一网通管 | 互联网+监管

简介: 本文介绍了一网通管 | 互联网+监管的方案概述,方案价值及优势以及最佳实践。

Dingtalk_20210323150903.jpg

解决方案

1.jpg

(一)监管数据中台

按照国家“互联网+监管”系统相关数据标准,汇聚本地区政府监管数据、第三方机构数据、互联网数据等,建设监管大数据中心,建设主体中心、客体中心、行为中心、事件中心、证照中心、标签中心、决策中心,基于区块链建设可信中心,满足监管数据采集、数据治理、数据管理、应用服务、评估分析、智能标签、算法服务等建设要求。构建监管基础数据库:对分散在全省/市各部门、各区域、各行业的执法信息、监管信息等进行全面归集,形成监管事项目录清单库、监管对象基础信息库、执法人员信息库、监管行为信息库、投诉举报信息库、失信人员(企业)信息库及第三方平台监管信息库和知识库等。

构建监管主题数据库:对社会投诉举报信皂、第三方数据(信用数据等)、互联网数据、行业监管数据等进行全面接入和融合,形成监管主题数据库。

构建监管历史数据库:对监管事项归档,让监管可踉踪可追溯,为信用监管、精准监管、综合监管、智慧监管提供基础性支撑。

(二)行政执法监管

建设监管事项目录清单动态管理系统,统一监管事项名称、编码、依据、类型等基本要素,实现监管事项规范化管理、标准化应用。基于一张清单构建行政执法监管系统,为地区开展“双随机、一公开”监管、联合监管、信用监管、移动监管、投诉举报、非现场监管提供支撑。

(三)监管风险预警

基于大数据平台,依托“互联网+监管”融合的所有风险数据,利用风险预警工具,构建信用模型和风险预警模型,对各类风险分析数据进行深入分析,主动感知风险态势,实现风险研判和预测预警,及早发现防范苗头性风险,特别是各部门难以发现的跨行业跨区域风险,为辅助领导同志决策及地方和部门开展重点监管、协同监管提供数据服务支撑。

风险预警指标体系:包含企业基本信息、经营情况和信用状况3大类,38小类共上千个指标集合。依托监管事项目录、监管对象、监管行为、投诉举报、互联网等智能数据体系,运用阿里丰富的风险识别经验和核心技术,准确匹配数据中的风险信号,通过技术手段将其转化成可直接用于风险预警、模型试算的信号指标体系。

风险预警模型:根据不同地域个性化需求搭建市场监管领域、海关领域、税务领域、金融领域、卫生健康领域、生态环境领域、自然资源领域、应急管理领域、文化旅游领域、交通运输领域、农业领域及信用风险模型。风险预警系统提供多种自然语言处理模型,运用分类、聚类、关联、比对等大数据分析方法与工具,实现监管态势感知的数据汇聚、融合、洞察、仿真,发现问题线索,研判区域性、行业性、系统性风险,为监管风险研判提供依据。信用监管系统全面汇聚整合辖区内监管对象处罚记录、经营异常记录、信用异常记录、严重违法失信名单等,利用大数据和数据智能技术,助力政府构建信用分级分类监管体系,评估不同监管对象的信用风险,实现信用约束、信用风险预测预警、信用信息共享,支持“双随机一公开”和差异化执法监管,促进企业加强自我约束。并纳入风险预警监测。

(四)监管效能监督评价系统

监管效能评估评价系统对各区和各部门监管工作情况进行监督,强化监管的“监管”。基于监管业务、投诉举报、重大事故、群众评价等监管数据,构建可计量、可检索、可追溯、可问责的综合评价指标体系,形成对各地区各部门的事前市场准入监管,事中日常检查监管、事后执法处罚监管综合评价,促进各地区各部门监管工作水平不断提升。

(五)监管投诉举报处理系统

监管投诉举报处理系统,接收国家“互联网+监管”系统转来的投诉举报信息,并与本地投诉举报处理系统实现业务联动。对监管投诉举报信息进行受理、转办、督办、反馈等全流程管理。同时汇聚各地区、各部门投诉举报数据,为综合分析和风险预警提供数据支持。

(六)地区统筹监管特色应用

基于监管大数据中心支撑基础上,根据不同地区的发展需要构建不同方向的统筹监管应用,以高位视角跨行业进行监管大数据分析、风险预警及决策支持,建设专题分析应用,例如泛营商经济监管、互联网+大监管等。

