对比
56 2
|
27天前
|
消息中间件 监控 数据可视化
大数据-79 Kafka 集群模式 集群监控方案 JavaAPI获取集群指标 可视化监控集群方案: jconsole、Kafka Eagle
大数据-79 Kafka 集群模式 集群监控方案 JavaAPI获取集群指标 可视化监控集群方案: jconsole、Kafka Eagle
43 2
|
27天前
|
分布式计算 资源调度 大数据
大数据-110 Flink 安装部署 下载解压配置 Standalone模式启动 打包依赖(一)
大数据-110 Flink 安装部署 下载解压配置 Standalone模式启动 打包依赖(一)
47 0
|
27天前
|
分布式计算 资源调度 大数据
大数据-110 Flink 安装部署 下载解压配置 Standalone模式启动 打包依赖(二)
大数据-110 Flink 安装部署 下载解压配置 Standalone模式启动 打包依赖(二)
63 0
|
3月前
|
分布式计算 资源调度 大数据
【决战大数据之巅】:Spark Standalone VS YARN —— 揭秘两大部署模式的恩怨情仇与终极对决!
【8月更文挑战第7天】随着大数据需求的增长,Apache Spark 成为关键框架。本文对比了常见的 Spark Standalone 与 YARN 部署模式。Standalone 作为自带的轻量级集群管理服务,易于设置,适用于小规模或独立部署;而 YARN 作为 Hadoop 的资源管理系统,支持资源的统一管理和调度,更适合大规模生产环境及多框架集成。我们将通过示例代码展示如何在这两种模式下运行 Spark 应用程序。
234 3
|
4天前
|
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。
19 2
|
5天前
|
SQL 存储 算法
基于对象 - 事件模式的数据计算问题
基于对象-事件模式的数据计算是商业中最常见的数据分析任务之一。对象如用户、账号、商品等,通过唯一ID记录其相关事件,如操作日志、交易记录等。这种模式下的统计任务包括无序计算(如交易次数、通话时长)和有序计算(如漏斗分析、连续交易检测)。尽管SQL在处理无序计算时表现尚可,但在有序计算中却显得力不从心,主要原因是其对跨行记录运算的支持较弱,且大表JOIN和大结果集GROUP BY的性能较差。相比之下,SPL语言通过强化离散性和有序集合的支持,能够高效地处理这类计算任务,避免了大表JOIN和复杂的GROUP BY操作,从而显著提升了计算效率。
|
26天前
|
存储 分布式计算 druid
大数据-152 Apache Druid 集群模式 配置启动【下篇】 超详细!(一)
大数据-152 Apache Druid 集群模式 配置启动【下篇】 超详细!(一)
36 1
大数据-152 Apache Druid 集群模式 配置启动【下篇】 超详细!(一)