(七)行业专项监管应用

面向具体行业,深挖行业监管需求,构建行业专项监管应用,例如市场监管、药品监管、生态环境监管、卫健监管、海关监管等。

应用价值

(一)梳理监管事项目录清单,统一监管事项要素,统一监管数据标准,逐步实现监管行为标准化、规范化。

(二)归集信息资源,通过对监管大数据的分析、比对,发现苗头性、跨行业、跨区域风险,开展精准监管。

(三)将地方、部门日常监管、“双随机、一公开”监管、信用监管、重点监管等工作逐步纳入“互联网+监管”系统运行,逐步实现监管全覆盖。

(四)新思维新技术,驱动监管创新,通过大数据分析、人工智能、区块链等新技术应用,实现“机器换人”,让监管更智能。

最佳实践

(一)国家“互联网+监管”应用系统

“互联网+监管”系统是国家政务服务平台继“互联网+政务服务”后的又一重要工程。阿里云提供大数据平台,并承担风险预警、效能评估、信用模型、门户界面、可视化界面等内容建设。

(二)天津“互联网+监管“应用系统

天津市“互联网+监管”项目,利用阿里城市大脑计算平台能力和风控模型优势,构建“11227”总体架构,助力天津市开展”互联网+监管”工作,该系统也是第一个与国家平台链路跑通的地方系统。

欢迎扫码加入阿里云城市大脑·数字政府学习交流钉钉群 群号:31641831

技术圈二维码.JPG

加入钉钉群可享有以下权益↓
入群权益.jpg

相关实践学习
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
相关文章
|
算法 数据挖掘 Python
海量数据,3行Python代码直接获取!
海量数据,3行Python代码直接获取!
600 0
|
存储 弹性计算 安全
医保行业 | 智慧医保
本文介绍了医保行业 | 智慧医保的方案概述,方案价值及优势以及最佳实践。
医保行业 | 智慧医保
|
4月前
|
人工智能 安全 调度
智能体,重构企业自动化未来
企业自动化正从“流程驱动”迈向“智能驱动”,智能体以自主决策、跨系统协同、持续进化三大能力,突破RPA等传统工具的规则依赖、孤岛效应与价值天花板,推动自动化从单点降本升级为全域增长引擎,重构企业核心竞争力。
262 1
|
4月前
|
前端开发 数据可视化 API
大模型应用:完整语音交互闭环:TTS+ASR融合系统可视化场景实践.22
本文介绍了一个轻量级TTS+ASR融合交互系统,基于HTML/CSS/JS前端与Python Flask后端,集成Whisper语音识别与pyttsx3文本转语音,实现“语音→文本→语音”闭环。支持浏览器录音、实时转写、语音播放及历史管理,无需依赖框架或网络,适合快速部署与二次开发。
636 18
|
11月前
|
人工智能 自然语言处理 运维
阿里云 X 瓴羊:AI Stack一体机上新解决方案,重构企业问数与客服交互
简介:瓴羊基于阿里云AI Stack推出智能问数与智能客服一体机,以“低成本、零门槛”实现数据分析与客服效率的显著提升,助力企业智能化升级。
980 0
|
6月前
|
弹性计算 监控 PyTorch
大模型在云上的训练与部署
本文系统阐述大模型在云上的训练与部署实践路径,涵盖发展趋势、GPU集群搭建、框架选型、数据处理、分布式训练、模型部署、成本优化及金融行业应用案例,全面解析云计算如何支撑大模型高效落地,并展望“大模型即服务”(MaaS)的未来生态。
696 0
|
网络协议
交换机ARP学习异常,看网工大佬是如何处理的?
交换机ARP学习异常,看网工大佬是如何处理的?
543 2
|
城市大脑 安全 计算机视觉
课时13:城市数据大脑介绍
阿里云与杭州市合作打造的城市数据大脑,通过智能调控红绿灯、实时视频分析交通事件,提升了道路通行效率。如今,城市大脑不仅能主动发现并处理交通事故,还能为救护车规划最优路线,从被动接警转变为积极应对,使城市交通更加顺畅和安全。交警们希望通过这一系统,让杭州变得更加美好,实现更愉快的出行体验。
756 0
|
人工智能 城市大脑 分布式计算
课时7:阿里云ET:人工智能可以是这样的
阿里云ET是阿里巴巴集团研发的超级人工智能,具备智能语音交互、图像视频识别、交通预测、情感分析等技能。作为杭州城市大脑的核心,ET依托强大的计算能力,在城市治理、工业制造、健康医疗等领域广泛应用,成为人类可靠的助手。其卓越的感知与思考能力,使ET在复杂局面下迅速做出最优决策。
625 0
|
机器学习/深度学习 计算机视觉
【YOLOv8改进 - 注意力机制】ECA(Efficient Channel Attention):高效通道注意 模块,降低参数量
YOLO目标检测专栏聚焦模型创新与实战,介绍了一种高效通道注意力模块(ECA),用于提升CNN性能。ECA仅用少量参数实现显著性能增益,避免了维度缩减,通过1D卷积进行局部跨通道交互。代码实现展示了一个ECA层的结构,该层在多种任务中展现优秀泛化能力,同时保持低模型复杂性。论文和代码链接分别指向arXiv与GitHub。更多详情可查阅CSDN博主shangyanaf的相关文章。